Логика целосности, нечеткая логика и моделирование знаний для машинного обучения.
Фатма ханум Бунятова
директор «Школы интеллекта» Баку, Азербайджан fatmaxanum@rambler.ru www.idrak—m.com
Эта статья написана по просьбе редакции журнала www.intechopen.com Open Access book, “Fuzzy Logic”, ISBN 979-953-307-578-4. В статье впервые показана технология моделирования содержания знаний на основании логики целостности Пиаже и нечеткой логики Заде в машинном обучении. Статья была принята редакцией и было предложено написать главу «Машинное обучение» в новой книге«Fuzzy Logic =1» . Мы надеемся что эта статья найдет свою русскоязычную аудиаторию, заинтересованных лиц и мы рады будем сотрудничать с ними.
Абстракт.
Данная статья посвящена моделированию содержания обучения предметных знаний для машинного обучения без педагога. Модель знаний построена на логике целостности Пиаже и на нечеткой логике Заде.
Ключевые слова: логика целостности, нечеткая логика, естественный и искуственный интеллект, модель, машинное обучение, числовые свойства.
Скоростное развитие ИКТ ясно показывает, насколько обучение отстает от этого развития. Быстрая модификация технологических устройств оставляет далеко за собою тяжелую на модернизацию образование. Хотя техническими средствами ИКТ были образованы новые направления в обучении как e- learninq, m-learninq, mashine learninq on-line learninq и т.д., но эти технические возможности пока не могут влиять на коренное изменение в образовании. Причина заключается в том , что в эти технические оснащения вложены образовательные принципы существующего более 300 лет традиционного обучения, обучения путем передачи частных, несистемно , нелогически построенных знаний. Чтобы перевернуть обучение в технологическое русло, для получения нужной эффективности, необходимо в самом обучении сделать следующие коренные изменения. 1. Изменить способ обучения ; от позиции передачи знаний перейти на позицию построения такого учебного процесса ,в котором каждый обучающийся контструировал свои знания исходя из своей компететности.[8[
2. Моделировать структуры знаний . Эта модель должна быть анологична модели естественного и искуственного интеллекта . Модель естественного интеллекта построил Пиаже, а искуственного Заде.[2]
3.. Построить на основании этих двух теорий целостно-логическую и нечеткую модель знаний. Эта модель может стать психопедагогически и технологически построенной моделью для предметных знаний машинного обучения во всех его направлениях.
Эти 3 принципа в итоге меняют форму обучения. Вместо приобретения знаний создается условие для конструирования их.
Как это можно сделать и что это даст?
1.Изменнение способа обучения означает переход от частных методик к технологии обучения. В данном случае предлагается технология конструктивного обучения Бунятовой. [5] Эта технолгия основывается на когнитивной теории Пиаже. Технология конструктивного обучения нацелена на развитие структур интеллекта обучающегося, на организацию их мыслительной деятельности над знаниями. Эта умственная деятельность обучающихся производится путем мыслительных операций логического аппарата Пиаже (Пиаже 2). Логические обоснования и установки преобразовывают имеющиеся знания обучающегося в качественно новые и создают условия для генерации.
2. Предметные знания до сих пор представляются как дидактические единицы знаний. Они изучаются частно и обучающиеся годами выходят на целостность знаний. Вместо этого предлагается моделировать структуры знаний инструментом логики целостности Пиаже, чтобы знания обучающегося были бы горизонтально интегрированы в схеме целостности [1]. В целостно -логической модели знаний дидактические единицы знаний понимаются как структуры знаний и они строятся в схеме целостности. Из этой целостной схемы знаний делается выход на частные знания , т.е на логические структуры знаний или же наоборот из частных делается выход на целостные знания. Структуры знаний в этой модели делятся на переменные и постоянные. Переменные знания это-категориальные знания, постоянные знания – это инвариантные.Эти структуры знаний строятся изоморфно структурам интеллекта. Это построение означает генетическое построение знаний и каждый обучающийся в зависимости от своего развития может определить свой уровень. Логически построенные структуры знаний могут ассоцироваться, объединяться, разъединяться, анулироваться и т.д. Все эти мобильные движения структур происходит путем логических операций мышления как классификация, сериация, мультипликативные операции и операции замещения.[3]
3. Психологические понятия построенной целостно логической модели предметных знаний, замещаются понятиями нечеткой логики Заде [4]. Мы получаем нечетко-логическую модель знаний, так как сущность понятий логики Заде совпадают с сущностью понятий логики целостности Пиаже. Различие только в языках: Пиаже оперировал языком естественного интеллекта, а Заде языком искуственного. Так понятие категориальных знаний или же переменых знаний замещаются понятием лингвистической переменной Заде . Исходя, из понятий лингвистической переменной Заде, функции принадлежности соответствуют два правила:
:1).синтаксическое, которое задано в форме грамматики, порождающей название значений переменной в виде категорий языка.
