Приемы, методы и формы научного мышления 2 страница

Знакомство с общей структурой метода гипотезы позволяет опре­делить ее как сложный комплексный метод познания, включающий в себя все многообразие его и форм и направленный на установление законов, принципов и теорий.

Иногда метод гипотезы называют еще гипотетико-дедуктивным методом, имея в виду тот факт, что выдвижение гипотезы всегда сопровождается дедуктивным выведением из него эмпирически прове­ряемых следствий. Но дедуктивные умозаключения — не единствен­ный логический прием, используемый в рамках метода гипотезы. При установлении степени эмпирической подтверждаемости гипотезы ис­пользуются элементы индуктивной логики. Индукция используется и на стадии выдвижения догадки. Существенное место при выдвижении гипотезы имеет умозаключение по аналогии. Как уже отмечалось, на стадии развития теоретической гипотезы может использоваться и мыс­ленный эксперимент. Что касается интуиции, о которой говорит Эйн­штейн, то она вкраплена во все стадии метода гипотезы, начиная от анализа фактов, подлежащих объяснению, до принятия научным сооб­ществом хорошо обоснованной гипотезы в качестве закона или теории. Именно интуитивное озарение может позволить ученому выделить из совокупности фактов главные, ведущие к выдвижению гениальной догадки. Интуитивное озарение может проявляться и в выборе анало­гии, наводящей на эвристически ценную догадку, и т.д. Дискурсивное мышление в рамках метода гипотезы постоянно перемежается с инту­итивными шагами мысли. Но способность к интуитивному озарению дается гениальному ученому не "от бога", хотя гениальность имеет и врожденные элементы. Как считал Эйнштейн, интуитивное озарение в значительной степени есть продукт "проникновения в суть опыта", что зависит преимущественно от высокого профессионализма и тяже­лой постоянной работы ума над решением поставленной проблемы.

Объяснительная гипотеза как предположение о законе — не един­ственный вид гипотез в науке. Существуют также "экзистенциальные" гипотезы — предположения о существовании неизвестных науке эле­ментарных частиц, единиц наследственности, химических элементов, новых биологических видов и т. п. Способы выдвижения и обоснования таких гипотез отличаются от объяснительных гипотез. Наряду с основ­ными теоретическими гипотезами могут существовать и вспомогатель­ные, позволяющие приводить основную гипотезу в лучшее соответствие с опытом. Как правило, такие вспомогательные гипотезы позже эли­минируются. Существуют и так называемые рабочие гипотезы, которые

позволяют лучше организовать сбор эмпирического материала, но не претендуют на его объяснение.

Важнейшей разновидностью метода гипотезы является метод ма­тематической гипотезы, который характерен для наук с высокой сте­пенью математизации. Описанный выше метод гипотезы является методом содержательной гипотезы. В его рамках сначала формулиру­ются содержательные предположения о законах, а потом они получают соответствующее математическое выражение. В методе математической гипотезы мышление идет другим путем. Сначала для объяснения ко­личественных зависимостей подбирается из смежных областей науки подходящее уравнение, что часто предполагает и его видоизменение, а затем этому уравнению пытаются дать содержательное истолкование. Характеризуя метод математической гипотезы, С. И. Вавилов писал: Положим, что из опыта известно, что изученное явление зависит от ряда переменных и постоянных величин, связанных между собой приближенно некоторым уравнением. Довольно произвольно видоиз­меняя, обобщая это уравнение, можно получить другие соотношения между переменными. В этом и состоит математическая гипотеза или экстраполяция. Она приводит к выражениям, совпадающим или рас­ходящимся с опытом, и соответственно этому применяется дальше или отбрасывается.

Специалист по методологии науки И. В. Кузнецов попытался вы­делить различные способы видоизменения исходных уравнений в про­цессе выдвижения математической гипотезы: 1) изменяется тип, общий вид уравнения; 2) в уравнение подставляются величины другой приро­ды; 3) изменяется и тип уравнения, и вид величины; 4) изменяются предельные граничные условия. Все это дает основание и для типологии метода математической гипотезы.

Сфера применения метода математической гипотезы весьма огра­ничена. Он применим прежде всего в тех дисциплинах, где накоплен богатый арсенал математических средств в теоретическом исследова­нии. К таким дисциплинам прежде всего относится современная фи­зика. Метод математической гипотезы был использован при открытии основных законов квантовой механики. Так, Э. Шредингер для описа­ния движения элементарных частиц за основу взял волновое уравнение классической физики, но дал иную интерпретацию его членов. В итоге был создан волновой вариант квантовой механики. В. Гейзенберг и М. Борн пошли в решении этой задачи другим путем. Они взяли за исходный пункт в выдвижении математической гипотезы канонические уравнения Гамильтона из классической механики, сохранив их мате-

матическую форму или тип уравнения, но ввели в эти уравнения новый тип величин — матрицы. В результате возник матричный вариант кван-тово-механической теории.

