Логические модели представления знаний тема диссертации и автореферата по ВАК РФ 09.00.07, кандидат философских наук Милославов, Алексей Сергеевич

• Милославов, Алексей Сергеевич
• кандидат философских наук
• 1999

Оглавление диссертации кандидат философских наук Милославов, Алексей Сергеевич

ОГЛАВЛЕНИЕ

НИР ЯР НИР

Глава I. ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ, ОСНОВАННЫЕ

1.1. Интеллектуальные системы обработки информации

1.2.йнтешектуальные задачи

13. Знание и его виды в искусственных интеллектуальных

системах._________...___________________________

Глава!. ЛОГИЧЕСКИЙ ПОДХОД К ПРЕДСТАВЛЕНИЮ И

ИСПОЛЬЗОВАНИЮ ЗНАНИЙ

2.1. Основные принципы логического подхода

к представлению знаний

2.2. Автоматическое доказательство теорем как способ реализации процедурного аспекта знаний

2.3. Дедуктивные базы данных

ЗАКЛЮЧЕНИЕ

Введение диссертации (часть автореферата) на тему «Логические модели представления знаний»

ВВЕДЕНИЕ

Для обеспечения своей жизнедеятельности человек с давних времен должен был сохранять и обрабатывать имеющуюся у него информацию о мире и о самом себе. В целях длительного хранения информации чаще всего использовались разного рода графические средства. Однако они сохраняли информацию пассивным образом , поскольку вся нагрузка по извлечению и переработке информации, содержащейся в текстах, рисунках и подобного рода средствах фиксации человеческого опыта, ложилась исключительно на человека. Только с появлением ЭВМ люди обрели возможность частично снять с себя нагрузку по обработке информации. Компьютеры оказались устройствами, позволяющими не только хранить огромные объемы данных, но и средствами, которым доступна относительно независимая обработка сохраняемых данных.

Со времени появления первых ЭВМ произошли изменения не только в их внешнем виде и технических характеристиках, но существенным образом изменилась сфера их применения в сторону увеличения областей использования и усложнения решаемых задач, Рост числа областей применения ЭВМ и желание приобрести в лице компьютера более или менее полноценного интеллектуального партнера, заставили специалистов в области вычислительной техники искать возможности для более изощренных способов организации информации, используемой машинами для решения поставленных перед ними задач. Это привело к выделению в рамках компьютерных наук специальных областей, исследователи которых ставят целью разработать оптимальные способы организации информации для использования ее вычислительными машинами. .

Начиная с 70-х годов в области исследований по "искусственному интеллекту'' (И И) сформировалась новая парадигма, в рамках которой одним из ключевых терминов в лексиконе специалистов по компьютерным

наукам стал термин "знание". Получили развитие, специальные направления исследований: "представление знаний", "'обработка знаний", "приобретение знаний". Указанные направления формируют, так называемую, "инженерию знаний" и во многом определяют сегодняшнее состояние компьютерной обработки информации. Более того, сама область ИИ понимается как "наука о знаниях» о том, как их добывать, представлять в искусственных системах, перерабатывать внутри системы и использовать дня решения задач,"1

Среди перечисленных направлений особое место занимает "представление знаний". От способа представления информации во многом зависит возможность использования вычислительных машин в различных областях практической и научной деятельности человека. Для решения проблемы представления знаний были предложены различные модели, одной из которых является логическая. Многие модели нашли практическое применение при создании интеялекуальных систем обработки информации. Однако, стремление как можно быстрее усовершенствовать разработанные средства представления и обработки знаний зачастую приводит специалистов в области компьютерных наук к решению частных проблем, путем скорейшего написания программы с последующим её испытанием и устранением обнаруженных недостатков. В отношении логических моделей представления знаний такая тенденция, с одной стороны, проявляет себя в росте числа работ, посвященных частным проблемам использования логики для представления знаний. С другой стороны, из-за увеличения числа используемых формализмов, их сложности и рассогласованности имеет место неудовлетворённость' исследователей логическими моделями. Причины этого видятся в том, что, во-первых, в работах, посвященных Ий и инженерии знаний отсутствует согласованный терминологический аппарат; во-вторых, достоинства и недостатки тех или иных моделей

Ношеяов ДА. Ситуационноеуправление: теория н практика, МлНаужа, 1986, С, 7,

представления знаний, возможности их использования чаще всего обсуждаются не на общем, теоретическом уровне, а на уровне конкретной программной реализации; в-третьих, представители "компьютерных наук" не уделяют достаточно внимания методологическим основаниям своей исследовательской деятельности.

Поэтому назрела настоятельная необходимость анализа общей методологий использования логики дня представления званий, выявления достоинств, недостатков и обоснованности применения логических моделей с философско-методологической точки зрения.

Цель и задачи исследования. Цель настоящей работы заключалась в анализе общей методологии построения и использования логических моделей представления знаний, с учетом их специфики относительно других моделей, и оценке перспектив использования логических моделей в свете современных проблем ИИ и тенденций возможного развития этой области.

