Бесплатный фрагмент - Интеллектуальная Медиа-Среда

ОТ АВТОРА

Мы вступаем в период, когда искусственный интеллект перестаёт быть отдельной технологией и постепенно превращается в новый способ организации интеллектуальной деятельности.

За последние десятилетия человечество создало огромный массив цифровых данных, вычислительных систем, программных платформ и информационных сервисов. Однако сама по себе доступность данных ещё не означает наличие знаний, а наличие вычислительной мощности ещё не означает наличие интеллекта. Между информацией и осмысленным действием существует принципиальный разрыв — разрыв, связанный со способностью системы понимать структуру предметной области, устанавливать отношения между объектами, учитывать правила, ограничения и контекст, формировать решения и объяснять основания этих решений.

Именно этот разрыв стал исходной точкой настоящей работы.

Я исходил из простого, но, как представляется, принципиального вопроса: можно ли проектировать интеллектуальные системы не вокруг технологий искусственного интеллекта, а вокруг формализованных знаний?

Если ответ на этот вопрос положителен, возникает необходимость пересмотреть саму инженерную логику создания цифровых систем.

Традиционная архитектурная последовательность обычно начинается с технологической инфраструктуры, затем переходит к данным, программным приложениям и пользовательским функциям. В предлагаемом подходе эта последовательность меняется принципиально:

Знания → Решения → Процессы → Информация → Цифровые сервисы → Технологическая инфраструктура.

Такое изменение не является перестановкой отдельных архитектурных элементов. Оно означает смену точки отсчёта всей системы.

Знания становятся исходным инженерным объектом.

Именно знания определяют, какие решения должна уметь принимать система. Решения определяют процессы. Процессы формируют требования к информации и цифровым сервисам. И только после этого определяется необходимая технологическая инфраструктура. Такой подход позволяет рассматривать искусственный интеллект не как автономный программный компонент, добавленный к уже существующей системе, а как часть целостной архитектуры, фундаментом которой является формализованное знание.

Эта идея особенно ясно проявилась при исследовании медиа-производства.

Современная медиа организация представляет собой чрезвычайно сложную систему. В ней взаимодействуют люди, профессиональные роли, редакционные процессы, произведения, источники информации, технические средства, нормативные ограничения, временные параметры, критерии качества, экономические показатели и множество других сущностей. Между ними существуют устойчивые отношения, правила и зависимости.

При этом значительная часть профессионального знания в традиционной медиа организации существует в неформализованном виде. Оно находится в опыте специалистов, редакционных практиках, документах, регламентах, сценариях, корпоративных стандартах и профессиональной культуре.

Пока эти знания остаются преимущественно неформальными, их невозможно полноценно использовать как вычислимый ресурс.

Отсюда возникла идея Media Knowledge System — MKS.

MKS в данной работе рассматривается не просто как программная система, база данных или очередная интеллектуальная платформа. Это концепция формализации профессионального знания медиа производства, в которой предметная область описывается через сущности, свойства, отношения, процессы, состояния, правила и решения. Такое представление создаёт возможность преобразовать профессиональное знание в структуру, доступную машинной обработке, логическому выводу и интеллектуальному использованию.

Однако по мере развития этой концепции стало очевидно, что одной модели предметной области недостаточно.

Необходимо было определить язык, на котором такие модели могут создаваться; установить единые правила их построения; обеспечить семантическую совместимость; сформировать механизмы логического вывода; определить архитектуру интеллектуального ядра и способы взаимодействия его компонентов.

Так появился следующий уровень исследования — Media Knowledge Engineering (MKE).

Инженерия знаний медиа производства рассматривается здесь как самостоятельное направление системной инженерии, целью которого является не просто накопление знаний, а их структурирование, формализация, верификация, представление, использование и развитие в составе интеллектуальной системы.

Центральным элементом этой архитектуры становится Media Knowledge Core — MKC.

MKC принципиально не сводится к конкретному программному продукту. Это архитектурный стандарт, определяющий состав и принципы функционирования интеллектуального ядра независимо от выбранных технологий реализации. Такой подход позволяет отделить фундаментальную структуру знаний и механизмов их использования от конкретных программных платформ, языков программирования, баз данных и вычислительной инфраструктуры.

Следующим фундаментальным вопросом стало определение самой архитектуры знаний.

Если знания являются исходным инженерным объектом, необходимо научиться описывать их формально. Именно поэтому в книге последовательно рассматриваются онтологии, семантические модели, графы знаний и метамодели.

Онтология определяет понятийное пространство предметной области. Граф знаний связывает конкретные сущности и отношения между ними. Метамодель определяет правила, согласно которым строятся сами модели. Благодаря этому формализованное знание перестаёт быть совокупностью разрозненных описаний и превращается в структурированную инженерную систему.

Но на этом исследование не заканчивается.

Если принципы инженерии знаний работают для медиа производства, возникает следующий вопрос: являются ли они специфическими только для медиа или отражают более общий закон построения интеллектуальных систем?

Ответ на этот вопрос привёл к переходу от Media Knowledge Engineering к более широкой концепции General Knowledge Engineering Theory — GKET.

В этой перспективе Media Knowledge System становится конкретной отраслевой реализацией более фундаментальной идеи: знания могут рассматриваться как самостоятельный инженерный объект, имеющий формальную структуру, измеримые свойства, операции, правила эволюции и архитектурные механизмы использования в интеллектуальных системах.

Именно поэтому настоящая книга начинается с медиа, но не заканчивается медиа.

Медиа сфера является здесь своеобразной лабораторией, в которой можно исследовать универсальные закономерности формирования интеллектуальных систем. На её примере становится возможным показать, каким образом профессиональное знание преобразуется в формальную модель, модель — в архитектуру, архитектура — в интеллектуальное ядро, а интеллектуальное ядро — в основу цифровой системы.

В конечном счёте речь идёт не только о создании более совершенных медиа-платформ.

Речь идёт о возможности построения интеллектуальных организаций нового поколения — систем, в которых знания не растворены внутри отдельных специалистов и программных приложений, а существуют как единая формальная среда, способная сохраняться, проверяться, распространяться, интерпретироваться, использоваться в принятии решений и развиваться вместе с самой организацией.

Такое понимание особенно важно в эпоху быстрого развития больших языковых моделей и генеративного искусственного интеллекта.

Сегодня создаётся впечатление, что основным элементом интеллектуальной системы является модель искусственного интеллекта. Однако модель может измениться, быть заменена другой моделью или вообще исчезнуть из архитектуры, тогда как профессиональные знания организации должны сохраняться. Они должны оставаться независимыми от конкретного алгоритма, программной платформы или поставщика вычислительной технологии.

Поэтому в предлагаемой архитектуре искусственный интеллект не является фундаментом.

Фундаментом являются знания.

Искусственный интеллект становится механизмом их интерпретации, преобразования и использования.

Это различие имеет принципиальное значение для долгосрочного развития интеллектуальных систем. Оно позволяет отделить устойчивое интеллектуальное содержание организации от изменяющихся технологических средств его реализации.

Настоящая книга является попыткой последовательно построить такую систему взглядов — от исходных понятий и аксиом до формальных моделей, архитектурных принципов, метамодели, интеллектуального ядра и общей теории инженерии знаний.