Метод гипотезы демонстрирует творческий характер научного ис­следования в процессе открытия новых законов, принципов и создания теорий.

Правила метода гипотезы не предопределяют однозначно резуль­татов исследования и не гарантируют истинности полученного знания. Именно творческая интуиция, творческий выбор из многообразия возможных путей решения проблемы приводит ученого к новой теории. Теория не вычисляется логически и не открывается, она создается творческим гением ученого и на ней всегда лежит печать личности ученого, как она лежит на любом продукте духовно-практической деятельности человека.

§ 3. Компьютер и философия*

Возникновение и интенсивное развитие электронно-вычислитель­ной техники при постоянно расширяющейся сфере ее использования, взаимосвязанное с изменениями в жизненно важных сферах общества, включая экономику, социальную структуру, политику, науку, культуру и повседневную жизнь людей, является объектом изучения различных гуманитарных дисциплин, в том числе и философии.

Первые систематические попытки выявления и изучения философ­ских проблем, связанных с компьютерной техникой и открываемыми ею возможностями, были предприняты в рамках того, что может быть названо кибернетическим движением в широком смысле.

Основатель этого интеллектуального движения, американский ма­тематик Н. Винер, в годы второй мировой войны занимался разработ­кой математических средств для управления огнем с использованием вычислительных устройств, обеспечивающих расчеты для выстрела. Вынужденные в ходе этой работы исследовать выполнение человеком тех функций, которые предстояло передать электротехнической систе­ме,— прежде всего функции предсказания будущего,— ученые обрати­лись к проблемам сознательной деятельности человека и нейрофизиологии. Летом 1947 г. появился термин "кибернетика" — так группа ученых, объединившихся вокруг Винера и Розенблюта, решила

* Параграф написан старшим научным сотрудником Института философии РАН кандидатом философских наук И. Ю. Алексеевой.

назвать "теорию управления и связи в машинах и живых организмах" (См.: Винер Н. "Кибернетика или управление и связь в животном и машине". 2-е изд. М., 1968. С. 56—57). Основными понятиями новой теории стали такие понятия, как "информация", "обратная связь", "кодирование", "адаптация", "гомеостазис" и др.

Идеи кибернетики получили большую популярность как среди ученых самых разных специальностей, так и в широкой публике. Употребление термина "кибернетика" не было однозначным. С кибер­нетикой связывались надежды на создание единой теоретической базы для множества дисциплин, изучавших различные процессы обработки информации в XIX и в XX вв.: теории проводной связи, теории радиосвязи, теории автоматического регулирования, теории математи­ческих машин и др. Нередко эти дисциплины стали называть кибер­нетикой (или технической кибернетикой),— в то же время многие ученые продолжали работать в таких областях, не пользуясь киберне­тической терминологией.

Кибернетика характеризовалась и как "общая теория управления, не связанная непосредственно ни с одной прикладной областью и в то же время применимая к любой из них" (Вир Ст. "Кибернетика и управление производством". Пер. с англ. М.: Гос. изд-во физико-мате­матической литературы, 1963. С. 20), и как точная наука об управлении, непременно использующая количественные методы (Берг А. Предис­ловие к русскому изданию//Там же. С. 5).

Кибернетическое движение в целом включало самые различные направления, в том числе искусственный интеллект, различные типы моделирования, применения логико-математических методов в биоло­гических, медицинских, социально-экономических (и в других гума­нитарных) исследованиях. Это обстоятельство нашло выражение в характеристике кибернетики как "исследования процессов управления в сложных динамических системах, основывающегося на теоретиче­ском фундаменте математики и логики и использующего средства автоматики, особенно электронные цифровые вычислительные, управ­ляющие и информационно-логические машины" (Бирюков Б. В. "Ки­бернетика и методология науки". М., 1974. С. 13).

В русле кибернетического движения осуществлялись философские и логико-методологические исследования управления, информации, мышления, познания, структуры научного знания и перспектив его развития. Характерные для кибернетического движения идея общности (одинаковости или сходства) закономерностей, определяющих процес­сы управления и переработки информации в самых разных сферах

реальности и идея плодотворности использования математических и логико-математических трактовок этих процессов на различных уров­нях абстракции получили специфическое преломление в многочислен­ных сравнениях человеческого мышления и работы ЭВМ.

