Онтологии как смысловые модели

Тип работы:
Реферат
Предмет:
ТЕХНИЧЕСКИЕ НАУКИ


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 618. 3:50
ОНТОЛОГИИ КАК СМЫСЛОВЫЕ МОДЕЛИ
C.B. Смирнов
Институт проблем управления сложными системами РАН smirnov@iccs. ru
Аннотация
В статье излагается опыт смыслового моделирования реальности на основе онтологий. Предполагается, что онтологии пригодны для представления как формально-математических, так и содержательно-описательных (т.е. собственно смысловых) моделей. В качестве предпосылки для выбора базовых элементов онтологических спецификаций постулируется когнитивная способность субъектов моделирования различать в мире объекты («дискретные объекты») и обнаруживать связи между объектами. Поскольку отношения как совокупности связей делятся на свойства и ассоциации объектов, то моделирующими примитивами для онтологий оказываются свойства и классы объектов. Ассоциативные отношения, элементы операционного базиса и аксиомы моделируемой предметной области фиксируются при определении специальных свойств объектов. Анализируется общая схема использования онтологических моделей, констатируется ее органичная ориентация на интеграцию разнородных знаний и очерчиваются необходимые для этого механизмы управления моделями.
Ключевые слова: смысловые модели, объект, свойство, семантическая сеть, формальная онтология, многомодельность, интеграция знаний.
Введение
Стержневая линия античного учения о бытии, выразителем которой стал Платон, четко отделяла мир вещей от мира идей, а переход от восприятия вещей к их осмыслению предполагала фиксировать в смысловых моделях (см. [1]). Однако оценки способов такого моделирования кардинально разделялись.
Так, Аристотель считал модели в форме «диалектических умозаключений» уместными лишь в «обычной» жизни, тогда как для получения «абсолютного знания» о ней пригодной признавал лишь «высказывающую речь» [2]. С его точки зрения диалектика достаточна для ведения спора и выдвижения правдоподобных заключений при неполном знании о мире вещей, что столь характерно для быта. Но лишь «высказывающая речь», могущая быть единственно истинной либо ложной, способна быть носителем знания. Именно эта концепция стала краеугольной в науке и в течение столетий воспринималась как единственно верная, предопределив как триумфальные достижения, так и фундаментальные проблемы, начиная с парадоксов логики и теории множеств до обсуждаемых в [1] «методологических аберраций».
Сейчас уже общепризнанно, что классические научные методологии оказались мало приспособлены к работе со сложной, неоднозначной, неточной и противоречивой информацией, характерной для современных прикладных задач. Традиционное (и, прежде всего, формально-математическое) моделирование имеет здесь ограниченное применение в силу того, что смысловые модели реальности имеют преимущественно диалектический, содержательно-описательный характер, либо включают в себя и содержательно-описательную, и формально-математическую компоненты. Новые же возможности смыслового моделирования открываются благодаря развитию инфокоммуникационных технологий и методов искусственного интеллекта (ИИ).
По мнению специалистов, эти возможности — следствие достигнутого единства базовых средств отображения различных моделей (т.е. содержательно-описательных и формально-математических) и методов их интерпретации во «внутренний мир» компьютеров. «В качестве таких базовых средств выступают информационные объекты (данные и специальным образом конструируемые структуры данных) и алгоритмы (организуемые специальным образом последовательности встроенных операций преобразования информационных объектов)» [3]. Однако, замечают затем авторы [3], если культура перехода от формально-математических моделей и методов к алгоритмам и данным складывалась на протяжении всей истории развития вычислительной техники, то проблемы отображения содержательно-описательных моделей и средств их исследования в информационные объекты и алгоритмы стали объектом изучения сравнительно недавно и исследуются именно в ИИ.
После драматичного полувекового периода надежд, достижений и разочарований сегодня ИИ на роль базовых смысловых (семантических) моделей выдвигает формальные онтологии [4]- это верно как в мировом масштабе (см., например, сайт Международной ассоциации по онтологии и ее приложениям — 1АОА), так и на отечественной ниве [5]. Действительно, анализ и созидание в сложных инфокоммуникационных системах (в самом широком охвате, включая социум) оказывается результативным лишь при надежном и согласованном представлении предмета внимания действующего субъекта — актора. Систематизация, разработка и использование таких представлений и составляют современное содержание онтологического подхода в моделировании и управлении. В статье излагается авторский взгляд на сущность и возможности такого смыслового моделирования.
