Из материалов международной конференции " Интеркарто - 6 " ( г. Апатиты, 22-24 августа 2000 г.).

Трошков Н.Ю.
Лаборатория информатики, Институт водных и экологических проблем,
Сибирское отделение Российской академии наук
e-mail: nick@iwep.secna.ru

Abstract. The project is directed to solving the problem of interdisciplinary integration of environmental basic research at a level of its information-logical (infological) compatibility. Top-priority tasks are focused on: biodiversity description, ecosystem structure modeling, interdisciplinary data and knowledge base creation, maintenance of the multiuser access via Internet. The prototype of the system consisting of the database nucleus, applications server, visual user interface and GIS ESRI ArcView applications is developed. The mechanism for data and knowledge formalization built on the basis of semantic classification of human language (HL) lexicon allows the users to create a number of frameworks characterising objects, processes and their classification given in proffesional terms. The interface visual means allow a user to create new data sets, to connect tables fields with term-system and to edit the tabulared data. The information entered is integrated in the centralized data and knowledge base at present. The mechanism of the description, storage and loading of the user modules and allocated performance of calculations is being developed.



Введение

В процессе развития естественных наук наряду с узкой специализацией дисциплин происходит и междисциплинарная интеграция на стыке различных предметных областей. Актуальность исследований становится тем выше, чем большее число следствий и связей они имеют в других дисциплинах. В настоящее время идея интеграции реализуется либо на вербальном и организационном уровнях при непосредственном взаимодействии специалистов-предметников, либо на уровне объединения данных и знаний в интегрированных информационных системах (ИС).

ГИС занимают особое место среди других интегрирующих ИС. ГИС являются продуктом геоинформатики, науки, сформированной на стыке географии, информатики, теории информационных систем, картографии и других дисциплин с привлечением общенаучных методов познания [2]. Обобщив множество приводимых в литературе определений ГИС, можно выделить одно важное свойство, а именно: ГИС как пространственно координированные системы, наилучшим образом приспособлены для комплексной обработки любой информации, так или иначе связанной с земной поверхностью. Практически все исследования окружающей среды (экологические, биологические, геологические и др.) так или иначе учитывают географическое положение объекта исследования. Интеграция данных и знаний из разных дисциплин теряет смысл, если при этом не проводится идентификация места и времени. Таким образом, ГИС можно рассматривать как один из основных технологических компонентов, на базе которого можно строить систему для междисциплинарной интеграции научных исследований.

Определившись относительно средства интеграции исследований (дисциплин), рассмотрим проблему информационно-логического представления их содержательной части, и в частности проблему выбора основания, определяющего структуру понятийной базы.

Концептуальное моделирование может проводиться на интуитивно-логическом или формально-логическом уровне. В последнем случае для моделирования структур данных и знаний разработан богатый математический аппарат, базирующийся на логике высказываний и логике предикатов: логика умолчаний, модальная логика знаний и веры, немонотонная логика, автоэпистемические логики и другие. Однако формальные логики не предоставляют никаких возможностей для естественного выбора главного принципа классификации понятий, как предикатов, аргументов, констант, или переменных и не проводит соответствия между принципом доказательства истинности (в философском понимании) и его формальной моделью [5]. Отсутствие единого принципа классификации понятий является серьёзным методологическим препятствием для интеграции дисциплин на формальном уровне.

Проблема формально-логической разобщенности актуальна не только при интеграции разных дисциплин, но и внутри одной предметной области. Известно, что описание теории в эмпирических науках распадается на две части: математический аппарат и вербализованное содержательное описание, которое имеет неформальный характер. «Содержательное описание устанавливает связь между системой понятий данной научной дисциплины и символами величин, используемыми в математическом формализме» [1]. Достаточно полный обзор методов формально-логического представления математических зависимостей и преобразований в системах ИИ можно найти в книге [3]. Тем не менее, в естественных науках проблема формализации содержательного описания теории и связи с математической моделью остаётся актуальной.

Необходимость интеграции на формальном уровне математической модели и содержательного описания хорошо осознана в двух сферах. Во-первых, в теории познания - как «проблема интерпретации». Во-вторых, в прикладной сфере «машинного моделирования». Как правило, при реализации простой математической зависимости или более сложной численной модели на каком-нибудь языке программирования основное внимание уделяется эффективности и простоте вычислений. Содержательное описание остаётся при этом вне машинной модели, что серьезно ограничивает возможности стыковки и расширения запрограммированных по отдельности расчетных моделей [1].
Настоящий проект направлен на решение проблемы междисциплинарной интеграции фундаментальных и прикладных исследований окружающей среды на уровне объединения их содержательной части и расчётных моделей. Проект затрагивает фундаментальную проблему в области искусственного интеллекта (ИИ), известную как «формализация и анализ смысла». Кроме того, решается ряд технических проблем практической реализации многопользовательской распределенной ГИС широкого применения.



Материалы, методы и результаты

При инфологическом подходе к формализации знаний преследуется цель «наиболее естественного отражения объектов реального мира в языковых конструкциях, согласующихся с восприятием, свойственным человеку» [1].

Для решения задачи представления знаний разработан ряд языков: FUZZY, AIMDS, KRL, FRL, ELISP, CSRL, DPL, HPRL, KANDOR, KEE, KL-ONE, KMS, KRYPTON, NETL, RLL, SRL, UNIT PACKAGE, язык RX-кодов, Ф-язык, БИЯЗ, а также логическиие языки ALICE, APES, APLICOT, DUCK, FIT, HCPRVR, HSRL, PROLOG и ИНФОЛ, который наилучшим образом соответствует нашей задаче [1, 3, 6]. Этот язык основан на расширенной версии логики предикатов первого порядка, поддерживает арифметику и описание времени в кванторных выражениях. В комплексе с объектно-ориентированным методом описания понятий Инфол образует удобное средство представления смысла в информационных системах [1, 5]. Однако его непосредственное использование предполагает высокую математическую и лингвистическую подготовку инженера знаний, что нежелательно в системе, ориентированной на специалистов-предметников.