Появление компьютерных систем, которые стали называть интел­лектуальными системами (ИС), и развитие такого направления, как искусственный интеллект (ИИ), побудило 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. В ходе бурных дебатов 60—70-х годов на тему "Может ли машина мыслить?" были, по существу, представлены раз­личные варианты ответа на вопрос о том, кто может быть субъектом познания: только ли человек (и, в ограниченном смысле, животные) или же и машина может считаться субъектом мыслящим, обладающим интеллектом и, следовательно, познающим. Сторонники последнего варианта пытались сформулировать такое определение мышления, которое позволяло бы говорить о наличии мышления у машины,— например, мышление определялось как решение задач (См.: Ботвинник M. M. "Почему возникла идея искусственного интеллекта?"// "Кибер­нетика: перспективы развития". М., 1981). [Нужно отметить, однако, что и способность компьютерной системы к принятию каких-либо решений также может быть поставлена (и ставится) под сомнение]. Оппоненты сторонников "компьютерного мышления", напротив, стре­мились 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 (См.: Тюхтин В. С. "Соот­ношение возможностей естественного и искусственного интеллек­тов"//" Вопросы философии". 1979. № 3).

Компьютерное моделирование мышления дало мощный толчок психологическим исследованиям механизмов познавательной деятель­ности. Это проявилось, с одной стороны, в проникновении в психоло­гию "компьютерной метафоры", ориентирующей на изучение познавательной деятельности человека по аналогии с переработкой информации на компьютере, и, с другой стороны, в активизации исследований, стремящихся показать плодотворность и самостоятель­ную ценность иных подходов — например, изучение мышления в кон­тексте общей теории деятельности. O.K. Тихомиров, специально

исследуя "соотношение кибернетического и психологического подхо­дов к изучению мышления", настаивал, что "широко распространенное сближение человеческого мышления и работы вычислительной маши­ны не обосновано". Вместе с тем, отмечает он, "именно развитие кибернетики сделало очевидным неполноту господствовавших в пси­хологии теорий мышления и поведения, выдвинув для изучения новые аспекты" (Тихомиров O.K. "Структура мыслительной деятельности человека. (Опыт теоретического и экспериментального исследования)". Изд-во Моск. ун-та, 1969. С. 4). Характеризуя значение аналогий между человеческим мышлением и компьютерной переработкой информа­ции, английская исследовательница М. Воден пишет: "В той степени, в какой аналогия с компьютером может служить общим человеческим интересам более глубокого познания разума, осторожное использова­ние "психологической" терминологии в отношении определенного типа машин должно скорее поощряться, чем запрещаться... аналогии дают возможность не только обозначить сходные черты между сравнивае­мыми объектами, но ведут к обнаружению действительно важных сходств и различий" (Boden M. A. "Artificial Intelligence and Natural Man". 2nd ed. L., 1987. P. 421).

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, когнитив- . ной лингвистики), остается также притягательным объектом философских рассмотрении.

* * *

В последние два десятилетия в компьютерных науках заметное внимание стало уделяться такому традиционно входившему в сферу философии предмету, как знание. Слово "знание" стало использоваться в названиях направлений и составляющих компьютерных систем, а также самих систем (системы, основанные на знаниях; базы знаний и банки знаний; представление, приобретение и использование знаний, инженерия знаний). Тема "компьютер и знание" стала предметом обсуждения и в значительно более широком контексте, где на первый

план вышли ее философско-эпистемологические, социальные и поли­тико-технологические аспекты.

Что касается такой области, как ИИ, то не будет преувеличением сказать, что в 80-е годы понятие знания потеснило понятия мышления и интеллекта, традиционно занимавшие почетное место в рефлексии профессионалов ИИ над своей деятельностью. Теория искусственного интеллекта стала иногда характеризоваться как "наука о знаниях, о том, как их добывать, представлять в искусственных системах, перера­батывать внутри системы и использовать для решения задач" (Поспелов Д.А. "Ситуационное управление: теория и практика". М., 1986. С. 7.), а история искусственного интеллекта, исключая ее ранние этапы,— как история исследований методов представления знаний (См.: "Представ­ление и использование знаний"/Под ред. X. Уэно, М. Исидзука. М.,

1989. С. 7).

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, который Д. А. Поспелов характеризует следующим образом. Под знаниями по­нимается форма представления информации в ЭВМ, которой присущи такие особенности, как: а) 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); б) структурированность (включенность одних

информационных единиц в состав других); в) связность (возможность задания временных, каузальных пространственных или иного рода отношений); г) семантическая метрика (возможность задания отно­шений, характеризующих ситуационную близость); д) 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". (См. "Искусст­венный интеллект. Справочное издание в 3 кн.". Т. 2. М., 1990. С. 8).

Пользуясь терминологией Л. Витгенштейна, можно сказать, что это понимание знаний как формы представления информации "работает" в рамках особой, характерной для ИИ языковой игры. В ходе этой языковой игры могут появляться формулировки, способные вызвать недоумение эпистемолога, пытающегося оценить их с точки зрения привычных философских интерпретаций знания. К такого рода фор­мулировкам относятся ставшее "общим местом" утверждение, что дан­ные не являются знаниями, а также предложения использовать в качестве знаний тот или иной язык или выражения типа "под знаниями будем понимать такого-то вида формулы".