1 Онтология и денотативная объектная модель предметной области
Представляется, что при формулировке знаний, составляющих содержание смысловых моделей, фундаментальную роль играют два когнитивных суждения о мире: возможность различения дискретных объектов и существование связей между ними. Множество объектов, рассматриваемых в контексте всякой ситуации, или задачи, образует ее предметную область (ПрО). Связи между объектами определяют отношения в ПрО: унарные интерпретируются как имманентные агрегируемые свойства объектов (функции объектов) — произвольной арности, или собственно отношения, описывают различные ассоциации объектов. Мощность моделирования, присущая бинарным отношениям, позволяет описывать любые ассоциативные отношения в ПрО с помощью пиринговых связей между объектами. Это позволяет представить картину ПрО в виде сети связанных объектов, которая в теории представления знаний известна как семантическая сеть.
Имеются веские основания придерживаться следующего взгляда на конструкцию этой сети (рисунок 1) [6, 7].
С позиции представления объектов ПрО рассматриваемая сеть распадается на две подсети: «классы» и «экземпляры», — которые находятся в отношении экземплификации. В первой подсети имеется лишь по два сорта вершин и дуг: сосуществуют вершины-классы и верши-иы-свойства- дуги сорта «является видом» соединяют вершины-классы, а дуги «является частью» соединяют каждую вершину-свойство с одной и только одной вершиной-классом. Именно эта подсеть описывает понятийную структуру ПрО, определяя онтологию ПрО: совокупность понятий о доступных для ощущения/измерения свойствах объектов и разновидностях объектов в контексте доступных свойств. Подсеть «экземпляры» являет собой «денотат» онтологии — денотативную объектную модель ПрО, в которой онтология ПрО определяет типы вершин (они суть образы объектов ПрО) и дуг (это образы связей объектов ПрО- совокупности однородных связей составляют различные отношения между объектами).
Понятийная структура (онтология) Денотативные объектные модели
Контексты моделирования
Рисунок 1 — Сетевая объектная модель предметной области: Ф — фундаментальные, О — обобщающие классы объектов- пунктирные дуги реализуют отношение экземплификации
Таким образом, исходными элементами в представленной картине смысловой модели служат свойства и классы объектов. Отношения между объектами — типичная составляющая онтологических спецификаций — возникают вследствие реализации специальных свойств объектов — валентностей [6, 7]. А благодаря идее демонов, вошедших в арсенал объектно-ориентированного стиля представления знаний [8] из теории фреймов М. Минского, примитив «свойство» пригоден и для фиксации еще одной общепризнанной компоненты смысловых моделей — условий целостности, или аксиом, ПрО (пример практического применения такого подхода к описанию аксиоматики ПрО можно найти в [9]).
В целом при решении задач онтология представляет теорию, а денотативная модель конкретизирует эту теорию применительно к актуальной ситуации в моделируемой ПрО. Множественность таких ситуаций делает целесообразным [7]:
¦ иметь раздельные спецификации для онтологической и денотативной компонент объектной модели ПрО (для повторного использования онтологий при моделировании разных ситуаций в ПрО), реализуя отношение экземплификации «внемодельными», технологическими методами-
¦ использовать при решении задач понятие контекста моделирования как актуальной пары (онтология ПрО, денотативная модель ПрО).
Наконец, следует отметить, что смысловые модели предметных областей — онтологии и денотативные модели — однородны, поскольку каждая является денотативной объектной моделью своей особенной ПрО. Для денотативной модели это ПрО, описываемая онтологией этой ПрО. Для онтологий это ПрО, которой принадлежат объемы понятий «класс объектов» и «свойство», а онтология, где эти понятия описаны (т.е. «онтология онтологий», или мета-онтология), должна быть семантически замкнута, описывая саму себя. Это естественная «технологическая реакция» на онтологическую относительность смысловых моделей реального мира [10].
2 Использование смысловых онтологических моделей
Для акторов, которых «мобилизует» и объединяет проблемная ситуация, смысловые модели (т.е. понятное этим акторам выражение правдоподобного знания) служат и инструментом достижения взаимопонимания, и инструментом разрешения — по крайней мере на уровне коммуникативных действий — проблемы [1, 11]. При этом применение в качестве смысловых моделей онтологий обеспечивает процессу решения задач систематичность и
междисциплинарностъ (благодаря органично присущей онтологическому подходу многомо-делъности и возможностей интеграции моделей) [12].
2.1 Общая схема
Укрупненный вид схемы, отражающей опыт построения и использования смысловых моделей на основе онтологий, представлен на рисунке 2.
