Термин прикладная семиотика появился в августе 1995 года, когда в г. Монтеррее (Мексика) специалисты из России и США обсуждали круг проблем, связанных с новыми подходами к управлению сложными большими системами. Эти новые подходы возрождали те идеи, которые появились в нашей стране в конце 60-х годов и были реализованы в системах ситуационного управления [8]. Как известно, в основе ситуационного управления было положение о том, что для объектов, для которых из-за сложности нет возможности построить формальную модель функционирования объекта и управления им, имеет смысл попытаться построить такие модели на неформальном уровне. Этот неформальный уровень оказывался близким к тому, который используется в лингвистике при описании глубинной семантики текста [1, 14]. Язык ситуационного управления и близкие к нему по идеям язык RX-кодов и Универсальный семантический код [7, 9] демонстрировали возможность описания ситуаций, складывающихся на объекте управления и в модели управления с той степенью детальности, которая необходима для управления, не отличающегося по качеству от того, которое обеспечивают опытные специалисты-управленцы.

Обращение к семантическим представлениям естественно-языковых описаний свидетельствовало о том, что языковое описание рассматривается не на лингвистическом, а на семиотическом уровне. Семиотический уровень представления знаний - объект изучения науки, называемой семиотикой. Семиотика, возникшая в XX реке, изучает разнообразные знаковые системы, пронизывающие всю сферу деятельности человека. А естественный язык является примером наиболее мощной знаковой системы из тех, которые созданы и используются человеком.

Семиотика до последнего времени была типично гуманитарной наукой, тесно связанной с лингвистикой, филологией, историей, культурологией и рядом других дисциплин аналогичного профиля. Она не интересовала специалистов в области теории управления или тех, кто занимался проектированием технических устройств до тех пор, пока естественно-языковые системы не стали выступать в качестве средства для описания различных предметных областей и методов поиска решений задач, возникающих в них, а также пока естественно-языковые интерфейсы не стали одним из основных средств коммуникации между пользователями и компьютерными системами.

Развитие указанных тенденций привело к тому, что знаковые системы стали предметом пристального внимания специалистов по искусственному интеллекту, а также тех, кто проектирует и создает интеллектуальные системы для проектирования, планирования, управления и решения иных задач.

Прикладная семиотика в этих условиях мыслится как то научное направление, которое исследует возможность использования знаковых систем в практических компьютерных системах. Основными областями применения идей, моделей и методов прикладной семиотики являются:

-естественно-языковые интерфейсы пользователей с компьютерами;

- базы знаний, оперирующие с представлениями, близкими к естественному языку (семиотические базы знаний);

- системы автоматизированного проектирования сложных объектов, не допускающих формального описания;

- управление сложными объектами, для которых невозможно найти формальные модели функционирования и управления (интеллектуальное управление).

Ниже мы попытаемся кратко описать основные положения прикладной семиотики.

ЗНАКИ-ФРЕЙМЫ

На рисунке 1 показан так называемый треугольник Фреге, который часто рассматривается как своеобразное определение понятия

"знак". Как видно из этого рисунка, знак есть триединство, состоящее из имени, концепта и представления. Знак есть элемент ментальной сферы человека, но он может быть связан с реальным миром, в котором этому знаку соответствует некоторый денотат или множество денотатов. В роли денотатов могут выступать предметы внешнего мира (субъекты и объекты), события, явления или процессы - все, что может получить некоторое имя, о чем имеется некоторое представление и определенное знание. Например, реальный стол, стоящий во вполне определенном месте и в определенное время может выступать в роли денотата с именем "стол" в соответствующем знаке. Кроме имени, в этом знаке может фиксироваться представление об этом конкретном столе, а также знания о сущностях, которым может быть присвоено имя "стол".

Три ипостаси знака, которые мы отождествили с именем, концептом и представлением, могут интерпретироваться и другими способами и в частности, характеризовать соответственно синтаксис, семантику и прагматику знака, но в этой статье нас вполне устроит та интерпретация вершин треугольника Фреге, которую мы оговорили. Все остальное, связанное с интерпретацией составляющих знака (с онтологией и феноменологией знаков), можно найти в многочисленной литературе по семиотике, например в [10,11].

Структуру знака легко сопоставить с распространенными в искусственном интеллекте фреймами. Это сопоставление показано на рисунке 2. Имя знака соответствует имени фрейма. Концепт, характеризующий ту информацию, которая отражает сущность денотатов, репрезентируемых данным знаком, соответствует набору слотов, составляющих протофрейм, то есть фрейм, в котором в качестве значений слотов выступают условия на эти значения. Наконец, представление соответствует некоторому экзофрейму, то есть протофрейму, у которого заполнены значениями все обязательные позиции в слотах. Треугольник, показанный в нижней части рисунка 2, есть знак-фрейм.

То, что каждому знаку может быть сопоставлен знак-фрейм, говорит о том, что фреймы как структура представления знаний обладают универсальностью. Этот факт неоднократно отмечался многими специалистами [5]. Сила знака и, следовательно, знака-фрейма и в том, что в роли реального мира может выступать любой ментальный мир (например мир греческих мифов или русских сказок). В этом случае денотаты знаков есть сущности этих ментальных миров.

