16+
ComputerPrice
НА ГЛАВНУЮ СТАТЬИ НОВОСТИ О НАС




Яндекс цитирования


Версия для печати

Модуль поиска не установлен.

"Знание" в информационных системах

12.05.2004

Елена Тульчинская, Антон Тульчинский


Введение

Прогресс в сфере компьютерной техники, все более широкое ее использование в различных областях, формирование новых научных дисциплин, связанных с автоматизированной переработкой информации, способствуют осознанию новых вопросов, касающихся человеческого знания, роли знания в жизни общества, видов знания и способов его существования. Проблема "знание и компьютер" и конкретно вопросы знания в информационных системах сегодня стали предметом обсуждения и исследования в значительно более широком контексте, чем раньше, и на первый план вышли ее философские, социальные и политико-технологические аспекты. То есть, развитие компьютеров, кибернетики, направлений, связанных с искусственным интеллектом, побудило людей по-новому взглянуть на вопросы мышления, интеллекта, знания механизмов и результатов самого процесса познания. А также - связь искусственного интеллекта и знания, вопросы истинности, представления и приобретения знания.

В данной статье представлены различные варианты ответа на вопрос о том, кто может быть субъектом познания: только ли человек, или же машина может считаться субъектом мыслящим, обладающим интеллектом и, следовательно, познающим. В то же время, мне представляется справедливым, что заверения специалистов о возможности создания строгой теории мышления не сбылись, и сегодня мышление является предметом изучения как ряда частных наук (психологии, логики, искусственного интеллекта, когнитивной лингвистики), так и философии.

Для получения полной картины понятия знания в информационных системах необходимо исследование и решение технологических вопросов о знании, то есть вопросов типа "Каким образом следует (можно, допустимо) обращаться (иметь дело) со знанием, имея в виду достижение такой-то цели?".

Метатехнологические вопросы связаны с оценкой технологий получения, хранения и обработки знаний в более широком контексте целей человека и условий человеческого благополучия; это могут быть вопросы о влиянии информационной технологии на развитие знания, в том числе на эволюцию форм и видов знания, используемого в профессиональной деятельности. Обо всем этом и пойдет речь в статье.

"Знание" в эпоху компьютерной революции

Человеческое познание, мышление, знание, разум в течение многих веков были предметом исследования. С появлением кибернетики, компьютеров и компьютерных систем, которые стали называть интеллектуальными системами (ИС), с развитием такого направления, как искусственный интеллект (ИИ), мышление, интеллект, а затем и знание стали предметом интереса математических и инженерно-технических дисциплин. Это побудило людей по-новому взглянуть на ряд традиционных теоретико-познавательных проблем, наметить новые пути их исследования, обратить внимание на многие, остававшиеся ранее в тени аспекты познавательной деятельности, механизмов и результатов познания.

Может ли машина мыслить? Кто может быть субъектом познания: только ли человек (и, в ограниченном смысле, животные) или же машина тоже может считаться субъектом мыслящим, обладающим интеллектом и, следовательно, познающим. Сторонники последнего варианта пытаются сформулировать такое определение мышления, которое позволяло бы говорить о наличии мышления у машины. Например, мышление определялось как решение задач. (Нужно отметить, однако, что и способность компьютерной системы к принятию каких-либо решений также может быть поставлена под сомнение). Оппоненты сторонников "компьютерного мышления", напротив, стремятся выявить такие характеристики мыслительной деятельности человека, которые никак не могут быть приписаны компьютеру и отсутствие которых не позволяет говорить о мышлении в полном смысле этого слова. К числу таких характеристик относили, например, способность к творчеству, эмоциональность. Однако не стоит забывать о том, что аналогии человеческого и компьютерного мышления уже принесли значительный положительный результат, некоторую пользу.

Компьютерное моделирование мышления дало мощный толчок исследованиям механизмов познавательной деятельности в рамках такого направления, как когнитивная психология. Здесь утвердилась "компьютерная метафора", ориентирующая на изучение познавательной деятельности человека по аналогии с переработкой информации на компьютере. Исследуя устройство человеческой памяти, например, стали различать, по аналогии с компьютерной системой, долгосрочную и оперативную (кратковременную) память. Вообще на этом пути были получены ценные результаты, обогатившие наши представления о человеческом мышлении и механизмах его функционирования.