В соответствии с поставленной целью в работе решались следующие задачи:

- критический анализ терминологии, используемой в области ИИ;

» выявление предпосылок, определяющих смысловые особенности ключевых терминов в работах по ИИ и проблемам представления знаний ;;

- комплексное представление методологии использования логических моделей для представления знаний;

- определение возможностей использования логических средств в создании систем, работающих со знаниями;

- проведение сравнительного анализа логических моделей с другими моделями, используемыми для представления знаний;

- выявление особенностей представления и использования знаний в системах ИИ, имплицируемых применением логических моделей.

Методология исследования, Специфика темы и многообразие связанных с ней проблем предопределили выбор метода данного

исследования. Методологическим основанием диссертации является метод сравнительного анализа Для некоторых разделов использовался метод историко-яогичеекой реконструкции. Взаимосвязь обоих методов дает возможность осветить весь спектр проблем. Для формирования общей концепции исследования плодотворным оказалось обращение к работам отечественных и зарубежных логиков, философов науки и специалистов в областях ИИ и компьютерных наук.

В настоящей работе не ставилась цель описать, технические детали логических моделей представления знаний. Существующие модели отличаются разнообразием, использование той или. иной из них зависит прежде всего от предметной области, знание о которой представляется. Поэтому мы не рассматривали многие частные вопросы, связанные с построением тех или иных специальных формализмов, отражающих временные, модальные эпистемические аспекты рассуждений. Подробный анализ этих проблем можно найти в специальной литературе.

Степень разработанности темы. Существует большое число публикаций, в которых вопрос, связанные с ИИ и представлением знаний, обсуждаются с различных позиций и на различном уровне общности. Среди работ, в которых приводится описание общих идей и методов из области ИИ, отметим работы ДА. Поспелова [56-59], а также переведённые на русский язык монографии Н.Нильсона [50], П.Уинстона [74], А Эндрю [87]. Философская оценка возможностей ИИ была предложена Х.Дрейфуеом [25,97], В.Б. Бирюковым [9], ЮА. трейдером [83], П.П.Гайденко [15], М. Родованом [125].

Технологический аспект построения интеллектуальных систем, работающих со знаниями, подробно освещен в работах В.О.Германа [19], А.И.Змитровича [28], ВЛ.Гладуна [22,23], Д.Марседлуса[43], ДжЭлти и М.Кумбса [86], Р. Форсайта £84]. С методологических позиций проблемы представления знаний применительно к вычислительным машинам

обсуждены в работах Л.В.Мкртчян [45], HJHL Неиейводы и ВА.Кугергина [48,49], А.И.Габидулина и Б А. .Силантьева [14], A.C. Нариньяни |47|, Дж.Мияополоуса и ГЛевеека [116], НЛильсона [118], М.Штефиха и ДжАткинса [127], У А.Вудса [12.]» ДЛената [109], Проблеме представления метазнаний посвящена работа ЛАстеяло, К.Чекки и Д.Сартини [7].

Вопросы гносеологического и эпистемологического характера в отношении систем, использующих знания, анализируются в работах И .Ю Алексеевой [2,3]» Ю .И .Шемякина и А А.Романова [82], И.Сильдмяэ [66], И.М. Кребна [35], А.Ньюэлла [117].

Возможности использования логики для создания систем ИИ обсуждаются в работах И.СЛаденко [38], Д. А.Поспелова [59,60], Е.И.Бфимова [26], Ван Хао [75], Н.Нильсона [118]. Р.Ковальски [106], ДАндерсона и П.Д.Хойза [4], Проведены комплексные исследования, дающие полное представление о формализмах применяемых, при создании систем ИИ2. Среди работ, посвященных различным проблемам использования логических моделей представления знаний, выделим также исследования таких специалистов, как ГЛевеск [10.5]. Дж.Маккарти [111], К.Хирст [104], Б.Орловска [119],

Из исследований, посвященных вопросам построения дедуктивных баз данных, отметим работы Дж. Минкера [101,112,113,114,115], Р. Рейтера [121,122], А, вам Гельдера [18], К. Кларка [92]. М. Геяьфонда [99], Принципам организации информации в базах данных посвящено исследование Ш. Атре [8].

Однако, методологический аспект использования логических моделей представления знаний не получил достаточного освещения ни в работах

2 Логический подход к искусственному интеллекту: от классической логики к яогичеезсому программированиюЛГейз А.. Грибомон П., Лун Ж. и др. - М.:Мир, 1990. -

432 с,

Логический подход к искусственному интеллекту; от модальной логики к логике баз данных/Геш А,, Грибомои П. и др. М,;Мир, 1998, - 494с.

специалистов по компьютерным наукам, ни в трудах философов. В диссертации предпринята попытка восполнить этот пробел.

Структура диссертации. Диссертация состоит из введения, двух глав, заключения и списка цитируемой литературы.

В первой главе проводится критический анализ ключевых терминов, используемых в исследованиях по ИИ и "инженерии знаний". К таким терминам отнесены "информация", "интеллект", "информационная интеллектуальная система", "данные", "знания", "задача". Предлагается связанная система терминологии для последующего» лишенного неопределённости обсуждения проблем представления знаний с использованием логических моделей, и экспликации смысла ключевых терминов на основе логической модели,

Вторая глава работы посвящена анализу основных принципов построения и использования логических моделей представления знаний. Дается описание общего метода построения логических моделей представления • знаний. Исследуется процедурный аспект знания интеллектуальной системы при использовании логических моделей. Анализируется становление таких областей, как автоматическое доказательство теорем и теория дедуктивных баз данных.