Я сознательно стремился соединить в одной работе несколько областей, которые традиционно рассматриваются раздельно: системную инженерию, инженерное проектирование, искусственный интеллект, онтологическое моделирование, графы знаний, семантические технологии, архитектуру информационных систем и профессиональную специфику медиа-производства.

Главная цель этой работы — не предложить ещё одну технологическую платформу.

Главная цель — сформулировать инженерный язык, с помощью которого можно проектировать интеллектуальные системы как целостные системы знаний.

Если эта задача решена хотя бы частично, то Media Knowledge System следует рассматривать не как конечный продукт, а как первый шаг к более общей архитектурной парадигме.

Парадигме, в которой главным вопросом становится уже не:

«Как научить машину обрабатывать больше данных?»

а гораздо более фундаментальный:

«Как создать инженерную систему, способную формально представлять, понимать, использовать и развивать знания?»

Именно этому вопросу посвящена эта книга.

Глава 1. Актуальность исследования

Развитие искусственного интеллекта, цифровых платформ, больших данных и вычислительных технологий формирует новый этап развития информационного общества. Современные цифровые системы способны обрабатывать огромные объёмы информации, автоматизировать отдельные операции, генерировать тексты, изображения и видео, осуществлять классификацию объектов и поддерживать принятие решений. Однако увеличение вычислительной мощности и объёма обрабатываемых данных само по себе не решает фундаментальную проблему создания интеллектуальных систем.

Главная проблема заключается в переходе от обработки информации к работе со знаниями.

Информация представляет собой совокупность данных, сообщений и сведений, тогда как знание включает структуру предметной области, понятия, свойства объектов, отношения между ними, правила, ограничения, причинно-следственные связи, контекст и способы принятия решений. Именно поэтому интеллектуальная система не может быть сведена к совокупности алгоритмов обработки данных или к набору программных сервисов.

Для создания действительно интеллектуальной системы необходимо обеспечить формальное представление знаний, возможность их машинной обработки, логического вывода, проверки непротиворечивости, интерпретации и использования в процессе принятия решений.

Особенно отчётливо эта проблема проявляется в сложных профессиональных областях, где значительная часть интеллектуального капитала существует в форме неформализованного опыта специалистов, внутренних регламентов, профессиональных практик, терминологии, правил и процедур.

Медиа производство относится именно к таким предметным областям.

Современная медиа организация представляет собой сложную многоуровневую систему, включающую профессиональные роли, редакционные процессы, информационные ресурсы, источники, произведения, технические средства, временные ограничения, нормативные требования, критерии качества и механизмы принятия решений. Между этими элементами существуют многочисленные отношения, которые могут быть представлены в формализованном виде.

В рамках предлагаемого подхода медиа-производство рассматривается как предметная область, состоящая из формализуемого множества сущностей и отношений. Это создаёт возможность представить его в форме графа знаний:

G = (E, R),

где E — множество сущностей предметной области, а R — множество отношений между ними.

Такое представление является принципиальным переходом от традиционного описания медиа производства к его инженерной формализации.

2. Научная проблема

Традиционные информационные системы преимущественно ориентированы на хранение, передачу и обработку данных. При этом знания предметной области часто распределены между различными информационными системами, документами и специалистами и не образуют единого формального пространства.

В результате возникают проблемы семантической неоднородности, дублирования информации, зависимости от конкретных программных решений, сложности интеграции систем и ограниченной объяснимости интеллектуальных решений.

Существующие технологии искусственного интеллекта частично решают эти задачи, однако сами по себе не формируют универсальную инженерную архитектуру знаний.

Возникает фундаментальная научная проблема:

как сформировать такую инженерную модель интеллектуальной системы, в которой знания предметной области являются самостоятельным архитектурным объектом, независимым от конкретных программных технологий и способным обеспечивать формирование решений, управление процессами и развитие системы?

Решение этой проблемы требует перехода от традиционной архитектуры «данные — приложения — инфраструктура» к архитектуре, в которой исходным уровнем становятся знания.

3. Объект исследования

Объектом исследования являются интеллектуальные медиа-системы и процессы формализации, хранения, обработки, интерпретации и использования профессиональных знаний в медиа-производстве.

4. Предмет исследования

Предметом исследования являются модели, методы, принципы и архитектурные решения инженерии знаний, обеспечивающие построение интеллектуальных медиа-систем на основе формализованного представления знаний.

Особое внимание уделяется онтологическим моделям, графам знаний, метамоделям, механизмам логического вывода и архитектуре интеллектуального ядра.

5. Цель исследования

Целью исследования является разработка теоретических и архитектурных основ инженерии знаний для построения интеллектуальных медиа-систем, способных формализовать профессиональные знания, использовать их в принятии решений и обеспечивать дальнейшее развитие цифровой системы независимо от конкретных технологий реализации.

Для достижения данной цели в работе вводится концепция Media Knowledge System (MKS), рассматриваемая как формальная архитектура интеллектуальной системы медиа производства.

6. Основная научная гипотеза

Основная гипотеза исследования состоит в предположении, что:

если профессиональные знания предметной области представить в виде формальной онтологии, графа знаний, системы правил и ограничений, а механизмы их обработки выделить в независимое интеллектуальное ядро, то возможно построение масштабируемой интеллектуальной системы, способной обеспечивать формирование решений, поддержку процессов и интеграцию различных цифровых сервисов независимо от конкретной технологической платформы.

Данная гипотеза определяет архитектурную логику всей работы.

Она предполагает, что знания должны рассматриваться не как компонент прикладной системы, а как её фундаментальный архитектурный слой.

7. Основные задачи исследования

Для достижения поставленной цели необходимо решить комплекс взаимосвязанных задач:

— определить понятие знания как самостоятельного инженерного объекта;

— сформировать аксиоматические основания Media Knowledge System;

— построить формальную модель медиа-производства;

— определить основные классы сущностей, свойств и отношений предметной области;

— разработать концептуальную архитектуру интеллектуальной медиа-системы;

— сформировать онтологическое ядро и семантическую модель предметной области;

— разработать граф знаний медиа производства;

— определить метамодель и формальный язык построения моделей;

— разработать архитектурные принципы Media Knowledge Core;

— определить механизмы логического вывода и использования знаний;

— сформировать концепцию Media Knowledge Engineering;

— определить критерии качества, масштабируемости, интероперабельности и прослеживаемости интеллектуальной системы;

— исследовать возможности переноса разработанных принципов за пределы медиа сферы;

— сформулировать основы общей теории инженерии знаний — General Knowledge Engineering Theory.

Последовательность этих задач отражает движение исследования от конкретной предметной области к универсальным инженерным принципам.

8. Методологическая основа исследования

Методологическую основу работы составляют системная инженерия, инженерия знаний, методы формального моделирования, онтологического анализа, семантического моделирования, графового представления знаний и архитектурного проектирования интеллектуальных систем.

Особое значение имеет принцип разделения уровней архитектуры.

В предлагаемой модели выделяются семь уровней:

L0 — предметная область;

L1 — онтология;

L2 — граф знаний;

L3 — логический вывод;

L4 — когнитивные сервисы;

L5 — прикладные сервисы;

L6 — пользовательские интерфейсы.

Каждый уровень выполняет самостоятельный круг задач и взаимодействует с соседними уровнями через формально определённые интерфейсы.