Компьютерное моделирование мышления, использование методов математических и технических наук в его исследовании породило в период "кибернетического бума" надежды на создание в скором будущем строгих теорий мышления, столь полно описывающих данный предмет, что это сделает излишними всякие философские спекуляции по его поводу. Надеждам такого рода, однако же, не суждено было сбыться, и сегодня мышление, будучи предметом изучения ряда частных наук (психологии, логики, искусственного интеллекта, когнитивной лингвистики), остается также притягательным объектом философских рассмотрений.

Искусственный интеллект и понятие знания

Теория искусственного интеллекта в последнее время стала характеризоваться как "наука о знаниях, о том, как их добывать, представлять в искусственных системах, перерабатывать внутри системы и использовать для решения задач", а история искусственного интеллекта, исключая ее ранние этапы, - как история исследований методов представления знаний.

Расширение сферы применения ИС, переход от "мира кубиков" к таким более сложным областям, как медицина, геология и химия, потребовал интенсивных усилий по формализации соответствующих знаний. Разработчики ИС столкнулись с необходимостью выявить, упорядочить разнообразные данные, сведения эмпирического характера, теоретические положения и эвристические соображения из соответствующей области науки или иной профессиональной деятельности, и задать способы их обработки с помощью компьютера таким образом, чтобы система могла успешно использоваться в решении задач, для которых она предназначается (поиск информации, постановка диагноза и т.д.). Это привело к изменениям в характере данных, находящихся в памяти компьютерной системы, - они стали усложняться, появились структурированные данные - списки, документы, семантические сети, фреймы. Для элементарной обработки данных, их поиска, записи в отведенное место и ряда других операций стали использоваться специальные вспомогательные программы. Процедуры, связанные с обработкой данных, усложнялись, становились самодовлеющими. Появился такой компонент интеллектуальной системы, как база знаний.

Термин "знания" приобрел в ИИ специфический смысл. Под знаниями понимается форма представления информации в ЭВМ, которой присущи такие особенности, как:

1. Внутренняя интерпретируемость (когда каждая информационная единица должна иметь уникальное имя, по которому система находит ее, а также отвечает на запросы, в которых это имя упомянуто).

2. Структурированность (включенность одних информационных единиц в состав других).

3. Связность (возможность задания временных, каузальных, пространственных или иного рода отношений).

4. Семантическая метрика (возможность задания отношений, характеризующих ситуационную близость).

5. Активность (выполнение программ инициируется текущим состоянием информационной базы).

Именно эти характеристики отличают знания в ИС от данных - "определяют ту грань, за которой данные превращаются в знания, а базы данных перерастают в базы знаний.

Вместе с тем, только что приведенная характеристика знаний в ИС не является совершенно изолированной от того, что мы обычно понимаем под знанием. Такие черты, как внутренняя интерпретируемость, структурированность, связность, семантическая метрика и активность, присущи любым более или менее крупным блокам человеческих знаний и в этом смысле знания в компьютерной системе можно рассматривать как модель или образ (в широком понимании данного слова) того или иного фрагмента человеческого знания.

Однако связь знаний в специфическом для ИИ смысле со знанием в более привычном, "обычном", смысле не ограничивается лишь сходством некоторых структурных характеристик. Ведь значительная часть информации, представляемой в базе знаний ИС, есть не что иное, как знания, накопленные в той области, где должна применяться данная система. Исследование этого знания (зафиксированного в соответствующих текстах или существующего как незафиксированное в тексте и даже неартикулированное знание индивида-эксперта) под углом зрения задач построения ИС и определяет технологический подход ИИ к знанию как таковому.

Технологический подход к знанию

При создании экспертных систем привлекается инженер знаний. Его функции понимаются следующим образом:

1. Извлечение знаний из социума в ходе неформальных интервью с экспертом и анализа специальной литературы.

2. "Представление знаний" - кодирование знаний с помощью специалистов-экспертов и создание машинной модели "порождения" знаний, к примеру дедуктивной машины вывода.

3. Создание "сверхбыстрого прототипа" экспертной системы и ее последующих версий.

4. Контроль над модификациями базы знаний - компонента экспертной системы в ходе эксплуатации.

Технологический подход к знанию предполагает постановку, исследование и решение технологических вопросов о знании. К последним относятся вопросы типа "Каким образом можно обращаться со знанием, имея в виду достижение такой-то цели?". "Обращаться", или "иметь дело", со знанием предполагает здесь не только приобретение, хранение или обработку знаний, но и любые ментальные и речевые акты, осуществляемые в отношении знания. При самом широком истолковании технологический подход к знанию является неотъемлемым элементом жизни любого человека. В этом смысле и первобытный человек, использующий для передачи информации примитивные сигналы, и наш современник, выбирающий между почтой, телеграфом, телефоном и телефаксом, могут считаться решающими технологические вопросы относительно знания.