2)семантическое, которое определяет алгоритмическую процедуру для вычисления смысла каждого значения.
«Нечеткое множество» на примере языковых знаний может быть представлено в виде словарного запаса языка.
Под функцией принадлежности нечеткого множество, тогда будет пониматься слова в прямом лексическом значении.
Как строится модель предметных знаний для машинного обучения?
Чтобы построить модель предметных знаний, для машинного обучения без учителя , нужно сделать следующее:
1.Разделить структуры знаний на переменые т.е. на лингвистичекие переменные и на инвариантные т.е. на универсальное множество. 2.Инвариантные знания или же универсальное множество знаний обозначаются через Х.
3. Эти знания классифицируются делятся на классы или же на элементы множества и строятся по горизонтали. Полученные классы инвариантных знаний или же элементы множества обозначаются через х 0,1.. х0,9 Инвариантные знания или же множество знаний могут быть конечными по классификации и бесконечными в самих классах.
4.Переменные, категориальные знания или же лингвистическая переменная располагаются по вертикали и обозначаются через У. Они тоже классифицируются и обозначаются через у 0,1; у 0,2 и т.д.[2] В работе [Nordhausen и Langley, 1990] отмечено, что формирование категорий — основа единой теории научных исследований. Обозначая классы и группы множества, а также категориальные знания лингвистической переменной через числа, мы можем представить эти знания с их свойствами. Каждое свойство принимает последовательное число . Так предложение «День был солнечным» можно обозначить на координатной плоскости как точки : хо,1,1 уо,1, х о,5, у,о4/1 хо,2 уо1/5. Каждому элементу множества , например х0,1 присуща своя лингвистическая переменная – у0,. Числовые показатели х0,1,1 по правилам русской граммматики обозначает- существительное Мужского рода; у0,1 –обозначает единственное число и т.д. На аналагии этих символов можно конструировать множество предложений на основе имеющихся знаний. Это свойство может являться одним из обоснований машинного обучения без учителя так как оно было выведено из примера естественного языка. Каждый класс знаний или же элемент множества является в то же время кластером структур знаний. Они имеют свои правила и закономерности. Структуры знаний кластеров могут логически объединяться, разъединяться, ассоцироваться, анулироваться по логическим установкам правил лингвистической переменной. Принадлежность лингвистической переменной к элементам множества или же логическим структурам кластеров определяется такими логическими операциями как операция замещения, обогащения, идентичнми и мультипликативными операциями. То есть в данном случае как правила лингвистической переменной, так же и правила элементов множества все время находятся в мобильном движении, объединясь по заданной установке вокруг логической структуры знаний или же элемента множества превращаются в наноструктур знаний. Какие новшества могут принести эта модель в ИКТ и в образование? 1.Знания рассматривается в схеме целостности. Так как язык является средством общения и выражения мыслей, то, естественно, условия схемы целостности и логики Заде могут быть в любых научных знаниях и правила логики Пиаже и нечеткой логики могут быть применимы к ним.
2)Структуры знаний будут делиться на инвариантные и переменные или же на синтаксические и семантические. Числовое обозначение категориальных и инвариантных свойств знаний дает возможность выстроить координаты знаний на основе чего будет проходить процесс конструкций знаний.
3)Операциональность мышления позволяет собирать структуры знаний в кластеры выяснять их взаимосвязь и отношения, классифицировть их, обогащать или же замещать другими структурами. Эти логические операции собирают как магнит вокруг структуры знаний относящиеся к ней соответствующие знания и превращают ее в наноструктуру знаний.
4)Логика целостности Пиаже и нечеткая логика Заде разрушает традиционное вертикальное построение структур знаний и выстраивает их в горизонтальную структуру[5]. Такое построение знаний обосновываясь на психологию, педагогику и высокую технологию, в свою очередь создает нанопсихопедагогический подход в обучении [8].
Библиография
1,Логический способ обучения. Альтернативное образование. 1991. Баку. Бунятова Ф. Д.
2.Ф. Д. Бунятова. Применение нечётной логики в образовательных технологиях. Copyright Agency of the AzerbaijanRepublic № 328. 01.07.02. Baku.
3.Жан Пиаже. Москва 2001 г.
4.Р. А. Алиев, Soft computering. Баку. ォАзДНАサ, 1999 г.
5.Педагогическая технология. Конструктивное обучение. 2007-Eidos-internet-magazine.
6/Konstruktiv təlim. Mahiyyəti, prinsip, vəzifələr və dərslərdən numunələr.
F. C. Bunyatova, Bakı, 2008
7. www.filosof.historic.ru/books9th
8/International Educational Technology Conference (IETC2009), Ankara, Turkey
CONSTRUCTIVE TEACHING TECHNOLOGY AND PERSPECTIVES OF
NANOPSYCHOPEDAGOGY
Baxış: 5454