Такое разделение позволяет отделить содержание знаний от механизмов их обработки и, в свою очередь, механизмы интеллектуального вывода — от прикладных сервисов.

9. Основной архитектурный принцип

Одним из центральных положений исследования является принцип приоритета архитектуры знаний.

Традиционная инженерная логика часто предполагает последовательность:

Технологии → Данные → Приложения → Пользователи.

В настоящей работе предлагается принципиально иная последовательность:

Знания → Решения → Процессы → Информация → Цифровые сервисы → Технологическая инфраструктура.

Это означает, что архитектура интеллектуальной организации должна начинаться с определения того, какие знания существуют в предметной области, как они структурированы, какие решения на их основе принимаются и какие процессы эти решения поддерживают.

Следовательно, архитектура знаний становится первичным архитектурным доменом интеллектуальной организации.

10. Научная новизна

Научная новизна исследования заключается в формировании целостного подхода к инженерии знаний как к самостоятельной области системного проектирования интеллектуальных систем.

К числу основных результатов относятся:

во-первых, введение концепции Media Knowledge System как формальной архитектуры интеллектуального представления и использования знаний медиа производства;

во-вторых, формализация медиа производства посредством сущностей, отношений, процессов, состояний, правил и решений;

в-третьих, разработка многоуровневой архитектуры интеллектуальной медиа-системы;

в-четвёртых, формирование онтологического ядра и семантического пространства медиа производства;

в-пятых, введение Media Knowledge Core как независимого архитектурного стандарта интеллектуального ядра;

в-шестых, разработка метамодели, определяющей формальные правила построения моделей предметной области;

в-седьмых, развитие концепции Media Knowledge Engineering как отраслевого направления инженерии знаний;

в-восьмых, обобщение разработанных принципов в направлении General Knowledge Engineering Theory.

При этом MKS рассматривается как первая референсная реализация общей теории инженерии знаний.

11. Теоретическая значимость

Теоретическая значимость исследования определяется возможностью рассматривать знания как самостоятельный объект инженерного проектирования.

Такой подход позволяет объединить в единой архитектурной модели знания, семантику, правила, логический вывод, когнитивные сервисы и прикладные функции.

Разработанная архитектурная логика создаёт основу для дальнейшего исследования универсальных закономерностей построения интеллектуальных систем.

Особое значение имеет положение о том, что профессиональные знания должны быть отделены от конкретных программных реализаций. Это обеспечивает возможность технологической эволюции системы без разрушения её фундаментальной интеллектуальной структуры. В архитектуре MKC развитие прикладных сервисов и развитие интеллектуального ядра могут осуществляться независимо при сохранении совместимости интерфейсов.

12. Практическая значимость

Практическая значимость работы состоит в возможности использования предложенных моделей и архитектурных принципов при проектировании:

— интеллектуальных медиа платформ;

— автоматизированных редакционных систем;

— систем управления медиа производством;

— интеллектуальных архивов;

— цифровых информационных платформ;

— систем поддержки принятия решений;

— корпоративных систем управления знаниями;

— автономных цифровых организаций;

— интеллектуальных сервисов на основе графов знаний и онтологий.

Предлагаемый подход допускает реализацию различных систем на различных технологических платформах при сохранении единой архитектурной модели знаний.

13. Архитектурная независимость от технологий искусственного интеллекта

Одним из принципиальных положений книги является отделение знаний от конкретных моделей искусственного интеллекта.

Языковые и иные ИИ-модели рассматриваются как внешние вычислительные сервисы, а не как часть фундаментального ядра знаний. Это позволяет сохранять интеллектуальное содержание системы независимо от смены конкретной модели или технологической платформы.

Такой подход приобретает особую значимость в условиях быстрого развития технологий искусственного интеллекта, когда конкретные модели, алгоритмы и платформы могут изменяться значительно быстрее, чем профессиональные знания организации.

14. Переход от MKS к общей теории инженерии знаний

Исследование начинается с конкретной задачи формализации знаний медиа производства, однако постепенно выходит на более высокий уровень абстракции.

Если знания медиа производства могут быть формализованы, представлены в виде онтологии и графа знаний, обработаны посредством формальных правил и использованы независимым интеллектуальным ядром, возникает возможность применения аналогичного принципа в других предметных областях.

Так формируется переход:

Media Knowledge System → Media Knowledge Engineering → General Knowledge Engineering Theory.

MKS становится частным случаем более общей архитектурной модели, а разработанные в книге принципы получают возможность межотраслевого применения. Универсальная архитектура, предложенная в исследовании, включает уровни знаний, семантики, логического вывода, качества, эволюции, прикладных сервисов и инфраструктуры.

15. Логика построения книги

Структура книги отражает последовательность развития предлагаемой научной концепции.

Сначала формируются исходные понятия и аксиоматические основания. Затем строится формальная модель медиа-производства и разрабатывается концептуальная архитектура MKS.

Следующим этапом становятся онтология, граф знаний и метамодель, которые формируют формальный язык представления предметной области.

После этого вводится Media Knowledge Core как эталонная архитектура интеллектуального ядра и формируется Media Knowledge Engineering как самостоятельная инженерная дисциплина.

На следующем уровне исследование выходит за пределы медиасферы и рассматривает возможность построения общей теории инженерии знаний.

Таким образом, движение книги осуществляется по принципу:

Предметная область → Знания → Формализация → Модель → Архитектура → Интеллектуальное ядро → Инженерия знаний → Универсальная теория.

16. Главный тезис книги

В конечном счёте вся концепция настоящей работы может быть сведена к одному фундаментальному положению:

интеллектуальная система должна проектироваться не вокруг искусственного интеллекта как технологии, а вокруг знаний как инженерного объекта.

Именно знания определяют содержание решений. Решения определяют процессы. Процессы определяют требования к информации и цифровым сервисам. А цифровые сервисы определяют требования к технологической инфраструктуре.

Следовательно, будущее интеллектуальных систем определяется не только развитием алгоритмов искусственного интеллекта.

Оно определяется способностью человека создать инженерию знаний, в которой знания могут быть формализованы, проверены, представлены, вычислены, использованы, объяснены и развиты.

В этом состоит главный замысел настоящей книги.

MEDIA KNOWLEDGE SYSTEM (MKS)

Теория интеллектуального моделирования медиа производства

Версия 1.0 (Draft)

Назначение документа

Настоящий документ определяет теоретические, методологические и инженерные основы проекта Media Knowledge System (MKS) — интеллектуальной платформы нового поколения, предназначенной для формального представления, хранения, анализа и использования профессиональных знаний в области медиа производства.

В отличие от существующих информационных систем, объектом моделирования в MKS являются не документы, файлы или технологические процессы, а знания, лежащие в основе принятия профессиональных решений.

Таким образом, MKS относится к классу Knowledge-Centric Systems — систем, в которых знания являются первичным объектом моделирования, а данные и документы рассматриваются как производные сущности.

1. Предпосылки создания Media Knowledge System

1.1 Эволюция информационных систем медиа производства

Развитие информационных технологий в медиа можно представить, как последовательность этапов.

Вывод 1.1. Историческое развитие медиа систем демонстрирует закономерный переход от автоматизации операций к необходимости автоматизации знаний.