Технологические вопросы о знании могут быть до известной степени противопоставлены экзистенциальным вопросам - т.е. вопросам о том, как существует знание, каково оно есть. К вопросам последнего типа относятся, например, вопросы о соотношении знания с мнением или верой, о структуре знания и его видах, об онтологии знания, о том, как происходит познание. До второй половины ХХ века экзистенциальный подход в исследовании знания был преобладающим. Это не означает, конечно, что не развивалась сама технология получения, передачи, хранения и обработки знания, а также оценки результатов познания, претендующих на статус знания. Достаточно вспомнить о развитии книгопечатания и технических устройств, с помощью которых можно передавать информацию, о методах обучения и педагогических исследованиях, посвященных технике передачи знаний и воспитанию способности к самостоятельному приобретению и использованию знаний, развитие методов науки и исследований этих методов. Однако даже когда эти способы работы со знанием становились предметом исследования, их соотносили не столько со знанием как особого рода сущностью, сколько с познаваемой реальностью (которая могла истолковываться как физическая, ментальная или психическая в зависимости от мировоззрения исследователя). Многие из этих рассмотрений могут быть после определенных интерпретаций квалифицированы как технологические, но это все же будет относиться скорее к результату нашей интерпретации, чем к самому исследованию. Расцвет же технологических исследований знания связан с развитием эпистемической логики и искусственного интеллекта.

Проблема истинности знания

Часто исследователи основываются на понимании знания как истинного. Тем не менее есть немало примеров иной позиции. Альтернативный подход может состоять в выделении различных степеней знания. Непременно истинным здесь считается знание, соответствующее лишь одной из этих степеней - строгое, или полное, знание. Мнение, предположение или вера, которые могут оказаться ложными, также рассматриваются как степени знания. Если мы будем понимать знание только в строгом смысле, то это, в общем случае, препятствует рассмотрению возможности развития знания, перехода от менее полного к более полному знанию, потому что игнорирует элемент гипотетичности в (научном) знании.

В искусственном интеллекте отсутствие явной апелляции к истинности обусловлено в значительной степени тем, что проектирование базы знаний требует рассмотрения знания прежде всего в плане его структурно-функциональных характеристик, а не в плане отношения знания к его объекту. Поэтому, говоря о знаниях, нередко указывают на такие их черты, как структурированность, активность, наличие метапроцедур, противопоставляя в этом отношении базу знаний в компьютерной системе базе данных, компоненты которой не обладают перечисленными свойствами. Пытаясь дать оценку с точки зрения истинности тому, что называется представленным в ИС знанием, исследователь, осуществляющий представление знаний, например в экспертной системе, осознает, что не все фиксируемые им положения являются истинными. Наряду с удостоверенными положениями из представляемого фрагмента знания в базе знаний системы фиксируются также правдоподобные утверждения, гипотезы, эвристики. Если исследователь придерживается взгляда на знание как непременно истинное, то вопрос о том, следует ли наделять представляемую систему результатов познания статусом знания, он может решить отрицательно. Поэтому получается, что в ИИ традиционно используется термин "знание" даже тогда, когда истинность того, что представляют, не утверждается. Термин "полагание" является более уместным в данном случае.

Большой интерес для исследователей представляют предпринимаемые в рамках компьютерных наук и особенно ИИ подходы к знанию, которые в принятой нами терминологии должны быть названы технологическими. Технологические вопросы о знании, исследуемые в рамках ИИ, касаются в значительной степени способов представления знаний и методов приобретения знаний.

Представление и приобретение знаний

Проблемы представления знаний связаны в значительной степени с разработкой соответствующих языков и моделей. Существуют различные типы моделей: логические, продукционные, фреймовые, семантические сети и другие. Логические модели предполагают представление знаний в виде формальных систем (теорий), и в качестве языка представления знаний в таких моделях обычно используется язык логики предикатов. Продукционные представления можно охарактеризовать как системы правил вида "Если А, то В", или "Предпосылка - действие". Сетевые модели предполагают выделение некоторых фиксированных множеств объектов и задание отношений на них (это могут быть отношения различного рода: пространственные, временные, отношения именования и др.). Фреймовые представления иногда рассматривают как разновидность семантических сетей, однако для первых характерно наличие фиксированных структур информационных единиц, в которых определены места для имени фрейма, имен слотов и значений слотов.