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 предполагает постановку, ис­следование и решение технологических вопросов о знании. К послед­ним относятся вопросы типа "Каким образом следует (можно,

допустимо) обращаться (иметь дело) 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,— например, утверждение, что некто ("а") знает нечто ("р"), может быть истолковано как ментальный акт, совершаемый некоторым "наблюдателем" в отношении знания, которым обладает субъект "а" (в качестве "наблюдателя" может выступать субъект "а").

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.

Примером технологического подхода к исследованию знания как особой сущности может служить характеристика сократовой майевтики в диалогах Платона. Искусство Сократа задавать наводящие вопросы таким образом, что собеседник в конце концов приходит к верным выводам относительно обсуждаемых предметов (во всяком случае, к таким выводам, которые считает верными сам Платон), характеризу­ется здесь как искусство пробуждения истинных мнений, живущих в душе человека, в результате чего мнения становятся знаниями. Пожа­луй, наиболее выразительная иллюстрация этой процедуры дана в известном примере из диалога "Менон", где мальчик-раб решает гео­метрическую задачу. Вообще же говоря, все диалоги Платона демонст­рируют сократову технику "пробуждения" знания. Однако собственно технологический подход к исследованию знания мы находим у Платона лишь в тех случаях, когда сама эта техника становится предметом осмысления, когда сама она рассматривается как средство для совер­шения каких-то действий над знанием. Фрагментарные характеристики данной техники встречаются во многих диалогах — примером может служить тот же "Менон", где говорится о пробуждении знаний вопро­сами. Более подробного рассмотрения она удостоена в диалоге "Теэтет". Здесь Сократ говорил о своем искусстве как аналогичном ремеслу своей матери — повитухи Фенареты, и то, что в "Меноне" характеризовалось как техника пробуждения знаний, здесь характеризуется как своеоб­разная техника родовспоможения "мужчинам, беременным мыслью" (См.: Платон. Соч. в 3 т. Т. 2. М., 1970. С. 234).

Технологические вопросы о знании могут быть до известной сте­пени противопоставлены экзистенциальным вопросам — т. е. вопро-

сам 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 нынешнего столетия 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 для передачи информации, 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 рассмотрении могут быть после определенных интер­претаций квалифицированы как технологические, но это все же будет относиться скорее к результату нашей интерпретации, чем к самому исследованию.

Расцвет технологических (в указанном выше смысле) исследований знания связан с развитием эпистемической логики и искусственного интеллекта. Довольно типичной чертой исследований по эпистемиче­ской логике является разработка определенных средств для решения вопроса о том, будет ли такого-то вида формула (содержащая эписте-мические операторы, соответствующие словам "знает", "полагает", "со­мневается", "отрицает" и др.) доказуемой в таком-то исчислении или общезначимой для такого-то типа моделей. С точки зрения технологи­ческого подхода к знанию этот вопрос может быть понят как вопрос о легитимации (узаконении) с использованием определенного символи-ко-концептуального аппарата результатов мертально-речевой деятель­ности в отношении знания некоторого субъекта (или группы субъектов), выраженных в форме, пригодной для применения данного аппарата. Характер легитимируемых результатов определяется как осо­бенностями используемых формализмов, так и позицией исследователя по отношению к экзистенциальным вопросам о знании.

Технологические вопросы о знании, исследуемые в рамках ИИ, касаются, в значительной степени, способов представления знаний.

Проблемы представления знаний связаны, в свою очередь, 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 (упрощенным образом) 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. (Характеристику основных моделей представления знаний можно найти в упоминавшемся выше справочном издании "Искусственный интеллект", т. 2, а также, например, в: "The Handbook of Artificial Intelligence". V. 1. Massachusetts ets., 1986). 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 удобстве для описания определенных областей знаний ( 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 (См.: Попов Э. В. "Экспертные системы". М., 1987) или когнитивного (см.: "Представление и использование знаний"/Под ред. X. Уэно, М. Исидзука. М., 1989) подхода. Нужно отметить, что оба этих подразделения могут быть приняты лишь условно: подразделение "ло­гический — эвристический" или "логический — когнитивный" вызыва­ет сомнения, поскольку для логических моделей характерно наличие эвристик и, кроме того, модели эти могут содержать допущения отно­сительно когнитивного поведения. Пример — разработанная группой В. К. Финна ИС, которая рассматривается своими создателями как реализация логики здравого смысла, объединяющей естественный ра­ционализм и естественный эмпиризм (См.: Финн В. К. "Об обобщенном ДСМ-методе автоматического порождения гипотез"//"Семиотика и ин­форматика". 1989. Вып. 29).