1.2 Анализ существующих классов решений

Современная цифровая медиа среда включает множество специализированных систем.

Из таблицы следует, что существующие решения ориентированы преимущественно на обработку информации и автоматизацию функций. Ни один из рассмотренных классов систем не содержит целостной формальной модели профессиональных знаний медиа производства.

1.3 Научная проблема

На основании проведённого анализа формулируется основная научная проблема проекта.

Отсутствует формальная инженерная модель знаний медиа производства, пригодная для вычислительной обработки, машинного вывода и интеллектуальной поддержки профессиональных решений.

Данная проблема имеет четыре взаимосвязанных аспекта.

1.4 Исследовательская гипотеза

Основная гипотеза проекта формулируется следующим образом.

Если медиа производство представить, как формальную систему взаимосвязанных сущностей, процессов, ролей, правил и моделей принятия решений, то возможно создание вычислительной интеллектуальной системы, обеспечивающей поддержку профессиональной деятельности на всех уровнях управления медиа организацией.

Для проверки данной гипотезы предлагается решить последовательность исследовательских задач.

1.5 Критерии научной и инженерной состоятельности

Проект MKS считается успешно реализуемым при выполнении следующих критериев.

Глава 2. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ MEDIA KNOWLEDGE SYSTEM

2.1. Объект исследования

2.1.1. Формулировка объекта исследования

Объектом исследования настоящей работы является медиа производство, рассматриваемое как сложная организационно-техническая система, функционирование которой определяется совокупностью профессиональных знаний, управленческих решений, технологических процессов и информационных потоков.

В отличие от традиционных исследований, объектом анализа являются не отдельные медиа технологии, виды контента или программно-технические средства, а совокупность закономерностей, определяющих создание, распространение и управление медиа контентом.

Такой подход позволяет перейти от исследования отдельных процессов к исследованию системы как единого целого.

2.1.2. Границы исследования

В рамках проекта Media Knowledge System рассматриваются следующие компоненты медиа системы.

Проект не ставит целью моделирование физических устройств или отдельных программных продуктов.

Объектом моделирования является система знаний, обеспечивающая функционирование медиа производства независимо от используемых технологий.

2.2. Предмет исследования

Предметом исследования являются методы формального представления профессиональных знаний медиа производства, обеспечивающие возможность их компьютерной обработки, анализа, накопления и использования при поддержке профессиональной деятельности.

Предмет исследования включает:

2.3. Научная новизна

Научная новизна проекта заключается в том, что впервые предлагается рассматривать медиа производство не как совокупность технологических процессов, а как предмет инженерии знаний.

Предлагаемый подход отличается от существующих исследований следующими положениями.

2.4. Методологическая база исследования

Проект MKS основывается на синтезе нескольких научных направлений.

Следует отметить, что искусственный интеллект рассматривается не как самостоятельная методологическая основа проекта, а как инструмент реализации, формализованной модели знаний.

2.5. Основные положения теории

Настоящая работа основывается на следующих исходных положениях.

Положение 1

Любая медиа организация является сложной системой.

Обоснование.

Медиа организация включает множество взаимосвязанных элементов, обладающих собственной структурой, функциями и механизмами взаимодействия.

Следовательно, она удовлетворяет классическим признакам сложной системы.

Положение 2

Любая сложная система обладает собственной системой знаний.

Обоснование.

Функционирование организации невозможно без накопленных правил, профессионального опыта, нормативных документов, компетенций специалистов и моделей принятия решений.

Следовательно, знания являются обязательным элементом функционирования медиа системы.

Положение 3

Профессиональные знания могут быть формализованы.

Обоснование.

Современные методы онтологического моделирования, инженерии знаний и семантических сетей позволяют представить профессиональные знания в виде формальных моделей.

Следовательно, знания медиа производства допускают машинное представление.

Положение 4

Формализованные знания допускают вычислительную обработку.

Обоснование.

Онтологии, графы знаний, логические правила и семантические модели являются объектами вычислительной обработки.

Следовательно, возможно построение интеллектуальной системы поддержки профессиональной деятельности.

2.6. Логическая цепочка доказательства осуществимости проекта

Одной из целей настоящей главы является обоснование принципиальной реализуемости Media Knowledge System.

Доказательство строится как последовательность логически связанных утверждений.

2.7. Критерии фальсифицируемости

В соответствии с принципами научного исследования теория должна допускать возможность проверки и потенциального опровержения.

Для проекта MKS это означает, что его положения должны быть эмпирически проверяемыми.

Глава 3. Аксиоматические основы Media Knowledge System

3.1. Назначение аксиоматического аппарата

Любая зрелая инженерная дисциплина основывается на системе исходных положений, принимаемых в качестве базовых допущений. В математике такую роль выполняют аксиомы, в физике — фундаментальные законы природы, в системной инженерии — принципы построения сложных систем.

Создание Media Knowledge System также требует формализации исходных положений, определяющих природу медиа производства как объекта инженерного моделирования.

Настоящий раздел вводит систему аксиом, являющихся теоретическим основанием дальнейшего построения онтологии, графа знаний, моделей процессов, архитектуры интеллектуального ядра и вычислительных алгоритмов.

Аксиомы не являются гипотезами. Они принимаются в качестве исходных принципов построения модели. Их практическая ценность определяется непротиворечивостью всей последующей архитектуры.

3.2. Классификация аксиом

Для обеспечения логической целостности аксиомы разделяются на пять классов.

Такое разделение обеспечивает независимость различных уровней модели и позволяет развивать каждый уровень без нарушения общей структуры системы.

3.3. Системные аксиомы

Аксиома A1. Принцип системности

Любая медиа организация представляет собой сложную организационно-техническую систему.

Обоснование.

Медиа организация состоит из множества взаимосвязанных компонентов, функционирование каждого из которых оказывает влияние на состояние остальных компонентов. Изменение редакционной политики влияет на процессы производства, кадровые решения, качество контента, доверие аудитории и экономические показатели.

Следовательно, медиа организация удовлетворяет классическим признакам сложной системы:

— наличие структуры;

— наличие взаимосвязанных элементов;

— наличие целей;

— наличие механизмов управления;

— наличие обратной связи;

— способность к развитию.

Следствие A1.1

Изолированное рассмотрение отдельных подразделений не позволяет адекватно описать функционирование медиа системы.

Следствие A1.2

Объектом моделирования должна являться система в целом.

3.4. Аксиома A2. Принцип целостности

Свойства медиа системы не сводятся к сумме свойств её отдельных компонентов.

Обоснование.

Качество телевизионного выпуска определяется не только профессионализмом журналиста, режиссёра, оператора или редактора, а результатом их взаимодействия.

Следовательно, моделирование отдельных элементов без описания связей между ними является недостаточным.

Практическое следствие

Основной единицей моделирования в MKS является не отдельный объект, а система отношений между объектами.

3.5. Аксиома A3. Принцип эмерджентности

При взаимодействии элементов медиа системы возникают свойства, отсутствующие у отдельных компонентов.

Примерами эмерджентных свойств являются:

Ни один из перечисленных объектов не существует независимо от системы.

Следовательно, данные свойства должны моделироваться как характеристики системы, а не отдельных сотрудников.