Каждая из упомянутых моделей имеет свои достоинства и недостатки в отношении того или иного круга задач. Преимущества логических моделей, использующих язык логики предикатов, связаны с дедуктивными возможностями исчисления предикатов, теоретической обоснованностью выводов, осуществляемых в системе. Однако такого рода модели в сложных предметных областях могут оказаться слишком громоздкими и недостаточно наглядными в качестве моделей предметной области или соответствующих фрагментов знания. Продукционные модели получили широкое распространение благодаря таким достоинствам, как простота формулировки отдельных правил, пополнения и модификации, а также механизма логического вывода. В качестве недостатка продукционного подхода отмечают низкую эффективность обработки информации при необходимости решения сложных задач.

Преимущества семантических сетей и фреймовых моделей заключаются, с одной стороны, в их экономичности, позволяющей сократить время автоматизированного поиска информации, а с другой стороны, в их удобстве для описания определенных областей знания (и соответствующих фрагментов реальности, изучаемых в данных областях), когда выделяются основные (с точки зрения задач, для которых создается ИС) объекты предметной области и (или) система понятий, в которых будут анализироваться конкретные ситуации, а также описываются свойства объектов (понятий) и отношения между ними. И хотя в целом для этих типов моделей существуют значительные проблемы с организацией вывода, фреймовые системы многими были оценены как перспективные благодаря возможностям подведения под них достаточно строгих логических и математических оснований. Разумеется, в ИС вовсе не обязательно должна быть реализована только какая-нибудь одна из упомянутых моделей представления знаний "в чистом виде". Сочетание различных моделей может способствовать созданию более эффективных систем. На уровне теории ИИ это иногда находит отражение в разработке новых типов моделей представления знаний, сочетающих в себе черты моделей, ставших уже традиционными.

В рамках технологического подхода к знанию, осуществляемого ИИ, рассматриваются вопросы экономичности представлений знаний с помощью тех или иных средств, их дедуктивных возможностей, эффективности в решении задач. Вместе с тем влияние теории ИИ (и, в частности, представления знаний) на исследование знания как такового простирается далеко за пределы технологического подхода. Сравнивая влияние тех или иных моделей представления знаний на экзистенциальные исследования знания, мы не можем не заметить различия в той роли, которую играет, с одной стороны, логический подход и, с другой стороны, такие подходы, как продукционный, фреймовый и другие, объединяемые иногда под общим названием эвристического или когнитивного подхода. Нужно отметить, что оба этих подразделения могут быть приняты лишь условно.

Тем не менее, в целом логический подход к представлению знаний в ИС не привел до сих пор к каким-либо серьезным изменениям в рассмотрениях знания, к появлению новых влиятельных концепций в этой области. Прочие же подходы оказывают более заметное влияние на исследование экзистенциальных вопросов о знании - в качестве примера можно сослаться на фреймовую концепцию строения знания, получившую известное распространение как в психологии, так и в когнитивной лингвистике.

Вышесказанное было бы неверно истолковывать как аргумент в пользу преимуществ этих типов моделей представления знаний перед логическими. Дело в том, что логический подход в представлении знаний, как и сами логические исчисления, возник на основе трактовок знания, складывавшихся в течение многих веков, - на основе того, что может быть названо классической рационалистической эпистемологией с характерными для нее истолкованием элементарного знания, рассмотрением теорий математизированных наук в качестве образцовых форм организации знания, строгими стандартами правильности рассуждений. Уровень классической эпистемологии и разработанности ее концептуальных основ столь высок, что за период времени, в течение которого ведутся исследования по представлению знаний в компьютерных системах (а этот период ничтожно мал в сравнении с "возрастом" классической эпистемологии), эти исследования, имеющие в качестве своей концептуальной базы саму классическую эпистемологию, закономерно должны были скорее демонстрировать ее возможности в применении к новому кругу задач, чем стимулировать существенные изменения в ней. Утверждение, что неклассические логики, все шире применяемые в представлении знаний, также развиваются на концептуальной основе классической эпистемологии, может, на первый взгляд, показаться парадоксальным. Тем не менее, оно справедливо в той степени, в какой неклассические логики являются модификациями классических исчислений и разделяют с ними те глубинные концептуальные предпосылки, которые могут быть в известном смысле противопоставлены концептуальным основам иных подходов. С этой точки зрения работы по логике естественного языка и рассуждений здравого смысла свидетельствуют о высокой гибкости инструментария, развиваемого на базе классической эпистемологии и о богатстве его возможностей.

