Теории понятий в практике представления знаний в технических

системах

Юрмала19 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)

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

4

Технологизация мышления

• Производственное – вузовское – школьное – дошкольное

• Человеческое – нечеловеческое

-----------------------------------------------------------------Технологемы мышления ММК:• Проблематизация• Объективация (построение объекта)• Схемы ММК

5

Объем новых идей

1970 1990 2000 20101980

PP656.6

Новые технологии(это в том числе относится к

методологам)

Источник: FIATECH

Не хочу видеть никаких сумасшедших торговцев – ты что, не видишь, что тут битва идёт!

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.

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

9

«Сержантский метод» в дошкольной алгоритмике

ПиктоМир КуМириспользовать Робот_Вертун

алг Главный алгоритмнач. нц пока клетка закрашена. . А. . вперед. кцкон

алг Анач. если впереди стена то. . повернуть налево. . иначе выход . всекон

10

Пример: предмет аниме

• Anidb.net• Tvtropes.org

11

Пример: PLM

• Инжиниринговая компания

–Основная деятельность •Маркетинг•Инженерия•Операции

– Организационно-техническое развитие• Стратегирование• Организационная инженерия• Ведение проектов развития

PLM

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

Объект «мотор»

«Мотор» в обычном языке

Реальный, функционирующий

Запланированный, историческая запись, и т.п.

PLM, ERP, EAM – по горизонтали, или по вертикали?Неизмежный в IT «cистемный шовинизм».

13

Пример: PLMОперационная 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.

14

Место PLM

• Инжиниринговая компания

–Основная деятельность •Маркетинг•Инженерия•Операции

– Организационно-техническое развитие• Стратегирование• Организационная инженерия• Ведение проектов развития

PLM

15

Операционный менеджментОбеспечение 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)инвестзамысел

проектирован

ие

сооружение

эксплуатация

вывод из

эксплуатаци

и

16

Эко-система жизненного цикла: «инжиниринговые киборги»

люди

оборудование

люди

оборудование

Многоуровневое взаимодействие

• Данные• Действия• Энергия• Масса

PLM «киборгов» в жизненном цикле

МОДЕЛЬ ИНЖИНИРИНГА(ПРЕДПРИЯТИЯ)

МОДЕЛИ СИСТЕМЫ И ЕЁ ОКРУЖЕНИЯ

ДействияМОДЕЛЬ ИНЖИНИРИНГА (ПРЕДПРИЯТИЯ)

МОДЕЛИ СИСТЕМЫ И ЕЕ ОКРУЖЕНИЯ

Действия

требования

архитектур

а

рабочка

как сдела

но

Мультимодельноевзаимодействие

• Данные• Действия

требования

архитектура рабочка как

сделано

18

Разнообразие интеграции данных жизненного циклав эко-системе инжиниринга

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 клеткеИнтеграция в продукте: вся таблица (эко-система!)

уровни структуры вещества * уровни воплощения

КРУПНЫХ ПРОЕКТОВ С ОДНОЙ PLM НА ВСЕХ – НЕ БЫВАЕТ!ДВЕ РАЗНЫХ УСТАНОВКИ PLM одного вендора – РАЗНЫЕ УСТАНОВКИ!

PLM нуждается в интеграционном решении!

19

Неформальные знания

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

20

«Процесс»

«Процедура»

«Функция»

«Деятельность»

«Шаблон проекта»

ПланировщикМенеджерпо качеству

Менеджер

Консультант

Аналитик

По материаламкомпании FutureModels

Онтология: про то, что в жизни (а не про имена)Отвечает на вопрос «что там?»

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)

22

ISO 15926 и жизненный цикл

23

ISO 15926 и жизненный цикл

Product knowledge pyramid (ISO 15926)

ISO 15926

types

RDL

Catalogue(standard classes)

Product lines

and project

Deb

ug,

change management

Product configuration

baselines

Historic

data (product operations time rows)

Fo

rm

al

mo

de

l

RDL

Product data

24

Unstructured data

(NLP needed)

Huge! Needs federation of multiple sources!But: one format

Needs federation even more! Multiple formats

Enterprise-related data excluded only to clarity of a slide.

201 type: ontological commitments (shared reality)

25

RDL

RDL (ГОСТы)

RDL (стандарты отрасли)

RDL проекта

RDL каталога

Проектная информация

Данные каталога

ISO/JORD

Национальная ассоциация

Отраслевая ассоциация

Поставщик каталога

Инжиниринговая компания

Федерирование справочных данных о:• Модели предприятия• Модели целевой системы

26

Почему онтология?Качество результата

Словарь (синонимы)

Таксономия (род-вид)

Тезаурус (разные отношения)

Онтология (свойства)

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)

28

Демонстрация: .15926 Editor

• http://techinvestlab.ru/ISO15926 -- freeware

29

Мифы и реальностьискусственного 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 яблокоМного мелкого изюма

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)• ...

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

32

IBM Watson: обучение

33

Теории понятий

• Классика: определенческая • Прототипы и экземпляры• Теория теории• Атомарная• Плюралистическая

34

Спасибо за вниманиеАнатолий Левенчук,Директор по исследованиям Русского отделения INCOSEhttp://ailev.ruailev@asmp.msk.su

Виктор Агроскинvic5784@gmail.com

TechInvestLab.ru(495) 748-53-88