3.6. Онтологические аксиомы

Аксиома B1. Принцип существования сущностей

Любая медиа система может быть представлена конечным множеством сущностей.

Обозначим множество сущностей как:

E = {e₁, e₂, …, eₙ}

где:

— E — множество сущностей;

— eᵢ — отдельная сущность.

К сущностям относятся:

Следствие B1.1

Ни один объект моделирования не существует вне множества сущностей.

3.7. Аксиома B2. Принцип отношений

Любая сущность определяется не только собственными свойствами, но и отношениями с другими сущностями.

Формально отношение можно представить, как отображение:

R ⊆ E × E

где:

— R — множество отношений;

— E — множество сущностей.

Например:

Следовательно, знание в MKS рассматривается как совокупность сущностей и отношений между ними.

3.8. Формальный вывод

Из аксиом A1–A3 и B1–B2 непосредственно следует возможность представления медиа производства в виде ориентированного графа знаний.

Если:

— медиа производство представляет собой систему;

— система состоит из конечного множества сущностей;

— между сущностями существуют формализуемые отношения,

то медиа производство может быть представлено структурой вида:

G = (E, R)

где:

— G — граф знаний медиа производства;

— E — множество сущностей;

— R — множество отношений между сущностями.

Данный вывод имеет принципиальное значение для проекта Media Knowledge System, поскольку он обеспечивает логический переход от теоретической модели предметной области к её вычислительной реализации.

Глава 4. Формальная модель медиа производства

4.1. Необходимость формального моделирования

Одним из ключевых требований к любой интеллектуальной системе является наличие формальной модели предметной области.

Без подобной модели невозможно обеспечить:

— однозначность интерпретации профессиональных терминов;

— машинную обработку знаний;

— логический вывод;

— автоматическую проверку непротиворечивости знаний;

— интеллектуальную поддержку принятия решений.

Следовательно, первым этапом разработки Media Knowledge System должно стать построение формальной модели медиа производства.

Под формальной моделью понимается математически определённое представление объектов, их свойств, взаимосвязей и правил функционирования, допускающее вычислительную обработку.

В рамках настоящего исследования предлагается рассматривать медиа производство как совокупность пяти взаимосвязанных пространств:

Таким образом, общая модель медиа производства может быть представлена следующим образом:

M = (E, P, D, K, S)

где:

— M — формальная модель медиа производства;

— E — множество сущностей;

— P — множество процессов;

— D — множество решений;

— K — множество знаний;

— S — множество состояний системы.

Данная модель является минимально достаточной для описания любой медиа организации независимо от масштаба, организационной структуры и используемых технологий.

4.2. Пространство сущностей

В классической инженерии знаний объектом моделирования являются сущности предметной области.

Для Media Knowledge System сущность определяется следующим образом.

Определение 4.1

Сущность — это объект реального или концептуального мира, обладающий идентичностью, набором свойств и отношениями с другими объектами.

Каждая сущность описывается кортежем:

e = (ID, T, A, R)

где:

— ID — уникальный идентификатор;

— T — тип сущности;

— A — множество атрибутов;

— R — множество отношений.

Пример описания сущности.

Следовательно, каждая сущность обладает не только набором характеристик, но и принадлежит определённому классу предметной области.

4.3. Классификация сущностей

Для обеспечения масштабируемости предлагается использовать многоуровневую классификацию.

Подобная структура обеспечивает единый механизм описания различных объектов независимо от их природы.

4.4. Пространство процессов

Любая сущность существует не изолированно, а участвует в одном или нескольких процессах.

Процесс определяется как упорядоченная последовательность действий, приводящая к изменению состояния системы.

Формально процесс представляется следующим образом:

p = (I, A, O)

где:

— I — входные данные;

— A — множество действий;

— O — выходной результат.

Например, процесс подготовки новостного материала может быть представлен следующим образом.

Каждый этап рассматривается как самостоятельный объект моделирования.

Это позволяет анализировать узкие места, определять причины ошибок и моделировать альтернативные сценарии выполнения процесса.

4.5. Пространство решений

Одним из ключевых отличий MKS от существующих информационных систем является выделение профессионального решения в самостоятельный объект моделирования.

В большинстве редакционных систем решение существует лишь как действие пользователя.

В предлагаемой модели решение обладает собственной структурой.

Определение 4.2

Решение — это интеллектуальный акт выбора одного из допустимых вариантов действий на основании имеющихся знаний, целей и ограничений.

Каждое решение описывается следующей структурой.

Такое описание позволяет перейти от регистрации решений к их интеллектуальному анализу.

4.6. Пространство знаний

В настоящем исследовании знания рассматриваются как самостоятельный вычислительный объект.

Предлагается следующее определение.

Определение 4.3

Знание представляет собой формализованное описание закономерностей предметной области, пригодное для повторного использования при решении профессиональных задач.

Структура знания включает следующие компоненты.

Подобное описание позволяет объединить нормативные документы, профессиональный опыт, методические материалы и экспертные рекомендации в единую вычислительную систему.

4.7. Пространство состояний

Любая медиа система находится в определённом состоянии.

Состояние определяется совокупностью характеристик организации в конкретный момент времени.

Примерами состояния являются:

Формальное описание состояний позволяет строить цифровые модели функционирования организации и прогнозировать последствия принимаемых решений.

4.8. Формальная интеграция модели

Полученные определения позволяют представить медиа производство как взаимосвязанную систему пяти пространств.

Каждая сущность участвует в одном или нескольких процессах.

Каждый процесс приводит к изменению состояния системы.

Каждое изменение состояния обусловлено одним или несколькими решениями.

Каждое решение основывается на определённом наборе знаний.

Таким образом формируется замкнутый цикл функционирования Media Knowledge System.

4.9. Теорема о вычислимости медиа производства

На основании аксиом главы 3 и введённой формальной модели можно сформулировать первое теоретическое положение проекта.

Теорема 4.1.

Если:

— медиа производство представлено конечным множеством сущностей;

— сущности участвуют в конечном множестве процессов;

— процессы изменяют состояние системы;

— изменения состояния определяются профессиональными решениями;

— решения принимаются на основании формализованных знаний,

то медиа производство допускает представление в виде вычислительной модели, пригодной для построения интеллектуальной системы поддержки принятия решений.

Доказательство (концептуальное).

Каждый компонент модели имеет конечное описание и формализованные отношения с другими компонентами. Следовательно, вся система может быть представлена как конечная структура данных с определёнными правилами переходов между состояниями. Такая структура допускает алгоритмическую обработку, проверку непротиворечивости и выполнение логического вывода.

Следовательно, построение Media Knowledge System не противоречит современным принципам системной инженерии, инженерии знаний и теории вычислимых моделей.

Конец доказательства.

Глава 5. Концептуальная архитектура Media Knowledge System

5.1. Общие положения

После доказательства принципиальной возможности формального представления медиа производства возникает следующий закономерный вопрос: каким образом должна быть организована вычислительная система, способная работать с подобной моделью?

Ответ на данный вопрос определяет концептуальную архитектуру Media Knowledge System.

Под концептуальной архитектурой понимается совокупность взаимосвязанных функциональных компонентов, обеспечивающих представление, накопление, обработку, анализ и использование знаний независимо от конкретной программной реализации.