Доступные (несистематизированные) данные о ПрО «XD»
е& quot-хоД -результат моделирования
Рисунок 2 — Схема построения и использования смысловых онтологических моделей:
1−3 — этапы моделирования
Безусловно, центральная фигура в схеме — актор, нуждающийся в понимании и разрешении проблемной ситуации. К нему сходятся важнейшие информационные потоки — от эмпирических наблюдений ПрО до интерпретации результатов моделирования. Он, так или иначе, участвует в итеративном формировании всех необходимых моделирующих спецификаций за исключением метамоделей, являющихся для него фундаментальной платформой смыслового моделирования. На рисунке 2:
• ХВК — онтология — продукт концептуализации, или онтологического анализа, некоторой ПрО «ХВ" —
ХоД — экзогенная объектная модель ПрО „ХО“, построенная на „языке“ онтологии целевой ПрО, описание ситуации в ПрО-
• ХВТ — денотативная модель специальной „технологической“ ПрО „ТВ“, онтология которой ТВК описывает мир всякой мыслимой задачи [7]. Этап 2.2 с весьма общей точки зрения можно рассматривать как спецификацию сценария решения задачи, описание воздействий на экзогенную денотативную модель целевой ПрО, в результате которых она должна приобрести некоторые удовлетворяющие пользователя свойства. Операционным базисом такой трансформации служит исчисление, основу которого составляют функциональные составляющие онтологии целевой ПрО — надлежащим образом определенные свойства ее объектов-
• exxDД[ - экзогенная денотативная модель целевой ПрО — продукт интерпретации знания, зафиксированного в ХоТ, применительно кХоД (3-й этап1 на рисунке 2). Результатом, ценным для актора, является либо надлежащим способом трансформированная денотативная модель ПрО, т. е. е& quot-ХоД, либо зафиксированная апостериори последовательность воздействий на ехХоД, трансформирующая ее в е& quot-Хс>-Д, либо то и другое вместе.
2.2 Многомодельность
Необходимость одновременного отражения многих сторон, ликов, граней ПрО и согласованного манипулирования соответствующими представлениями при решении задач -вполне осознанная и актуальная проблема смыслового моделирования. Так при моделировании сложных систем построение многомоделъной среды становится неизбежным, „так как сложная система принципиально является многоаспектной, … она не может быть описана одной моделью, и необходимо разрабатывать ряд моделей одной и той же системы, предназначенных для решения различных задач или только одной задачи“ [13, с. 226]. В частности, средства поддержки коммуникативной деятельности в интерсубъективных системах [11] должны отражать различные позиции акторов, каждый из которых первоначально может располагать особой точкой зрения на ПрО (не говоря уже о границах ПрО) и пути разрешения проблемной ситуации, т. е. располагает собственными смысловыми моделями.
Схема моделирования на рисунке 2 по определению является многомодельной. Исключая е& quot-Хс>-Д как производную аппликации ХоТ к ехХоД, а также априори фиксированные метамо-дели _роК и т?& gt-К, приходим к выводу, что для формального описания указанной общей схемы использования смысловых онтологических моделей пригоден кортеж вида
(1) (хоК, eXXDД, ХоТ).
Расширение общей схемы (и, следовательно, вариантов многомодельных структур, поддержание и управление которыми должна обеспечивать среда моделирования на основе он-тологий) может и должно выполняться с учетом следующих широко признаваемых особенностей смыслового моделирования:
• основным феноменом этапа концептуализации является возможность формирования и сосуществование нескольких различных онтологий (К-моделей) целевой ПрО-
• „на языке“ всякой онтологии можно построить в общем случае сколько угодно различных денотативных (Д-) моделей ПрО-
• для всякой ПрО можно указать множество актуальных задач или множество вариантов решения некоторой одной задачи (это ведет к множественности „технологических“ трансформационных (Т-) моделей даже при попытке разрешения одной проблемной ситуации) —
• для решения реальных задач наряду с моделированием целевой ПрО требуется, как правило, привлечение знаний из возможно нескольких обособленных проблемно- (или методов) ориентированных, инструментальных ПрО-
• в качестве целевой в процессе моделирования может выступать ПрО & lt-№П», что означает-решение задач построения новых онтологий или изменения имеющихся.
Анализ формализма (1) с учетом сказанного, выявивший все теоретически возможные многомодельные схемы использования введенных онтологических смысловых моделей, выполнен в [14].
1 Этот этап в [7, 12] именуется фазой вычисления, или вычислительного эксперимента с объектной моделью ПрО. Однако, как однажды заметил Э. Дейкстра, «компьютерная наука касается компьютеров не больше, чем астрономия телескопов», поэтому вычисление, вообще говоря, следует понимать как поведение, свойственное многим системам, например, акторам в проблемой ситуации.