Со знаком-фреймом связаны шесть базовых процедур, отмеченных на рисунке 2 цифрами 1, 2 и 3. Первая пара процедур связывает имена и концепты. Одна из процедур пары позволяет по имени некоторой сущности искать ее концепт, то есть совокупность знаний, известных системе об этой сущности. Вторая составляющая пары - это процедура, восстанавливающая по совокупности знаний о некоторой сущности ее имя. Аналогом этих процедур могут служить поиск информации по адресу и ассоциативный поиск информации по ее содержанию. Такая аналогия, конечно, приблизительна, но она показывает суть процедур, помеченных на рисунке 2 цифрой 1.

Пара процедур, помеченных цифрой 2, связывает между собой концепты и представления. Одна из процедур, входящих в эту пару, позволяет по представлению (экзофрейму) искать концепт (протофрейм), к которому это представление принадлежит. Например, отнести конкретную собаку, наблюдаемую в данный момент, к классу сущностей, описывающих собак. Обратная процедура позволяет строить конкретные представления по концепту, то есть порождать различные экзофреймы на основе имеющегося протофрейма. Обе эти процедуры реализованы во всех системах, имеющих дело с фреймами.

Наконец, пара процедур, помеченных цифрой 3, соотносит между собой имена и представления. Одна из процедур порождает имя при наличии конкретного экзофрейма, а вторая - некоторый экзофрейм - представление по имени. Эти две процедуры можно выполнять и опосредствованно, через последовательное применение процедур 2 и 1 и 1 и 2.

Перечисленные шесть процедур являются базовыми, если для представления знаний в системе используются знаки-фреймы. Их выполнение должно носить автоматический характер и осуществляться по активизации их имени.

СЕТИ ИЗ ЗНАКОВ-ФРЕЙМОВ

Знаки-фреймы могут вступать друг с другом в различные отношения. Прежде всего, такими отношениями могут быть отношения иерархии: вид - род, элемент - класс, часть - целое, цель - подцель и т.п. В иерархическую систему могут входить либо знаки-фреймы целиком, либо иерархия организуется по какой-либо ипостаси знака. Например, всем известная десятичная классификация УДК организует иерархию по именам, классификации растений и животных опираются на иерархию по концептам, а классификации, использующие отношение часть - целое, образуют иерархию по представлениям.

Иерархические отношения вводят на фреймах многоуровневую систему, а на каждом из уровней фреймы могут вступать друг с другом в отношения с самой различной семантикой: временные, пространственные, каузальные и т.п. Так возникают многоуровневые сети из знаков-фреймов, подобные семантическим сетям, хорошо известным в интеллектуальных системах.

На сетях из знаков-фреймов могут определяться различные операции. Важнейшими из них являются поиск фрагмента по образцу, замена фрагмента, обобщение по именам, концептам и представлениям, обобщение по фрагментам сети на основе сходства-различия. Эти операции основываются на так называемых логико-трансформационных правилах, которые в самом общем представлении имеют вид:

C1;F1,F2,...,Fk; {Fi}=>F*; С2

Здесь С1 играет роль условия активизации логико-трансформационного правила; F1 F2, ..., Fk перечисляют к фрагментов сети, которые должны быть обнаружены с помощью операции поиска фрагмента по образцу; при нахождении этих фрагментов их множество {Fi} должно быть заменено на фрагмент F*; после завершения этой операции выполняются постусловия С2, которые могут вносить изменения в систему логико-трансформационных правил.

Функционирование логико-трансформационных правил напоминает функционирование систем продукционных правил. Разница состоит лишь в том, что в качестве объектов действий в логико-трансформационных правилах выступают фрагменты сети из знаков-фреймов.

Кроме операций с фрагментами, на сетях из знаков-фреймов могут выполняться и операции вывода на знаниях и, как уже упоминалось, операции формирования новых фрагментов сети за счет разнообразных операций обобщения.

Вычислительная сложность операций, работающих с фрагментами сети, достаточно велика. Поэтому актуальным остается проблема поиска эффективных методов работы с сетями из знаков-фреймов. В частности, весьма перспективными являются для этой цели параллельные волнообразные процедуры [12,13].

Модель представления знаний В виде сети из знаков-фреймов лежит в основе нового класса баз знаний - семиотических, которые являются естественным развитием существующих сейчас баз знаний. Прикладная семиотика для таких баз знаний может выступать как теория их проектирования и построения.

УНИВЕРСАЛЬНОСТЬ ЗНАКОВ-ФРЕЙМОВ

Структура знака-фрейма позволяет единообразно представлять знания различной природы. Как показано в [5], эта структура практически эквивалентна октантной структуре глагола, что позволяет использовать знаки-фреймы в лингвистических процессорах. Кроме того, за счет позиций, связанных с представлениями, имеется возможность хранить всю необходимую информацию в знаках-фреймах для представления образной информации. Это свойство знаков-фреймов (хотя и не в полной мере) реализовано во фреймовых представлениях, используемых в системах "Текст - Рисунок - Текст" [3,6].