В заключении диссертационной работы приводятся основные выводы и результаты исследования, а также обсуждаются дальнейшие перспективы использования логических моделей в системах ИИ.

Научная новизна диссертационной работы состоит в следующем:

- осуществлена систематизация основных подходов к использованию ключевых терминов в работах по вопросам ИИ и представления знаний;

- представлено комплексное описание методологии использования логических моделей представления знаний в искусственны интеллектуальных системах: указаны принципы представления и обработки информации, реализуемые посредством логических моделей, определена

специфика логических моделей представления знаний на основе сравнения их с друг ими моделями.

проведён исторический анализ исследований в области автоматического доказательства теорем» в результате которого сформулированы направления совершенствования средств реализации процедурной составляющей знания искусственной интеллектуальной системы;

- выявлено принципиальное отличие между способом представления знаний, использующим системы продукций, с одной стороны, и логической моделью представления знаний, с другой, Показано, что несмотря на формальное сходство систем продукций и логических, моделей, последние имеют преимущества, поскольку позволяют выразить те аспекты знания, которые невыразимы с помощью систем продукций.

показано, что полная классификация продукций соответствует общей схеме взаимодействия ЭВМ и мира, предложенной Н. Нильсоном, и может быть интерпретирована в терминах этой схемы.

В работе выдвигаются следующие положения:

1) Наиболее перспективным подходом к построению искусственных интеллектуальных систем, позволяющим максимально приблизиться к решению самых сложных задач с помощью ЭВМ, является подход, базирующийся на создании моделей предметных областей с последующим их описанием и использованием для представления знаний о мире в искусственной интеллектуальной системе.

2) Логика является достаточным и наиболее естественным и удобным средством для согласованного описания предметных областей в искусственных системах, основанных на знаниях.

3) Использование логических моделей для представления знаний позволяет в максимально возможной степени сохранить концептуальное и

методологическое единство теоретической ба,зы для создания информационных интеллектуальных систем.

Теоретическое и практическое значение результатов диссертационной работы заключается в следующем:

во-первых, работа, посвященная методологическим принципам построения логических моделей представления знаний, позволяет выявить специфику их использования и наметить пути дальнейшего развития систем ИИ, в которых используются яогачские модели;

во-вторых, материалы диссертации целесообразно использовать в учебном процессе в курсах, посвященных общим вопросам логики и логико-философским проблемам ИИ.

Заключение диссертации по теме «Логика», Милославов, Алексей Сергеевич

ЗАКЛЮЧЕНИЕ

В качестве заключения представим в фоме тезисов основные результаты работы, выводы и перспективы дальнейших, исследований.

1. Проведён критический обзор литературы с целью выявления методологических предпосылок и целевых установок, определяющих смысловую нагруженною?» терминов, являющихся ключевыми' на современном этапе исследований в областях искусственного интеллекта и представления знаний: "информация", "интеллект", "данные", "задача", "знание".

На основе проведённого анализа литературы выявлено два основных подхода со стороны специалистов в указанных областях к использованию термина "информация". В одном случае в определяющей части предлагается использовать термины "данные" и/или "знания". В рамках второго подхода термин "информация" используется в качестве исходного, и на основе его строятся определения для терминов "данные" и "знания". Последний вариант предполагает экспликацию смысла термина через уточнение, базирующееся на использовании термина в еететеетвенном языке. В работе указаны аспекты» которые желательно учитывать при формулировке такого уточнения.

2. Выделен основной подход к пониманию термина "интеллект" в компьютерных науках. Он базируется на интуитивном понимании того, что представляет собой интеллект человека. Предполагается, что это совокупность способностей человека' к обработке информации. В соответствии с указанным пониманием термина определяется цель исследований в области "искусственного интеллекта" - моделирование способностей человека к обработке информации. Показаны недостатки, такой целевой установки ислледований и трудности, связанные с её реализацией. В качестве альтернативы такому подходу в работе выделяется возможность понимания интеллекта на основе решения задач. Приведены аргументы обосновывающие возможность и достоинства такого понимания.

3. Проведён анализ определений и классификаций задач, предложенных в работах Д.Пойя, Е.й.Ефимова, А.Ньюэлл и Г.Саймона, С.Осуга. На его основе выделены два класса проблемных ситуаций. В качестве видобразующего признака доя проблемных ситуаций первого класса выделяется существование определённого алгоритма, достаточного для решения проблемной ситуации. Видообразующим признаком ситуаций второго класса предлагается считать зависимость процесса решения от модели предметной области и интерпретируемых на основе предполагаемой модели конкрелных данных.

4. Проведён критический обзор литературы по проблемам искусственного интеллекта и представления знаний с целью выявления смысловых особенностей употребления термина "знание" специалистами в этих областях. В качестве фундаментальной особенности указывается выделение функциональной характеристики знания в противоположность истинностной характеристике. В работе показано, что традиционно противопоставление "данных" и "знаний" и осуществляемая на основе этого противопоставления экспликация смысла термина "знание" носят эмпирический характер и не могут служить основой для построения теории знания, поскольку являются исключительно выражением сегодняшнего состояния средств обработки информации.