На данном этапе исследования архитектура рассматривается как абстрактная инженерная модель. Выбор языков программирования, баз данных, облачной инфраструктуры и средств разработки выходит за рамки настоящей главы и относится к этапу проектирования программной платформы.

5.2. Архитектурные принципы

Концептуальная архитектура Media Knowledge System строится на основании принципов системной инженерии, инженерии знаний и сервисно-ориентированного проектирования.

Таблица 5.1 — Основные архитектурные принципы

Следование указанным принципам обеспечивает возможность длительного развития платформы без необходимости радикального изменения её фундаментальной структуры.

5.3. Архитектурные уровни

Предлагается выделить семь уровней архитектуры.

Таблица 5.2 — Уровни архитектуры MKS

Данная структура соответствует принципу разделения ответственности, согласно которому каждый уровень решает ограниченный круг задач и взаимодействует с соседними уровнями через формально определённые интерфейсы.

5.4. Онтологическое ядро

Центральным элементом архитектуры является онтологическое ядро.

Определение 5.1.

Онтологическое ядро — это совокупность формальных определений сущностей, их свойств, отношений, ограничений и классификаций, образующая единое понятийное пространство медиа производства.

Онтологическое ядро выполняет следующие функции.

Таблица 5.3 — Функции онтологического ядра

Следовательно, онтология является не приложением системы, а её фундаментом.

5.5. Семантическое ядро

Если онтология определяет понятия, то семантическое ядро определяет реальные связи между объектами.

Каждый объект предметной области рассматривается как вершина графа.

Каждое отношение рассматривается как ориентированное ребро.

Таким образом формируется граф знаний.

Таблица 5.4 — Пример семантических отношений

Представление знаний в виде графа обеспечивает возможность поиска логических зависимостей, построения объяснений и анализа последствий изменений.

5.6. Ядро логического вывода

Наличие онтологии и графа знаний само по себе не обеспечивает интеллектуального поведения системы.

Необходим механизм, позволяющий применять знания к конкретным ситуациям.

Для решения этой задачи вводится компонент логического вывода.

Его функции представлены в таблице.

Таблица 5.5 — Функции логического вывода

Важной особенностью MKS является требование объяснимости. Любая рекомендация должна сопровождаться указанием использованных знаний, применённых правил и причинно-следственной цепочки.

5.7. Когнитивный слой

Когнитивный слой представляет собой совокупность специализированных интеллектуальных сервисов, работающих поверх логического ядра.

В отличие от универсальных языковых моделей когнитивные сервисы используют знания, специфичные для медиа производства.

Таблица 5.6 — Примеры когнитивных сервисов

Следует подчеркнуть, что перечисленные сервисы являются прикладными проявлениями единой модели знаний, а не независимыми программными решениями.

5.8. Прикладной уровень

На прикладном уровне реализуются пользовательские продукты.

Именно здесь могут быть созданы различные специализированные приложения.

Таблица 5.7 — Возможные прикладные продукты

Важно отметить, что все перечисленные продукты используют единое онтологическое и семантическое ядро. Это означает, что знания создаются один раз и затем повторно используются всеми сервисами.

5.9. Архитектурная теорема

На основании предыдущих глав можно сформулировать следующее положение.

Теорема 5.1.

Если:

— предметная область формализована в виде онтологии;

— онтология представлена графом знаний;

— граф знаний дополнен системой логических правил;

— логические правила допускают алгоритмическое применение;

— результаты алгоритмической обработки доступны прикладным сервисам,

то построение единой интеллектуальной платформы поддержки медиа производства является архитектурно реализуемой задачей.

Концептуальное доказательство.

Каждый компонент архитектуры решает самостоятельную задачу и взаимодействует с другими компонентами через формально определённые структуры данных и интерфейсы. Отсутствуют логические противоречия между уровнями модели, а функции каждого уровня могут быть реализованы современными средствами инженерии знаний, графовыми базами данных, системами логического вывода и технологиями искусственного интеллекта. Следовательно, архитектура MKS обладает внутренней согласованностью и допускает последовательную инженерную реализацию.

Построена концептуальная архитектура Media Knowledge System, определяющая состав основных компонентов, принципы их взаимодействия и распределение ответственности между уровнями системы.

Архитектура обладает следующими свойствами:

— независимость предметной модели от программной реализации;

— единое семантическое пространство;

— возможность масштабирования;

— объяснимость принимаемых решений;

— повторное использование знаний;

— поддержка интеграции с существующими информационными системами.

Глава 6. Онтологическая модель медиа производства

6.1. Общие положения

В предыдущих главах была доказана принципиальная возможность представления медиа производства в виде вычислительной модели и разработана концептуальная архитектура Media Knowledge System. Следующим этапом является построение онтологии предметной области.

Онтология является центральным элементом любой системы инженерии знаний. Именно она определяет понятийный аппарат, структуру объектов, их свойства, отношения и ограничения. Без онтологии невозможно обеспечить единообразную интерпретацию данных, логический вывод, повторное использование знаний и совместимость различных компонентов интеллектуальной системы.

В рамках настоящего исследования под онтологией понимается формальная спецификация концептуализации предметной области медиа производства.

Определение 6.1.

Онтология медиа производства — это формальная модель предметной области, включающая систему классов, объектов, свойств, отношений, ограничений и правил, предназначенная для машинной интерпретации профессиональных знаний.

В отличие от традиционных словарей терминов, онтология определяет не только значения понятий, но и их место в общей структуре знаний, допустимые взаимосвязи и правила использования.

6.2. Требования к онтологии

Онтология Media Knowledge System должна удовлетворять следующим требованиям.

Таблица 6.1 — Требования к онтологии

Выполнение данных требований является необходимым условием для промышленной эксплуатации MKS.

6.3. Принципы построения онтологии

При разработке онтологии предлагается использовать следующие принципы.

Таблица 6.2 — Принципы проектирования

Данные принципы соответствуют общепринятым подходам инженерии знаний и обеспечивают долгосрочную устойчивость модели.

6.4. Архитектура онтологии

Предлагается многоуровневая организация онтологии.

Таблица 6.3 — Уровни онтологии

Подобная архитектура позволяет использовать одну и ту же модель как для небольших редакций, так и для национальных медиа-холдингов.

6.5. Базовые классы предметной области

Одной из наиболее важных задач является определение минимального набора базовых классов.

Предлагается следующий состав.

Таблица 6.4 — Базовые классы онтологии

Данный перечень не является окончательным, однако представляет собой минимально необходимое ядро онтологии.

6.6. Иерархия наследования

Каждый базовый класс может иметь специализированные подклассы.

Пример для класса Content представлен в таблице.

Таблица 6.5 — Иерархия класса Content

Каждый подкласс наследует свойства класса Content и может определять дополнительные характеристики.

Такой механизм обеспечивает сокращение объёма модели и исключает повторное описание общих свойств.

6.7. Свойства классов

Каждый класс определяется множеством обязательных и дополнительных свойств.

Таблица 6.6 — Пример описания класса News

Подобная структура позволяет автоматически проверять полноту описания объектов и корректность вводимых данных.

6.8. Семантические отношения

Онтология определяет не только объекты, но и допустимые отношения между ними.

Таблица 6.7 — Основные отношения

Формализация отношений обеспечивает возможность построения графа знаний и выполнения логических запросов.