Как и во всяком фрейме, в знаке-фрейме можно актуализировать присоединенные процедуры, что позволяет совместить в рамках единого представления декларативную и процедурную компоненты представления знаний. А возможность организации распространения волны возбуждения по сети из-за наличия в сети возбуждающего фрагмента F делает такую модель способной к передаче активности по выбранной системе отношений.

Описанная структура представления знаний и совокупность операций над фрагментами, а также процедуры, обеспечивающие базовые отношения в знаковом треугольнике составляют в совокупности весь тот антураж, который может быть использован при построении семиотических баз знаний. Их отличие от обычных баз знаний определяется структурой базовых единиц для представления информации (знаковая структура), а также той системой операций над этими базовыми единицами, о которых мы говорили выше.

Особую роль семиотические базы знаний должны сыграть в естественно-языковых развитых интерфейсах. В таких системах всегда возникает вопрос об ускорении анализа сообщений за счет совмещения во времени работы на морфологическом (если он есть в системе), синтаксическом и семантическом уровнях. С использованием знаков-фреймов такое совмещение организовать несложно. Работа с именами соответствует работе с синтаксическим уровнем анализа, а работа с концептами - с семантическим. Наличие в знаке информации о представлениях позволяет параллельно задействовать и прагматический уровень анализа, что делает процедуру анализа еще более эффективной. Очевидно, что семиотическая база знаний позволяет решать тот круг проблем, который возникает при понимании текста на естественном языке и при генерации осмысленных ответных текстов [4].

Другая возможность, связанная с представлением знаний в виде сети знаков-фреймов, -это единообразное представление объективированных знаний, выражаемых текстами на естественном языке, и субъективных индивидуальных знаний, остающихся на уровне чувственных образов и представлений [2]. В одном знаке-фрейме можно хранить знания как первого, так и второго типов. При этом вполне возможно, что знания второго типа хранятся, например, в виде ссылки на процедуру, реализованную в виде обученной нейронной сети, что позволяет совмещать символические знания и знания, представленные в непрерывной или квазинепрерывной форме.

Прикладная семиотика, как это следует из сказанного выше, затрагивает многие задачи, традиционно относимые к искусственному интеллекту. И прежде всего, задачи, связанные с представлением знаний и обработкой естественно-языковых сообщений и текстов. Но делается это с несколько иных позиций. Обогащая соответствующие исследования в искусственном интеллекте, прикладная семиотика оказывается не частью этой науки, а вполне самостоятельной дисциплиной. Ее идеи, модели и методы применимы и вне рамок искусственного интеллекта. Прикладная семиотика в будущем окажет влияние на работы в областях интеллектуального управления, структурной лингвистики, структурной истории и в других гуманитарных исследованиях, в которые активно внедряются методы, основанные на новых информационных технологиях. Но это уже иной взгляд на прикладную семиотику, отличный от того, который послужил темой для данной статьи.

Список литературы

1.    Бирвиш М. Семантика. Новое в зарубежной лингвистике. - М.: Прогресс, 1981. - Вып. X. - С. 177-199.

2. Залевская А.А. Индивидуальное знание. Специфика и принципы функционирования. - Тверь, 1992. -136 с.

3. Ильин Г.М., Игнатова В.Н. Система "Рисунок-текст". // Программные продукты и системы. -1992. - № 2. С. 48-53.

4. Каменская О.Л. Текст и коммуникация. - М.: Высшая школа, 1990.- 150 с.

5. Категории искусственного интеллекта в лингвистической семантике. Фреймы и сценарии. - М.: ИНИОН, 1987. -54 с.

6..Литвинцева Л.В. Концептуальная модель системы визуализации трехмерных динамических сцен. // Программные продукты и системы. -1992. - № 2. - С. 27-33.

7. Мартынов В.В. Универсальный семантический код. -Минск: Наука и техника, 1977. - 190 с.

8. Поспелов Д.А. Ситуационное управление. Теория и практика. - М.: Наука, 1986. - 284 с.

9. Скороходько Э.Ф. и др. Информационно-поисковая система БИТ. - К.: Наукова думка, 1968. - 120 с.

10.   Соломоник А. Семиотика и лингвистика. - М.: Молодая гвардия, 1995. - 344 с.

11.   Степанов Ю. С. Имена. Предикаты. Предложения. -М.: Наука, 1981.-358 с.

12.   Уварова Т.Г., Лившиц Л.Л. Формальное описание операционального языка для семантических сетей. - М.: ВЦ АН СССР, 1987.-33 с.

13.   Уварова Т.Г. Операционная семантика волновых языков и метод ее описания. // Изв. АН СССР. Техническая кибернетика.- 1987.-№5.-С. 128-142.

14.Филмор Ч. Дело о падеже. Новое в зарубежной лингвистике. - М.: Прогресс, 1981. - Вып. X. - С. 369-495. Дело о падеже открывается вновь. - Там же. - С. 496-530.