5. В работе выявлена и описана общая методология использования логических моделей представления знаний для систем искусственного интеллекта. Проведён сравнительный анализ логической модели с фреймовой, продукционной и моделью на основе семантических сетей. Указаны различия в подходах к описанию предметных областей, лежащие в основе этих моделей. В тоже время определена общая проблема, возникающая при использовании любой из перечисленных моделей -проблема концептуализации. бЛоказано, что использование логической модели позволяет выразить ту информацию, которая выразима на других моделях, но некоторые аспекты знание, которые можно представить средствами логики, не находят- своего отражения, если используется фреймовая, продукционная или сетевая модель. В частности, показано, что несмотря на внешнее сходство логической и продукционной моделей, между ними существует существенное различие, заключающееся в том, что. логическая модель предполагает наличие декларативной семантики, отсугсвующей у продукционной модели,

7. В работе представлена интерпретация классификации правил продукций, выполненной ДА.Поспеловым, в функциях, определённых на схеме взаимодействия интеллектуальной системы и мира, предложенной Н. Нильсоном.

8. Показано, что использование логической модели представления знаний обеспечивает эффективные и обоснованные средства для выражения процедурного аспекта знания посредством процедуры поиска доказательства,

9. Дан общий обзор истории становления исследований в области автоматического доказательства теорем. Определена основная проблема реализации процедурного аспекта знания интеллектуальной системы через осуществление автоматического поиска доказательства. Указан один из возможных путей решения этих проблем.

10. Изложены основные понятия и принципы построения теории дедуктивных баз данных. На основе исторического обзора исследований в этой области выделены проблемы, возникающие при использовании логики в базах данных. В качестве основного источника возникающих трудностей указана проблема использования контекста при обработке информации.

Дальнейшие перспективы исследований в области применения логических моделей представления знаний обсудим в свете возможного решения логических проблем, которые могут быть поставлены перед вычислительными машинами. Основные три проблемы перечислены в работе Э.Бета "Машины, которые доказывают теоремы":

1) проверить имеющееся доказательство;

2) доказать данную теорему на основе имеющихся допущений;

3) открыть теоремы, выводимые из данных допущений [91,с.88].

Решение первой из перечисленных проблем не представляет особой сложности. Действительно, если снабдить машину конечным набором правил вывода, то, по-видимому, не составит труда запрограммировать её таким образом, чтобы она могла осуществлять проверку каждого шага контролируемого доказательства на соответствие или не соответствие его одному из правил вывода.

Вторая проблема, как было показано в параграфе 2,2, получила решение - были разработаны методы поиска доказательства достаточно эффективные для их реализации на вычислительных машинах. Речь может идти только о совершенствовании существующих методов путём разработки более эффективных стратегий. Кроме того, можно указать проблему поиска доказательства на вычислительных машинах для разного рода неклассических логик: интуиционистских, модальных, псевдофизических, немонотонных и т. д. Некоторые существенные достижения в этом направлении уже имеются (ем. напр, [11,111|).

Решение третьей проблемы оказалось бы чрезвычайно важным, с точки зрения реализации процедурного аспекта машинного знания. Действительно, если принять во внимание самую общую схему реализации интеллектуальной деятельности, согласно которой последняя состоит из трех функций: описательной, объяснительной и предсказательной, то можно установить определённое соответствие между этими функциями и проблемами указанными Э.Бетом.

Реализация описательной функции при создании интеллектуальной информационной системы на сегодняшний день возлагается на человека. Она заключается в построении модели предметной области с последующим описанием её, используя некоторый язык. Объяснительная функция реализуется через процесс поиска доказательства. Реализацию предсказательной функции можно, по-видимому» рассматривать, как открытие теорем из имеющихся допущений. Нам неизвестны работы, в которых решалась бы третья проблема, сформулированная Э.Бетом. Можно полагать, что успешная работа в этом напрвлении .позволит реализовать на вычислительной машине не только предсказательную функцию, но и частично описательную, в смысле корректировки модели на основе сделанных предсказаний.

Список литературы диссертационного исследования кандидат философских наук Милославов, Алексей Сергеевич, 1999 год

ЛИТЕРАТУРА

1. Агафонов ВН., Борщев В.Б., Воронков А А. Логическое программирование в широком смысле // Логическое программирование / под ред. В.Н. Агафонова . М.; Мир, 1988, С, 298 -353.

2. Алексеева И .10. Человеческое знание и его компьютерный образ. М.: ИФРАН, 1993.218 с.

3. Алексеева И. Ю. искусственный интеллект и рефлексия над знаниями // Философ, науки. 1991. N9. С. 44-56.

4. Андерсон Д.Б., Хойз ПД. Недостатки логики // Кибернетич. сб., нов.сер. М. 1976. Вып.13. С. 97-113.

5. Аншаков О.М., Скворцов Д.П., Финн В.К. Логические средства экспертных систем типа ДСМ // Семиотика и информатика. 1986. Вып. 28. С. 65-101.