6.9. Ограничения целостности

Для обеспечения качества знаний необходимо определить систему ограничений.

Таблица 6.8 — Примеры ограничений

Подобные ограничения могут быть реализованы средствами SHACL, OWL или механизмами валидации графовых баз данных.

6.10. Онтологическая теорема

Теорема 6.1.

Если предметная область описывается конечным множеством классов, свойства классов формализованы, отношения между классами определены, а ограничения целостности выражены в логической форме, то такая предметная область допускает построение машинно-интерпретируемой онтологии.

Концептуальное доказательство.

Все элементы модели представлены в виде конечных множеств и формальных отношений. Следовательно, их можно выразить средствами существующих языков онтологического моделирования и использовать для автоматизированной обработки. Из этого следует, что онтология медиа производства является реализуемым инженерным объектом, а не исключительно теоретической конструкцией.

В настоящей главе сформулированы требования, принципы и архитектура онтологии Media Knowledge System. Показано, что предметная область медиа производства может быть представлена в виде иерархии классов, связанных формальными отношениями и ограничениями. Такая модель создаёт основу для последующего построения графа знаний, механизмов логического вывода и интеллектуальных сервисов.

Глава 7. Метамодель Media Knowledge System

7.1. Общие положения

Предыдущие главы показали, что медиа производство может быть описано посредством онтологии, включающей сущности, отношения, процессы, решения и знания. Однако сама онтология также является моделью, а любая модель должна строиться по определённым правилам.

Следовательно, перед построением онтологии необходимо определить систему правил, по которым она создаётся.

Такую систему правил в инженерии принято называть метамоделью.

Метамодель определяет язык описания предметной области и обеспечивает единообразие построения всех моделей, создаваемых в рамках Media Knowledge System.

Если онтология отвечает на вопрос «что существует в медиа производстве?», то метамодель отвечает на вопрос «каким образом должно быть описано всё существующее?»

Это различие имеет принципиальное значение.

Без метамодели каждая новая онтология будет строиться произвольно.

При наличии метамодели все создаваемые модели становятся совместимыми, проверяемыми и пригодными для автоматизированной обработки.

7.2. Понятие метамодели

Определение 7.1

Метамодель Media Knowledge System представляет собой формальную систему описания моделей предметной области, определяющую допустимые типы объектов, отношений, ограничений и правил моделирования.

Иными словами, метамодель определяет не сами знания, а способ их представления.

Таблица 7.1 — Уровни абстракции

Таким образом, метамодель располагается между языком моделирования и предметной областью.

7.3. Назначение метамодели

Метамодель должна обеспечить решение следующих задач.

Таблица 7.2 — Назначение метамодели

Без метамодели каждая новая предметная область фактически становится самостоятельным проектом.

При использовании единой метамодели различные предметные области образуют единую экосистему знаний.

7.4. Базовые элементы метамодели

Предлагается определить минимальный набор универсальных конструкций, достаточных для описания любой предметной области медиа производства.

Таблица 7.3 — Базовые элементы

Все остальные элементы онтологии являются специализациями данных конструкций.

Это означает, что количество базовых понятий метамодели должно оставаться минимальным.

7.5. Формальная структура объекта

Каждый объект, независимо от его природы, должен иметь единое описание.

Предлагается следующая универсальная структура.

Таблица 7.4 — Структура объекта

Следствием данного подхода является возможность единообразной обработки всех объектов системы.

7.6. Формальная структура отношения

Отношения являются самостоятельными объектами моделирования.

Каждое отношение должно обладать собственными характеристиками.

Таблица 7.5 — Структура отношения

Подобная модель позволяет описывать динамические отношения, изменяющиеся во времени.

Это особенно важно при моделировании редакционных процессов, организационной структуры и производственных проектов.

7.7. Метамодель жизненного цикла

Практически каждый объект медиа производства проходит последовательность состояний.

Поэтому понятие жизненного цикла вводится как универсальная конструкция.

Таблица 7.6 — Общая модель жизненного цикла

Конкретные классы могут расширять данную последовательность собственными состояниями.

7.8. Метамодель правил

Особое место занимает описание правил.

В большинстве информационных систем правила являются программным кодом.

В Media Knowledge System правила рассматриваются как самостоятельные объекты знаний.

Каждое правило имеет собственную структуру.

Таблица 7.7 — Структура правила

Такое представление делает возможным независимое управление знаниями без изменения программного обеспечения.

7.9. Принцип универсальности

Метамодель должна быть применима не только к телевидению.

Она должна обеспечивать моделирование:

Следовательно, объектом моделирования является не технология распространения информации, а процессы производства и управления знаниями.

7.10. Принцип предметной независимости

Одним из наиболее важных требований является независимость метамодели от конкретной отрасли.

Фактически Media Knowledge System должна состоять из двух частей.

Таблица 7.8 — Разделение уровней

Такое разделение открывает возможность развития платформы в будущем.

Например:

— Healthcare Knowledge System — для здравоохранения;

— Education Knowledge System — для образования;

— Industrial Knowledge System — для промышленности.

При сохранении единого Meta Core все эти системы смогут использовать общие механизмы моделирования, логического вывода и управления знаниями.

7.11. Теорема о полноте метамодели

Теорема 7.1.

Если любая предметная область может быть представлена посредством объектов, свойств, отношений, процессов, состояний, правил и решений, а метамодель содержит формальные конструкции для описания каждого из перечисленных элементов, то такая метамодель является функционально полной относительно рассматриваемой предметной области.

Концептуальное доказательство.

Метамодель не описывает конкретные сущности, а предоставляет универсальный язык их представления. При условии, что каждому элементу предметной области соответствует элемент метамодели, существует отображение между реальной системой и её формальным описанием. Следовательно, любая модель медиа производства может быть построена средствами Meta Core без изменения самой метамодели.

Разработка метамодели завершает формирование теоретического фундамента Media Knowledge System. На этом этапе определён не только способ описания медиа производства, но и язык, на котором будут создаваться все последующие модели.

Глава 8. Media Knowledge Core (MKC). Эталонная архитектура интеллектуального ядра

8.1. Общие положения

К настоящему моменту исследования сформированы аксиоматическая база, формальная модель медиа производства, концептуальная архитектура, метамодель и принципы построения онтологии. Однако перечисленные элементы описывают методологию создания системы и не определяют её обязательную инженерную структуру.

Для перехода от научной модели к промышленной реализации вводится понятие Media Knowledge Core (MKC) — эталонного интеллектуального ядра платформы Media Knowledge System.

MKC представляет собой совокупность обязательных программно-независимых компонентов, реализующих хранение, обработку, интерпретацию и использование профессиональных знаний.

Принципиально важно отметить, что MKC не является программным продуктом.

MKC является архитектурным стандартом.

Такое разделение соответствует современной практике системной инженерии, где архитектурный стандарт определяет состав и взаимодействие компонентов независимо от технологий реализации.

Следовательно, различные организации могут создавать собственные реализации Media Knowledge System при условии полного соответствия требованиям MKC.

8.2. Цели создания Media Knowledge Core

Разработка эталонного ядра преследует несколько взаимосвязанных целей.

Таблица 8.1 — Цели Media Knowledge Core

Таким образом, MKC выполняет ту же роль, которую операционная система выполняет для прикладного программного обеспечения: предоставляет единое интеллектуальное основание для функционирования всех компонентов системы.