Другие подходы в представлении знаний достаточно тесно связаны с развитием когнитивной психологии. Однако само это направление сложилось под влиянием "компьютерной метафоры", когда познавательные процессы стали рассматриваться по аналогии с работой вычислительных машин. Неудивительно поэтому, что происходящее в ИИ оказывало и оказывает заметное воздействие на когнитивную психологию. Это справедливо и в отношении собственно представления знаний. И фреймовые, и сетевые модели основываются на соответствующих концепциях структур человеческого восприятия и памяти. Показательно при этом, что концепция фрейма как когнитивной структуры была мотивирована задачами разработки ИС. Вместе с тем эта концепция имеет самостоятельное значение как концепция психологическая и эпистемологическая и используется в исследовании проблем, выходящих за рамки собственно разработок компьютерных систем.

В то же время, рассматривая проблемы представления знаний посредством семантических сетей, желательно исследовать категории с учетом потребностей моделирования знания. Дело в том, что базовые отношения, содержащиеся в семантических сетях, являются аналогами мыслительных категорий (например, категорий причинности, части и целого, единичного и общего). Это дает основание полагать, что для развития искусственного интеллекта важно создать формальные квазикатегории, которые были бы приближенными аналогами реальных категорий, функционирующих в мыслительном процессе человека. Это значит, что одной из задач познания на современном этапе является, так сказать, разложение категорий в бесконечный ряд общенаучных и иных понятий, которые могли бы формализоваться средствами логики и методологии науки.

Важной группой технологических вопросов о знании, изучаемых ИИ, являются вопросы приобретения знаний - т.е. вопросы о способах получения и ввода в ЭВМ информации, необходимой для наполнения структур представления знаний конкретным содержанием. Источниками этой информации могут быть как тексты (книги, статьи, архивные документы или уже созданные базы знаний, которые могут считаться текстами в широком смысле этого слова), так и не зафиксированные в текстах знания, которыми обладает человек (специалист, эксперт). В некоторых случаях система может приобретать знания непосредственно благодаря наблюдению за окружающей средой. Многие исследователи считают, что ключевой проблемой при построении экспертных систем является получение знаний от экспертов.

Существуют разнообразные методики так называемого извлечения знаний из эксперта. Ранее других возникшие и наиболее распространенные из них - методики интервьюирования экспертов. Режим интервью, когда инженер по знаниям ведет активный диалог с экспертом, предполагает как предварительное ознакомление его с предметной областью, для работы в которой создается система, так и ознакомление эксперта с некоторыми вопросами построения ИС. Характер диалога зависит от многих факторов: области, в которой будет использоваться система, и задач, которые она должна решать, от теоретической ориентации инженера по знаниям и имеющегося в его распоряжении инструментария, от индивидуальных особенностей эксперта. На сегодня разработано множество стратегий интервьюирования, из которых наиболее известными являются "разбиение на ступени", "репертуарная решетка" и "подтверждение сходства". От интервью отличаются такие способы взаимодействия инженера по знаниям с экспертом, как протокольный анализ и игровая имитация. Протокольный анализ предполагает фиксацию действий (видеозапись) или "мыслей вслух" (запись аудио) эксперта в ходе решения проблемы. Эта запись впоследствии подвергается анализу. В случае игровой имитации инженер по знаниям наблюдает за поведением эксперта в искусственно созданных ситуациях, моделирующих те, которые действительно имеют место в работе эксперта. Однако и эти способы требуют диалога инженера с экспертом. Такой диалог бывает необходим при анализе полученной информации, для ее уточнения, восстановления картины работы эксперта в том объеме, который требуется для построения ИС. Работа с экспертом может быть в значительной степени автоматизирована, когда функции инженера по знаниям (или во всяком случае часть этих функций) выполняет ИС.

Было бы неверным утверждать, что в ИИ существует единогласие в интерпретации отношения "знания в ИС - знания вне ИС". В то время как многие исследователи считают ИС моделирующими экспертное знание, другие подчеркивают, что создаваемые ими системы не претендуют на моделирование стратегий человеческого рассуждения или поиска решений, предпочитая говорить не о моделировании экспертного знания, а, например, об "искусственной компетентности" системы. Тем не менее, ситуация, когда избранная исследователем позиция в технологическом подходе к знанию оказывается связанной с соответствующей позицией в экзистенциальном рассмотрении знания, достаточно типична. Так, исследователь, использующий продукционную модель представления знаний, нередко полагает, что знание эксперта в действительности есть не что иное, как система продукций, и аналогичным образом обстоит дело с другими моделями и их комбинациями.