6. Аристотель // Соч. T.l. М.: Мысль, 1977.

7. Астелло Л., Чекки К., Сартини Д. Представление и использование метазнаний//ТИИЭР. 1986. Т.74. N10. С. 12-31.

8. Alpe III. Структурный подход к организации баз данных . М.: "Финансы и статистика", 1983.317с.

9. Бирюков Б.В. Что же могут вычислительные машины? // В кн.: X. Дрейфус " Чего не могут вычислительные машины. М.: Прогресс, 1978. С. 298-332.

10. Бургин М.С. Информационные алгебры //УС иМ. 1997. N 6. С.5-18.

11. Васюков В.Л. Автоматическое доказательство теорем // Логика и компьютер.2: Логические языки, содержательные рассуждения и методы поиска доказательств. М.: Наука. 1995. С.24 -26.

12. Вудс У А. Основные проблемы представления знаний //ТИИЭР. 1986. Т.74. N10. С.32-46.

13. Вычислительные машины и мышление / под ред. Э.Фейгенбаума и Дж. Фельдмана. М.: Мир, 1967.552с,

14. Габидулин И.А., Силантьев Е.А. Классификация информационных систем //УС иМ. 1992. N1/2. С. 112-119.

15. Гайденко П.П. Информация и знания // Философия науки. М.,

1997. Вып.З. С. 184-190.

16. Гелернтер Г. Реализация машины, доказывающей геометрические теоремы // Вычислительные машины и мышление. М.: Мир, 1967. С. 145-164.

1 Т.Гелернтер Г., Ханзен Дж., Ловленд Д. Экспериментальное исследование машины для доказательства геометрических теорем // Вычислительные машины и мышление. М.: Мир, 1967. С. 165-174.

18. Ван Гельдер А. Введение в ЭДТ-семантику // Программирование.

1998.N1.0.51-68.

19. Герман О.В. Введение в теорию экспертных систем и обработки данных. Минск.: Дизайн ПрО, 1995.225с.

20. Гетманова АД. Учебник по логике. М.: " Владос", 1994.303с.

21. Гилула М.М. Модели данных и модели информации в информационных системах // Системные исследования. Методологические проблемы. М., 1996.

22. Гдадун В Л. Процессы формирования новых знаний. София, 1994.

23. Гладун В.П., Рабинович З.Л. Формирование модели мира в системах искусственного интеллекта. М, 1977.

24. Гуминекий А.П. Опыт классификации знаний /7 Интеллеюуальные системы и формы представления знаний: Тез. докл. и сообщений Всесоюз. семинара / под ред. И.ЕЛаденко. Новосибирск, 1989. С.43- 46.

25. Дрейфус X. Чего не могут вычислительные машины (критика искусственного разума ). М.: Прогресс, 1978. 334с.

26. Ефимов Е.И. Решатели интелдекхуальных задач. М.: Наука, 1982.

316с.

27. Закревский АД. Представление знаний и логический вывод в пространстве многозначных признаков // Логика и компьютер.2; Логические языки, содержательные рассуждения и методы поиска доказательств. Мл Наука, 1995. С .3» \6.

28. Змитрович А.И. Интеллектуальные информационные системы. Минск: Теграсистема, 1997.

29. Иноземцев В.А. Логико-методологический анализ представления знаний : Автореф. дис... канд. филос. наук. М., 1989.21 с.

30. Ковальский Р. Логическое программирование // Логическое программирование/ под ред. В.Н. Агафонова. М.: Мир, 1988. С. 134-166.

31. Кодряну И.Г., Яркин В.А. Диалектика дискретного и континуального в математическом знании // Вестник Моск. ун-та.,сер. философия. 1996. N6. С. 39-47.

32. Колмогоров А.Н. К логическим основам теории информации и теории вероятности // ППИ. 1969. Т.5. Вып.З. С. 3-7.

33. Колмогоров А.Н. Три подхода к определению понятия количества информации // Проблемы передачи информации. 1965. Т. К Вып.!. С.З- 11.

34. Костырко В.Ф. Развитие знаний и способы их представления в интеллектуальных системах // Интеллектуальные системы и творчество: Тезисы докладов и сообщений 5 Всесоюзной конференции по проблемам интеллектуальных систем, ч.1 /Отв. ред. И.С. Ладенко. Новосибирск, 1990. С. 127-130.

35. Кребн И.М. Естественный разум и искусственный интеллект // УС иМ., 1997. Т. 4/5.

36. Куликов В.В. Логическое моделирование обратной связи в процессах мышления // Интеллектуальные системы и творчество: Тезисы докладов и сообщений 5 Всесоюзной конференции по проблемам интеллектуальных систем, чЛ / Отв. ред. И.С. Ладенко. Новосибирск, 1990. С. 115-116.

37« Курбатов С.М., Соколов H.H. Интернет как новое средство коммуникации // Информационные технологии и системы Hardware Software Security, Тенденции и перспективы. / Сост. Мельников Д Я. М., Международная академия информатизации. 1997. С. 66-68.

38. Ладенко И.С. Интеллектуальные системы и логика. Новосибирск.: Наука, 1973.