8.3. Архитектурная позиция Media Knowledge Core

Media Knowledge Core располагается между предметной моделью и прикладными сервисами.

Его задача заключается не в создании пользовательского функционала, а в обеспечении единого механизма работы со знаниями.

Таблица 8.2 — Положение MKC в общей архитектуре

Такое положение обеспечивает независимость прикладных решений от внутренней организации знаний.

8.4. Состав Media Knowledge Core

Предлагается определить девять обязательных компонентов ядра.

Таблица 8.3 — Основные компоненты MKC

Каждый компонент имеет строго определённую область ответственности.

Никакой компонент не должен выполнять функции другого.

Это требование является обязательным для всех совместимых реализаций MKC.

8.5. Ontology Manager

Ontology Manager является центральным компонентом управления понятийной моделью.

Основные функции представлены в таблице.

Таблица 8.4 — Функции Ontology Manager

Ontology Manager не хранит экземпляры объектов.

Он управляет исключительно моделью знаний.

8.6. Knowledge Repository

Knowledge Repository является единым хранилищем всех формализованных знаний.

Под знаниями понимаются:

— нормативные документы;

— методические материалы;

— профессиональные правила;

— экспертные заключения;

— редакционные стандарты;

— шаблоны решений;

— модели процессов;

— описания компетенций;

— организационные регламенты.

Каждый элемент знаний рассматривается как самостоятельный объект.

Таблица 8.5 — Структура записи Knowledge Repository

8.7. Semantic Graph Engine

Граф знаний является вычислительным представлением онтологии.

Semantic Graph Engine обеспечивает:

— создание вершин;

— создание отношений;

— удаление связей;

— анализ графовой структуры;

— поиск зависимостей;

— определение кратчайших цепочек знаний;

— вычисление семантического расстояния;

— обнаружение противоречий.

Следовательно, данный компонент реализует структурную основу интеллектуального анализа.

8.8. Rule Engine

Rule Engine предназначен для исполнения формализованных правил.

Каждое правило рассматривается как самостоятельный объект знаний.

Пример.

ЕСЛИ

Источник имеет низкий уровень доверия

И

Факт не подтверждён

ТО

Материал не может получить статус

«Подготовлен к публикации».

Подобные правила являются независимыми от программного кода.

Это позволяет экспертам изменять правила без участия разработчиков.

8.9. Reasoning Engine

Reasoning Engine представляет собой наиболее интеллектуальный компонент Media Knowledge Core.

Его функции включают:

Таблица 8.6 — Функции Reasoning Engine

В отличие от генеративных языковых моделей данный компонент не генерирует текст.

Он выполняет интеллектуальное рассуждение на основании формализованных знаний.

Это различие является фундаментальным.

8.10. Validation Engine

Validation Engine обеспечивает контроль качества всей базы знаний.

Проверке подлежат:

— корректность онтологии;

— непротиворечивость правил;

— полнота описания объектов;

— отсутствие циклических зависимостей;

— соответствие архитектурным ограничениям;

— корректность ссылочной структуры.

Каждая операция изменения знаний должна сопровождаться автоматической проверкой целостности модели.

8.11. Knowledge API

Ни одно прикладное приложение не должно обращаться непосредственно к внутренним структурам ядра.

Взаимодействие осуществляется исключительно через Knowledge API.

Таблица 8.7 — Основные функции API

Такой подход обеспечивает независимость прикладного уровня от внутренней реализации Media Knowledge Core.

8.12. Provenance Manager

Одной из наиболее серьёзных проблем современных систем искусственного интеллекта является отсутствие возможности определить происхождение знаний.

Media Knowledge System должна решать данную проблему на архитектурном уровне.

Каждое знание должно сопровождаться информацией о происхождении.

Таблица 8.8 — Метаданные происхождения знаний

Без подобных метаданных интеллектуальная система не может считаться объяснимой и пригодной для применения в профессиональной среде.

8.13. Теорема о независимости интеллектуального ядра

Теорема 8.1.

Если все профессиональные знания, правила, отношения и механизмы вывода сосредоточены в независимом интеллектуальном ядре, а прикладные сервисы взаимодействуют с ним исключительно через стандартизированные интерфейсы, то развитие прикладных сервисов не требует изменения интеллектуального ядра, а развитие интеллектуального ядра не требует переработки прикладных сервисов при сохранении совместимости интерфейсов.

Концептуальное доказательство.

Архитектурное разделение ответственности исключает прямую зависимость прикладной логики от внутренней структуры знаний. Все изменения локализуются в пределах соответствующего компонента и становятся прозрачными для остальных элементов системы благодаря использованию стабильных контрактов взаимодействия. Следовательно, архитектура приобретает свойства модульности, масштабируемости и технологической независимости.

В настоящей главе впервые введено понятие Media Knowledge Core как самостоятельного архитектурного стандарта, определяющего обязательный состав интеллектуального ядра Media Knowledge System.

Определены цели, принципы построения, состав компонентов и правила их взаимодействия. Показано, что интеллектуальное ядро должно быть независимо как от прикладных сервисов, так и от конкретных технологий реализации.

Глава 9. Media Knowledge Engineering (MKE). Теория инженерии знаний медиа производства

9.1. Общие положения

К настоящему моменту исследования разработаны аксиоматические основы Media Knowledge System, построена формальная модель медиа производства, определена концептуальная архитектура системы, сформирована метамодель, предложена онтология предметной области и разработана эталонная архитектура интеллектуального ядра Media Knowledge Core.

Совокупность полученных результатов позволяет сформулировать принципиально новое положение.

Предметом исследования является не программная система Media Knowledge System как таковая, а закономерности создания, формализации, представления, накопления, использования и развития профессиональных знаний медиа производства.

Следовательно, возникает самостоятельная область научного знания, которую предлагается определить, как Media Knowledge Engineering (MKE) — инженерию знаний медиа производства.

Media Knowledge System в данном случае представляет собой первую инженерную реализацию положений новой научной дисциплины.

Таким образом, объект исследования и объект разработки перестают совпадать.

Объектом исследования становится инженерия знаний медиа производства.

Объектом разработки становится программная платформа, реализующая положения данной теории.

Именно такое разделение соответствует методологии системной инженерии, где научная теория предшествует разработке конкретных программно-технических комплексов.

9.2. Определение Media Knowledge Engineering

Определение 9.1

Media Knowledge Engineering — это междисциплинарная область инженерии знаний, изучающая методы формального представления, моделирования, верификации, хранения, обработки, распространения и использования профессиональных знаний медиа производства с целью построения интеллектуальных вычислительных систем поддержки принятия решений.

Данное определение включает три принципиально важных положения.

Во-первых, объектом исследования являются знания, а не данные.

Во-вторых, знания рассматриваются как инженерный объект, обладающий структурой, жизненным циклом и требованиями к качеству.

В-третьих, конечной целью является не автоматизация отдельных операций, а построение интеллектуальных систем, использующих знания в качестве основного вычислительного ресурса.

9.3. Предмет новой дисциплины

Предмет Media Knowledge Engineering определяется совокупностью процессов, обеспечивающих существование знаний в медиа среде.

Таблица 9.1 — Предмет исследования MKE