Для сближения логического и пользовательского представлений нами разработан интеллектуальный визуальный интерфейс (клиентская часть системы), позволяющий динамически строить сеть объектно-характеристических фреймов, представляющих знания о некоторой предметной области. Фрагменты семантической сети отображаются в виде дерева понятий (объектов, процессов, признаков и значений) и строятся в соответствии с интуицией пользователей. В нашей программе реализуются основные концепции языка Инфол, методы семантической классификации лексики естественного языка и система диагностических контекстов для определения категорий лексических единиц. Лексика ЕЯ классифицируется по нескольким основаниям. Во-первых, могут быть выделены три основных класса понятий, применяемых для описания предметов, процессов и отношений. Во-вторых, на основе противопоставления «наименование-значение» или «тема-факт» большинство слов или словосочетаний можно разделить на Т-термины и Ф-термины. В третьих, на основе противопоставления «простота-сложность» все понятия могут быть разделены на простые (которые не нужно определять через другие понятия) и сложные (которые могут быть определены через логическое сочетание других понятий). Определение сложного Ф-термина представляется в виде фрейма. Пара Т и Ф образует некий признак, который идентифицируется Т-термином. Признаки образуют иерархическую многоуровневую базовую структуру (дерево признаков), которая определяет родо-видовое отношение между Ф(i) и Ф(i+1). Таким образом, для каждого признака Т можно указать ближайший род Ф, для которого этот признак применим. Вокруг базовой структуры формируется нерегулярная семантическая сеть.

Для описания связей между понятиями предусмотрено ограниченное количество основных обобщенных типов отношений, возможных как в лексике ЕЯ, так и в реальном мире. Все остальное многообразие отношений предлагается реализовать посредством других понятий, смысл и количество которых задаёт сам пользователь. Система контроля логической совместимости семантических категорий ограничивает возможные степени свободы представления смысла на каждом шаге работы пользователя. Семантические категории новых терминов выбираются из динамического списка или определяются в диалоговом режиме за 2-3 шага путем субъективной оценки осмысленности текста после подстановки термина в диагностические предложения на естественном языке. При этом подразумевается достаточная языковая компетенция пользователя в узкой предметной области. Например, может быть построена многовариантная таксономическая классификация, описана структура объекта, его эволюция, происхождение, свойства и признаки, установлены смысловые (ролевые) связи с другими объектами и т.д. В случае возникновения противоречий или недоразумений структура сети может быть поправлена инженером знаний. Каждый термин в базе знаний и все записи базы данных снабжаются авторским кодом, на основании которого производится идентификация автора, первичный контроль целостности информации и уровня доступа.

Кроме дерева объектов и признаков визуальный интерфейс содержит страницы с их расширенным описанием. Состав описания зависит от типа объекта и наличия релевантной информации (тексты, слайды, 3D-модели, схемы, таблицы, массивы и т.д.). Эта информация отображается (обрабатывается) посредством процедур, содержащихся во внешних загружаемых библиотеках (DLL). Предусматривается возможность динамического пополнения базы пользовательских DLL-модулей для численного моделирования, статистического анализа, визуализации и т.д. Для ускорения вычислений разрабатывается механизм распределенного параллельного выполнения задач в локальных сетях.
Предлагаемая система построена по технологии «многозвенный клиент-сервер» с использованием объектно-ориентированных методов программирования на языке C++ Builder. Система состоит из клиентской части, сервера приложений, SQL-Interbase сервера и базы данных и разворачивается в локальной сети организации. Клиентская часть загружается под управлением ГИС ArcView, что дает возможность отображать информацию об объектах на карте и задействовать все возможности ГИС для пространственного анализа данных. Каждая из таких систем по мере необходимости будет взаимодействовать с удаленной базой данных главной системы. При отсутствии локальной сети можно установить все компоненты на один компьютер или непосредственно подключить клиентскую часть к удаленному серверу приложений. Связь между клиентом и сервером осуществляется через Интернет по TCP/IP протоколу [4]. Для работы с картографическим материалом используются ГИС ESRI ArcView и АrcInfo. Картографическая база данных создается на основе карты мира формата DCW в масштабе 1 : 1 000 000, участков карт 1 : 500 000, 1 : 200 000, 1 : 100 000 и тематических карт. В географическом плане особый интерес для нас представляет территория Западной Сибири, Алтайского края, Республики Алтай, район оз. Телецкое, а в биологическом и экологическом - видовое разнообразие гидробиоценозов и оценка качества воды.

Проект поддержан фондом Сороса: грант RSS 970/1999 (период: 1.07.99 -1.07.2001).



Литература

1. Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах. М.: Наука, 1989.
2. Кошкарев А.В., Тикунов В.С. Геоинформатика. - М.: «Картгеоцентр»-«Геодезиздат», 1993.
3. Лорьер Ж.-Л. Системы искусственного интеллекта. - М.: Мир, 1991.
4. Трошков Н.Ю. К проблеме создания распределённых многопользовательских ГИС // Материалы Междунар. конф. Интеркарто-5. - Ч.1. - Якутск, 1999. - С. 168-171.
5. Тей А., Грибомон П., Луи Ж. и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию. - М.: Мир, 1990.
6. Уотермен Д. Руководство по экспертным системам. - М.: Мир, 1989.