39. Левенец Е.В. Рассуждения по аналогии // Логика и компьютер 2. Логические языки, содержательные рассуждения и методы поиска доказательств/ Отв. ред. В А. Смирнов. М.: Наука, 1995. 130с.

40. Логический подход к искуственному интеллекту: от классической логики к логическому программированию / Тейз А., Грибомон П., Луи Ж. и др. М.: Мир, 1990.432с.

41. Л огический подход к искуственному интеллекту: от модальной логики к логике баз данных / Тейз А., Грибомон, Юлен Г. и др. М.: Мир, 1998.494с.

42. Малпас Дж. Реляционный язык Пролог и его применение. М. 1990.

43. Марселлус Д. Программирование экспертных систем на ТУРБО ПРОЛОГЕ. М.: Финансы и статистика, 1994.255с.

44. Минский М. На пути к созданию искусственного разума // Вычислительные машины и мышление. М.: Мир, 1967. С. 402-457.

45. Мкртчян Л.В. Человек, ЭВМ, знание: метод проблем разработки систем " человек - машина ориентирован, на решение задач познания и управления. Ереван.: Айастан, 1987,251с.

46. Мосоров A.M. Опыт мышления, эвристика и гибридные языки // Интеллекгуальные системы и творчество: Тезисы докладов и сообщений 5 Всесоюзной конференции по проблемам интеллектуальных систем, ч,1 / Отв. ред. И.С. Ладенко. Новосибирск, 1990. С. 113-114.

47. Нариньяни A.C. Модель или алгоритм : новая парадигма информационной технологии // Информационные технологии. 1997. N4. С. 26-35.

48. Непейвода H.H. Логический подход как альтернатива системному в математическом описании систем // Экспертные системы: состояние и перспективы / под ред. ДА. Поспелова. М.: Наука, 1989. С. 20-30.

49. Непейвода H.H., Кутерин ВА, 08 уровнях знаний и умений в экспертных системах // Экспертные системы: состояние и перспективы / под ред. ДА. Поспелова. М.: Наука, 1989. С. 30-37.

50. Нильеон Н. Принципы исскуственного интеллекта. М.: Наука, 1985.373с.

51. Ньюэлл А., Шоу Д., Саймон Г. Эмпирические исследования машины и Логик-теоретик"; пример изучения эвристики // Вычислительные машины и мышление. М„: Мир, 1967. С. 113-144.

52. Осуга С. Обработка знаний. М.: Мир, 1989.293с.

53. Пойа Д. Математическое открытие. М.; Наука, 1976.448с.

54. Поль Армер. О возможности кибернетических систем / в кн. М. Таубе. Вычислительные машины и здравый смысл. Приложение. М.: Прогресс, 1964.

55. Полетаев И А. К определению понятия "информация". Прагматический аспект. О ценности информации // Исследования по кибернетике. М.: Наука, 1970. С, 228-239.

56. Поспелов ДА. Предсловие к переводу // ТИИЭР. 1986. N10. С. 3-5.

57. Поспелов ДА. Ситуационное управление: теория и практика. М.: Наука, 1986.284с.

58. Поспелов ДА. Фантазия или наука: на пути к искуственному интелекту. М.: Наука, 1982.224с.

59. Поспелов ДА. Моделирование рассуждений. Опыт анализа мыслительных актов . М., 1989.

60. Поспелов ДА. О человеческих рассуждениях в интеллектуальных системах /7 Вопросы кибернетики. Логика рассуждений и ее моделирование/ под ред ДА. Поспелова. М.: Научный Совет по комплексным проблемам "Кибернетика" АН СССР, 1983. С. 5-37.

61. Представление знаний в человеко-машинных и роботогехнических системах. М.: ВИНИТИ, 1984. ТА: Фундаментальные исследования в области представления знаний. 261 с.

62. Представление и использование знаний / Под ред. Уэно X., Исидзура. М.: Мир, 1989.220с.

63. Пуанкаре А. Наука и метод // О науке. М.: Наука, 1990.736с.

64. Робинсон Дж. Логическое программирование - прошлое, настоящее и будужщее //Логическое программирование / под ред. В.Н. Агафонова . М.: Мир, 1988. С. 7-26.

65. Робинсон Дж. Машинно-ориентированная логика, основанная на принципе резолюции// Кибернетич. сб., нов. сер. Вып.7. М.: Мир. 1970.

С.194- 218.

66. Сильдмяэ И. Искусственный интеллект : знания и мышление. Тарту: Тарт. Ун-т, 1989. 240с.

67. Смирнова Е.Д. Познавательная деятельность и вопросы обоснования логических систем // Интеллектуальные системы и творчество: Тезисы докладов и сообщений 5 Всесоюзной конференции по проблемам интеллектуальных систем, ч.1 / Отв. ред. И .С. Ладенко. Новосибирск, 1990. С. 103-104.

68. Смирнова Е.Д. Логическая семантика и вопросы представления знаний: Тезисы докладов и сообщений Всесоюзного семинара

" Интеллектуальные системы и формы представления знаний "7 под ред. И.Е. Ладенко. - Новосибирск, 1989. - С. 88 -91.