Трудности приобретения знаний - это в значительной степени трудности изучения структуры экспертного знания и механизмов его функционирования. Рефлексия эксперта над собственным знанием не может решить этой проблемы, поскольку, во-первых, не все эксперты обладают достаточно развитой способностью к рефлексии, во-вторых, далеко не всегда могут осуществлять ее в тех концептуальных рамках, которые обеспечивают возможность заполнения базы знаний, и, в-третьих, известны случаи, когда эксперты в силу каких-либо соображений не желают делиться информацией с инженером знаний.

Метатехнологические вопросы о знании

Метатехнологические вопросы можно охарактеризовать как "вопросы о технологических вопросах (и их решениях)". Метатехнологические вопросы могут быть связаны с оценкой технологий получения, хранения и обработки знаний в более широком контексте целей человека и условий человеческого благополучия, это могут быть вопросы о влиянии информационной технологии на развитие знания, в том числе на эволюцию форм и видов знания, используемого в профессиональной деятельности.

Для метатехнологического подхода к знанию характерно наличие вопросов типа "Таково ли знание, чтобы можно было с ним сделать то-то и то-то?" или "Таково ли знание, чтобы с ним могло произойти то-то и то-то вследствие развития определенных видов технологий?". Слова "можно" и "могло" обозначают здесь как техническую осуществимость, так и этическую допустимость, или оправданность. В такие рамки "вписывается" довольно широкий круг вопросов: о возможности создания "подлинного искусственного интеллекта" и системы ИИ, которая могла бы считаться полноценным субъектом знания; о возможности построения общей теории знания как точной науки или каким-либо иным образом об операциях со знанием, осуществляемых с использованием компьютера как предмета-посредника в познавательно-коммуникативной деятельности; о доверии к результатам переработки информации компьютером и правомерности включения этих результатов в систему человеческого знания, а также многие другие.

Особое положение метатехнологических вопросов о знании определяется заметной их связью с вопросами стратегии развития информационной технологии и технологических подходов к знанию. На основе метатехнологических рассмотрений знания нередко дается оценка перспективности тех или иных способов моделирования знаний в компьютерных системах, представления и приобретения знаний путем создания компьютерных систем, да и развития информационной технологии в целом.

Знание всегда играло важную роль в жизни общества, однако именно развитие компьютерной техники и осознание ограниченности материальных ресурсов планеты способствовало разработке концепций "информационного общества", или "общества, основанного на знаниях", как такого, где важнейшую роль в производстве и использовании знаний будет играть автоматизированная переработка информации. При этом подчеркивается значение информационно-знаниевых ресурсов как практически неисчерпаемых, поскольку они базируются на творческо-познавательных способностях людей.

В оценке перспектив информатизации общества ключевое значение имеет то обстоятельство, что информатизация - это "процесс, в котором социальные, технологические, экономические, политические и культурные механизмы не просто связаны, а буквально сплавлены, слиты воедино".

Интересна оценка некоторых исследователей развивающейся ситуацией: "в наиболее развитых информационных обществах сконцентрируется вся или почти вся интеллектуальная индустрия. Они станут источником, хранителем и держателем основных интеллектуальных ресурсов, производителем доминантных информационных технологий, продуцентом основных культурных и социально-гуманитарных потребностей. Остальные же страны мира превратятся в потребителя информационной технологии и информационной продукции, производителя сырья и отдельных видов промышленной продукции".

Это делает актуальными (особенно для стран, рискующих превратиться в информационные колонии) вопросы, связанные с оценкой процессов импорта знаниевых ресурсов и экспорта невозобновляемых сырьевых ресурсов. Каково место в мировом информационно-знаниевом взаимодействии "утечки мозгов", передачи научно-технической и иной информации от "информационно колонизируемых" "информационно колонизирующим"? Требуют внимания проблемы знаниевого взаимодействия и знаниевого суверенитета. Эти вопросы выходят далеко за рамки темы "знание и компьютер", однако данная тема не только играет значительную роль в их осознании, но и имеет с ними множество связей как предметного, так и аналогового характера.



статьи
статьи
 / 
новости
новости
 / 
контакты
контакты