Биогеометрия

Можно полагать, что именно связь симметрии и геометрии побудила В. И. Лощилова выдвинуть представление о биогеометрии живого как о факторе, который обеспечивает эффект аккумуляции множественной информации в организме1. Это открывает путь использованию геометрических методов анализа живых систем.

Толчком к этому, по-видимому, явилась работа Дюка (1996) о геометрическом подходе к задачам формирования базы знаний. В настоящее время геометрический подход, позволяющий перевести задачу формирования знаний на язык геометрических соотношений между объектами, выступающими целостными информационными единицами, рассматривается как один из перспективных2. На наш взгляд, основой развития геометрического подхода в исследовании живых систем является современное понимание информации как отношения, взаимоотношения, полиотношения и само-отношения всех явлений природы, образующих единое дискретноконтинуумное информационное поле3.

Проективная геометрия

Предполагается, что в развитии геометрического подхода главное место должна занять проективная геометрия, основанная на соотношениях между положениями. Понятия формы и измерения в такой биогеометрии вообще не используются. Основатель проективной геометрии Ф. Клейн4 создал так называемое проективное мероопределение. Суть его заключается в том, что метрические свойства фигур можно рассматривать как проективные отношения их к особым геометрическим образам, называемых абсолютами. Эта новая концепция оказалась настолько общей, что охватила самые разные виды анализа систем.

Компьютерная когнитивная графика

Совершенствование изобразительных возможностей компьютера сделало подобный подход реальным, вызвав бурное развитие визуализированных методов анализа многомерных данных во всем мире. Большие возможности для выявления и понимания скрытых закономерностей во взаимодействии явлений и процессов представляет новое направление в индустрии визуализации – компьютерная когнитивная графика (ККГ), основанная на общих принципах симметрии и методологии интеллектуальных систем5. Это междисциплинарное направление по выражению Т. Гергей6, «определяет современное состояние информатики и искусственного интеллекта и способствует развитию компьютерных технологий. Разработка когнитивных систем стала главным вызовом нового столетия». Когнитивные системы реализуют следующие переходы: данные – информация – знания, обеспечивая процесс решения задач и принятия решения адекватной информационной средой. Главная отличительная черта по сравнению с интеллектуальными системами – возможность познавать, получать новые знания. Это требует интеграции многих достижений в различных предметных областях, в частности искусственного интеллекта, информатики, логики и др.

Фрактальная геометрия

Для электрофизиологических процессов, рассматриваемых в аналоговой форме, особый интерес представляет фрактальная геометрия7. Фрактал – геометрическое понятие, которое Б. Мандельброт определяет как «структуру, состоящую из частей, которые в некотором смысле подобны целому». Фрактал обладает дробной размерностью, зависимости внутри фрактала отражают фрактальные свойства объектов. Фрактальность поведения сложных нелинейных систем сейчас рассматривается как их неотъемлемое свойство. При этом замечено, если система сложна, то она в своем развитии обязательно проходит через чередующиеся этапы устойчивого и хаотического развития. Причем сценарии этих переходов поддаются классификации, и все разнообразие природных процессов распадается на небольшое число качественно подобных8. Т. Гергей предлагает фракталоподобную функциональную архитектуру, в которой выполнение каждой функции мобилизует все составляющие структуры. Фрактальный подход в последнее время находит все большее приложение при исследовании периодических процессов, характеризующихся присутствием и детерминированных, и хаотичных компонент. Так, исследования органов человека с помощью фрактальной биогеометрии показали, что фрактальная размерность очень важная и доступная измерению характеристика живой системы [О. Ю. Грызлова, 1999]. Переработка данных предметной области для выявления новой информации предполагает знания как предметной области, так и адекватных правил переработки. Однако вся конструкция последовательности процедур и правил задается логической схемой рассуждений, составляющих стратегию поиска. Отсюда – большой интерес к способам и методам представления знаний на основе логических систем910. Когнитивная система – это лишь мощный инструмент. Очевидно, что новые знания подлежат проверке и перепроверке адекватными методами.

Читайте также

Footnotes

  1. Лощилов В. И. Информационно-волновая медицина и биология // Тр. IV международной конф. Новые информационные технологии в медицине и экологии. Крым. Ялта-Гурзуф.1998, с. 12-14.
  2. Янковская А. Е., Берестнева О. Г., Муратова Е. А. Формирование и оптимизация базы знаний в интеллектуальной системе ИМСЛОГ. – Новости искусственного интеллекта, 2001, № 5-6, с. 34-40.
  3. Юзвишин И. И. Информациология. – М.: Радио и связь, 1996.
  4. Клайн Ф. Элементарная математика с точки зрения высшей. – М.: Наука, 1987.
  5. Зенкин А. А. Когнитивная компьютерная графика. – М.: Наука, 1991.
  6. Гергей Т. Когнитивные системы – потребность информационного общества и вызов компьютерным наукам И 9-я Национальная конференция по искусственному интеллекту с международным участием, 2004, с. 3-10.
  7. Мандельброт Б. Фрактальная геометрия природы. – М., 2002.
  8. Чуличков А. И. Динамика возможности в диалоговых информационных системах / В кн. Анализ систем на пороге XXI века. – М.: Интеллект, 1996, т. 2, с. 85-90.
  9. Финн В. К. Искусственный интеллект: идейная база и основной продукт // Тр. 9-й национальной конференции по искусственному интеллекту. – М.: Физматлит, 2004, с. 11-20.
  10. Виньков М. М„ Фоминых И. Б. Гибридная модель представления знаний на основе продукционных и темпоральных немонотонных логических систем // 9-я Национальная конференция по искусственному интеллекту с международным участием, 2004, с. 43-119.