2.3 Интеграция знаний
Во-первых, интеграцию знаний при организации смыслового моделирования на основе онтологий резонно связывают с композицией формальных онтологий (ontology merging) — темой, рассмотрение которой выходит за рамки данной статьи. Интересующегося читателя отсылаем к работам [15, 16], где описаны методы объединения онтологий, сопряженные с базовыми положениями, установленными в разделе 1.
Во-вторых, интеграция знаний — отличительное свойство рассматриваемого подхода, прямо вытекающее из присущей ему многомодельности. При этом в многомодельной среде необходимо поддерживать такое управление гетерогенными моделями, которое обеспечит возможность реализации всевозможных схем их использования, упомянутых в подпункте 2. 2:
• одновременное манипулирование в ходе решения задачи несколькими денотативными объектными моделями ПрО, описанной одной онтологией-
• совмещение нескольких взглядов на целевую ПрО, когда при решении задачи необходимо оперировать объектными моделями, построенными согласно различных онтологий этой ПрО (случай многоаспектного представления целевой ПрО) —
• совместное использование объектных моделей из разных ПрО, включая модели, конкретизирующие некие общеупотребительные методы решения задач. Т. е. речь идет о многодисциплинарных задачах и совместном использовании моделей, отвечающих каждой отдельной дисциплине, а как частный случай указывается на привлечение для решения задачи моделей в методо-ориентированных ПрО-
• решение задач построения или изменения онтологий (К-моделей), а также Т-моделей на основе соответствующих метамоделей-
• организация взаимосвязанных «вычислительных» экспериментов для реализации альтернативных и эволюционных исследований ПрО.
Оказывается, что для реализации этих возможностей достаточно двух «контуров» управления моделями на этапе «вычислений» (рисунок 3) [14].
Рисунок 3 — Управление моделями на этапе «вычислений»: I — задачный и II — проектный «контуры» управления
В первом, или заданном (поскольку его должен обеспечивать операционный базис онтологии задач т?)К — см. рисунок 2), контуре путем переключения контестов моделирования —
надлежащего определения «текущей» пары (К — модель, Д-модель) — обеспечивается работа с несколькими Д-моделями из разных, вообще говоря, ПрО. При этом должен контролироваться состав допустимых ПрО (Т-модель должна быть компетентна в каждой из них) и корректность контекстов моделирования (К- и Д-модели в контексте моделирования должны представлять одну и ту же ПрО).
Второй, проектный, контур (II на рисунке 3) не является обязательным и связан с макроуправлением «вычислениями». Осуществление управления состоит здесь в возможности проведения взаимосвязанных серий экспериментов с одновременной структуризацией сведений о выполненных «вычислениях» в форме растущего ациклического графа. Необходимость поддержания такого механизма управления требует введения в многомодельную среду специальной ПрО в области обработки информации, операционные составляющие которой, контролируя «правильный» рост структуры хранения информации о «вычислительных экспериментах», способны обеспечить транзакционные свойства этих актов.
Заключение
Опыт онтологического описания предметных областей, которое рассматривается здесь как основа смыслового моделирования, накоплен в течение достаточно продолжительного периода исследований и разработок в сфере объектно-ориентированного моделирования предметных областей, когда появлявшиеся новые потребности требовали постоянного переосмысления и развития достигнутых результатов. В найденных решениях в качестве основных ценностей фигурируют определенный минимализм, однородность теоретических и вследствие этого технологических конструкций.
В целом онтологический подход дает достаточно ясный взгляд на состав, назначение и структуру моделирующего комплекса для поддержки коммуникативной деятельности в интерсубъективных системах, а также механизмов управления моделями при решении задач. При этом охватывается большинство содержательных проблем разработки смысловых моделей: организации системы знаний об актуальной ПрО и о способах решения задач в этой ПрО, планирования решения задач и управления вычислениями, методологии отчуждения знаний от разработчика. Решения этих проблем оказываются в высокой степени унифицированными, а используемые модели однородными.
Список источников
[1] Виттих, В. А. Платоновская диалектика как первооснова науки об управлении обществом / В. А. Виттих // Онтология проектирования. — 2013. — № 2.
[2] Аристотель. Сочинения: в 4-х т. Т. 2 / Ред.: З. Н. Микеладзе. — М.: Мысль, 1978. — 687 с.
[3] Христьяновский, Д. Г. Проблемы моделирования в прикладных интеллектуальных исследованиях / Д. Г. Христьяновский, А. И. Эрлих // Труды III конф. по искусственному интеллекту (20−24 октября 1992 г. Тверь, Россия). Т. 2. — Тверь: Российская ассоциация ИИ, 1992. С. 78−81.