69. Стацинский В.М., Разумов В .И. И нтеллектуальный и

информ ационный образ в освоении обьекта // Интеллектуальные системы и формы представления знаний: Тезисы докладов и сообщений Всесоюзного семинара / под ред. И.Е. Ладенко . Новосибирск, 1989. С. 52-55.

70. Степанов М.Ф. Естественный интеллект' - новая идеология построения интеллектуальных систем управления: труды второго международного симпозиума " Интелс"96 " Интеллектуальные системы" т.1, / под ред. К А. Путкова. М., 1996.

7!. Сэмюэль АЛ. Искусственный разум, прогресс и проблемы / в кн. М. Таубе. Вычислительные машины и здравый смысл. М.: Прогресс, 1964.

72. Таубе М. Вычислительные машины и здравый смысл. М.: Прогресс, 1964.

73. Тугушев Д.Б., Соколов Н.Н. Новые информационные технологии как социальный фактор воздействия на развитие общества // Информационные технологии и системы Hardware Software Security. Тенденции и лерспективы.Сборник статей / Сост. Мельников ДЛ. М.. Международная академия информатизации. 1997. С. 57-61.

74. Уинстон П. Искусственный интелект. М.: Мир, 1980.

75. Ван Хао. Игры, логика и вычислительные машины // Кибернетический сборник . Нов.еер. вып.5. М, 1968. С. 195-207.

76. Хлус A.M. Немонотонность и содержательные рассуждения // Логика и компьютер.2: Логические языки, содержательные рассуждения и методы поиска доказательств. М.: Наука, 1995. С. 112-130.

77. Чень Ч., Ли Р. Математическая логика и автоматическое доказательство теорем. М,: Наука, 1983.

78. Черненко С.Ф. Возможности развития логики на основе "преодоления" интуиции // Интеллектуальные сист емы и творчество: Тезисы докладов и сообщений 5 Всесоюзной конференции по проблемам интеллектуальных систем, чЛ / Отв. ред. И .С. Ладенко. Новосибирск, 1990. С. 102-103.

79. Шанин Н.А. О процедурном подходе к разьяснению смысла спадений // Современная лог ика: проблемы теории, истории и применения в науке: Материалы V Общероссийской научной конференции. СПб.- 1998.

С. 415-420.

80. Шапиро ЭЛ. Знание и информация в интеллектуальных системах // Интеллектуальные системы и формы представления знаний: Тезисы докладов и сообщений Всесоюзного семинара / под ред. И.Е. Ладенко . Новосибирск. 1989. С. 23.

81. Шаров Н.Ф. Интеллектуальные системы: характер связи с субъектом познания// Интеллектуальные системы и творчество: Тезисы докладов и сообщений 5 Всесоюзной конференции по проблемам интеллектуальных систем, ч.1 I Отв. ред. И.О. Ладенко. Новосибирск, 1990. С. 26-27.

82. Шемякин Ю.И., Романов А.А. Компьютерная семантика. М.: Научно-образовательный центр " Школа Китайгородской", 1995. 343с.

83. Шрейдер Ю А. Искусственный интеллект-, рефлексивные структуры и антропный принцип // Вопросы филос. 1995. N 7.

84. Экспертные системы: принципы работы и примеры / Под ред. Р. Форсайта. М., 1987.

85. Элементы логической культуры / Б.И. Федоров, Е.Н. Зубань, Г.П. Любимов и др. С-Пб.: Специальная литература, 1996. 184с.

86. Элги Дж., Кумбс М. Экспертные системы : концепции и примеры. М., 1987.

87. Эндрю А. Искусственный интеллект. М.: Мир, 1985.284с.

88. Эшби У .Р. Кибернетика сегодня и ее будующий вклад в технические науки IВ кн. М. Таубе. Вычислительные машины и здравый смысл. М.: Прогресс, 1964.

89. Юзвишин И.И. К обоснованию фундаментальных основ информациологии // Проблемы информациологии . М.: Информациология, 1997.

90. Apt K.R.,van Emden M .H. Contribution to the Theoiy of logic Programming // J. of ASC. 1982. V.29. P. 841-862.

91. Beth E.W. On Machines Which Prove Theorems // Automation of Reasoning I. Classical Papers on Computational Logic 1957-1966. Berlin-Heidelberg-New York, 1983. P. 79-92.

92. Clark K.L. Negation as Failure, in: Gallaire and J. Minker (eds.) Logic and Date Basees. N-Y.: Plenum. 1978. P. 293-322.

93. Davis M. The Prehistory and Early Ristory of Automated Deduction // Automation of Reasoning 1. Classical Papers on Computational Logic 19571966. Berlin-Heidelberg-New York, 1983. P. 1-28.

94. Davis P., Lenat D. Knowledge - Based Systems in Artificial Intelligence. N-Y.: McGraw-Hills, 1982. 490p.

95. DiPaola RA. The Relational Date File and the Decision Problem for Classes of Proper Formulas II Proceedings of the Symposium on Information Starage and Retrieval / J. Minker and Rosenfeld S. ( eds.). College Park. 1971.

96. DiPaola RA. The Recursive Unsolvability of the Decision Problem for the Class of Definite Formulas, J. of the ACM. 1968. V. 16(2). P. 324-327.