[4] Guarino, N. Formal ontology, conceptual analysis and knowledge representation / N. Guarino // Int. J. of Human Computer Studies. — 1995. — V. 43. № 5/6. — P. 625−640.
[5] Хорошевский, В. Ф. Онтологический инжиниринг в России: ситуация, проблемы, перспективы / В. Ф. Хорошевский // Системный анализ и семиотическое моделирование: Материалы первой всероссийской научной конф. с международным участием (SASM-2011) (24−28 февраля 2011 г., Казань, Россия). -Казань: Изд-во «Фэн» Академии наукРТ, 2011. С. 67−73.
[6] Смирнов, C.B. Онтологии в задачах моделирования сложных систем / C.B. Смирнов // Проблемы управления и моделирования в сложных системах: Труды II международной конф. (20−23 июня 2000 г. Самара, Россия). — Самара: СамНЦ РАН, 2000. — С. 66−72.
[7] Смирное, C.B. Прагматика оитологий: объектно-ориентированная модель знаний о предметной области / C.B. Смирнов // 11-я национальная конф. по искусственному интеллекту с международным участием КИИ-2008 (28 сентября-03 октября 2008 г., Дубна, Россия): Труды конф. Т. 3. — М.: ЛЕНАНД, 2008. — С. 208−216.
[8] Dilger, W. Object-oriented Knowledge Representation — an Overview / W. Dilger // J. New Generation Computation Systems. — 1989. — V. 2. — № 4. — P. 339−363.
[9] Смирное, C.B. Валидация эвристического подхода к решению задачи базирования детали / C.B. Смирнов // Известия Самарского научного центра РАН. — Часть I: 2011. — Т. 13. — № 6 (44). — С. 274−280- Часть II: 2012. -Т. 14. — № 6 (48). — С. 190−197.
[10] Куайн, В. Онтологическая относительность / В. Куайн // Современная философия науки: знание, рациональность, ценности в трудах мыслителей Запада: хрестоматия. 2-е изд., перераб. и доп. — М.: Логос, 1996. 400 с.
[11] Виттих, В. А. Ситуационное управление с позиций постнеклассической науки / В. А. Виттих // Онтология проектирования. — 2012. — № 2. — С. 7−15.
[12] Смирное, C.B. Онтологическое моделирование в ситуационном управлении / C.B. Смирнов // Онтология проектирования. — 2012. — № 2. — С. 16−24.
[13] Емельянов, В. В. Теория и практика эволюционного моделирования / В. В. Емельянов, В. В. Курейчик,
B.М. Курейчик. — М.: ФИЗМАТЛИТ, 2003. — 432 с.
[14] Смирное, C.B. Онтологический подход к формированию гетерогенных сред моделирования / C.B. Смирнов // Вестник Самарского государственного технического университета. Серия «Технические науки». — 2011. -№ 4(32). — С. 50−61.
[15] Stumme, G. FCA Merge: Bottom-Up Merging of ontologies / G. Stumme, A. Maedche // Proc. 17th Int. Conf. on Artificial Intelligence — IJCAI'-01 (Seattle, WA, USA, August 4−10, 2001). — P. 225−230.
[16] Виноградов, И. Д. Алгоритм объединения концептуальных схем на основе реконструкции их формального контекста / И. Д. Виноградов, C.B. Смирнов // Проблемы управления и моделирования в сложных системах: Труды III международной конф. (4−9 сентября, 2001 г., Самара, Россия) — Самара: СамНЦ РАН, 2001. -
C. 213−220.
Сведения об авторе
Смирнов Сергей Викторович, 1952 г. рождения. Окончил Куйбышевский авиационный институт им. С. П. Королёва в 1975 г., д.т.н. (2002). Директор Института проблем управления сложными системами РАН, профессор кафедры «Инженерия знаний» Поволжского государственного университета телекоммуникаций и информатики. Член РАИИ и IAOA. В списке научных трудов более 100 статей, 2 монографии в области прикладной математики, компьютерного моделирования сложных систем, создания интеллектуальных систем поддержки принятия решений в технологических и организационных сферах.
Sergei Victorovich Smirnov (b. 1952) graduated from the Korolyov Aerospace Institute (Kuibyshev-city) in 1975, D. Sc. Eng. (2002). Director at Institute for the Control of Complex Systems of the Russian Academy of Sciences, holding a part-time position of professor at Povolzhskiy State University of Telecommunication and Informatics Knowledge engineering sub-department. He is RAAI and IAOA member. He is co-author of more than 100 publications in the field of applied mathematics, complex systems simulation and development knowledge based decision support systems in control and management.

ПоказатьСвернуть
Заполнить форму текущей работой