97. Dreyfus H. L., Stuart E. Dreyfus. Making a Mind vs. Modeling the Brain: AI Back at a a Branchpoint II Informatica, 1995. ¥.19. P. 425-441.

98. van Emden MIL, Kowalski RA. The Semantics of Predicate Logic as a Programming Language II J. Assoc. Comput. 1976. V. 23. P. 733-743.

99. Gelfond, M„ Przymusinska, H. Przymusinski, T. The Extended Closed Word Assumption and its Relation to Parallel Circumscription II Proceeding of the ACM SIGACT News-SIGMOD Symposium on Principles of Database Systems. 1986. P. 133-139.

100. Godd E.F. A Relational Model of Date for Large Shared Date Banks II Coram. ACM. 1970. V.13. N.6. P. 377-387.

101. Grant J., Minker J. The impact of logic Programming on Date Base II Comm. of ACM. 1992. V.35.N3.

102. Green C.C. The Application of Theorem Proving to Problem Solving II Proceedings of the International Conference on Artificial Intelligence / D.E. Walker and L.M. Norton (eds). Washington, 1969. P. 219-240.

1 OB. Gurk H. and Münte J. The Design and Simulation of an Information Processing System // J. Assoc. Comput. 1.961. V.8. N.2. P. 260-270.

104. Hirst €, Existence assumtion in knowlenge // AI. 1991. V.49. P. 199242.

105. Hector J. Levesque. The Logic of Incomplete knowlege Base / in On conceptual Modelling. Springer Verlag, 1984.

106. Kowalski R. Logic for Problem-Solving. Amsterdam, 1979.

107. Kuhns J.L. Logical Aspects of Questions Answering by Computer, presented at Third International Symposium on Computer and Information Sciences, Miami Beach, 1969. P. 4251.

108. Lassez J.,Macher MJ. Closure and Fairness in the Semantics of Programming Logic //Theoret. Comput. Sei. 1984. V.29. P. 167-184.

109. Lenat D., Feigenbaum. On the threshould of knowledge // AI. 1991. V.47. P. 185-250.

110. Logic and Date Basees / D.Gallaire and J. Minker (eds.) . N-Y.: Plenum, 1978.

111. McCarthy J. Circumscription - A Form of Non-Monotonic Reasoning //AI. 1980. V.13. P. 27-39.

112. Mi nker J. Perspectives in deductive datebase // J. Log.Prog. 1988. V.5. P. 33-60

113. Minker J., Zanon J. An Extension to Linear Resolution with Selection Function II Inform. Process. Lett. 1982. ¥.14, N.3. P. 191-194.

114. Minker J.,Perlis D. Computing Protected Circumscription // J. Logic Programming. 1985. V.2. N .4. P. 235-249.

115. Minker J., Grant J. Answering Queries m Indefinite Databases and the Null Value Problem II Advance in Computing Research / ed. P. Kanellakis. 1986. P. 247-267.

116. Mylopoulos J., Levesque H. J. An Overview of knowledge Representation II in On conceptual Modelling. Springer Verlag, 1984. P. 3-17.

117. Nevel! A. The knowledge level // Artifical intelligence. 1982. ¥.18. N.l.P.'87-127. •

118. Nilsson N.J. Logic and artificial intelligence // AI. 1991. ¥.47. N1 -3. P. 31-56.

119. Orlovska E„, Pawlak Zd. Logical foundations of knowledge representation. Warsaw.: IPI, 1984. P. 106.

120. Prawitz D. An Improved Proof Procedure // Automation of Reasoning 1. Classical Papers on Computational Logic 1957-1966. Berlin -Heidelberg - New York, 1983. P. 162-201.

121. Reiter R. Towards Logical reconstraction of relational Date Base Theory // On conceptual Modelling. Springer ¥er!ag, 1984. P. 191-234.

122. Reiter R. On Closed World Data Bases // Logic and Date Bases / Ed. H.Gallaire, Minker J. N-Y.: Plenum, 1978. P. 55-76.

123. Robinson JA. Logic and logic programming II Communication of the ACM. 1992. V.35.N.3.

124. Robinson A. Proving a Theorem ( as Done by Man, Logician or Machine) II Automation of Reasoning I. Classical Pape® on Computational Logic 1957-1966. Berlin - Heidelberg - New York, 1983. P. 74-79.

125. Rodovan M. Intelligent Systems Approaches and Limitation II Informatica. 1996. ¥.20. N3. P. 319-330.

126. Simmons R.F. Natural Language Question-Answering Systems II Comm. ACM. 1970.¥.13.N.1.P. 15-30.

127. Stefic M., Atking J. The Organization of Expert Systems. A tutorial II AI. 1982. V. 18. P. 135-173.

128. Watt Stuart. A Brief Naive Psychology Manifesto II Informatica. -1995. ¥.19. P. 495-500.

129. Wos L., Henschen L. Automated Theorem Proving 1965 - 1970 II Automation of Reasoning 2. II Classical Papers on Computational Logic 1957» 1966. Berlin - Heidelberg - New York, 1983. P. 1-26.

130. Wos L., Overbeek R., Lusk E.„ Boyle J. Automated Reasoning.Introduction and Application //New Jersey.: Prentice-Hall. INC. 1984. 482p.