Software & Systems

Идея использования вычислительных средств для создания электронных каталогов музейных коллекций появилась в конце 60-х годов в связи с бурным внедрением компьютеров в различные сферы человеческой деятельности. Позже компьютеры привлекли внимание реставраторов. Однако далеко не всем удалось достичь больших успехов на этом поприще, что породило сомнения в целесообразности использования ЭВМ в практике реставрации музейных художественных ценностей. До сих пор число скептиков несколько превышает число энтузиастов; в основном этот скепсис порожден отсутствием школы и опыта использования компьютеров в музейной и реставрационной практике, с одной стороны, и попытками использовать традиционные «компьютерные» подходы к решению нетривиальных задач — с другой. Но не следует считать, что ситуация столь уж безнадежна. Незначительный имеющийся опыт компьютеризации реставрационной и музейной деятельности поучителен сам по себе.

Опыт зарубежных коллег показывает, что компьютерная техника может эффективно использоваться не только для решения проблем каталогизации, но и исследовательских задач в области искусствоведения и практической реставрации [1, 2, 3, 4]. Первые опыты применения вычислительной техники для решения узкоспециальных реставрационных задач во Всесоюзном научно-исследовательском институте реставрации (ВНИИР) [5] служат источником оптимизма. До сих пор вычислительная техника имела альтернативу: либо дорого — и тогда значительные возможности, либо дешево, но малопроизводительно и не очень эффективно. Это явилось одним из факторов, сдерживающих распространение вычислительной техники в сфере искусства. Другим тормозящим фактором явились попытки использовать дешевую и низкопроизводительную технику в целях реализации тех идеологических концепций, которые нельзя было воплотить на данном оборудовании, что привело к дискредитации самой идеи. Примером могут явиться попытки использовать опыт французских и канадских музейных систем каталогизации, реализованных на мощных для своего времени компьютерах (без существенных ограничений в памяти и быстродействии). Попытки реализации этих концепций на технических средствах с ограниченным объемом памяти и низким быстродействием первоначально вызывали иллюзию возможности использовать подобную идеологию (при тестовой эксплуатации с малыми объемами обрабатываемых данных), которая сразу исчезала, как только возрастали объемы обрабатываемой информации, а сами люди становились требовательней. К сожалению, до сих пор мы находимся в плену старых концепций и представлений, хотя современная вычислительная техника предоставляет принципиально новые возможности при низкой стоимости (если сравнивать величину отношения удельной производительности к стоимости современных компьютеров и выпускаемых 5—8 лет назад).

Суммируя, можно выделить следующие проблемы, пренебрежение которыми неизбежно ведет к неудачам на пути компьютеризации реставрации, консервации и экспертизы произведений искусств:

—   сведений о возможностях вычислительной техники, использу емой в данной области;

—   четкого представления сути решаемых или предполагаемых для решения проблем;

—   формализованных средств описания предметной области ис кусства;

—   программного обеспечения (ПО), соответствующего классу решаемых проблем;

—   аппаратуры, способной реализовать это ПО.

В одном из своих интервью Н. Винер сказал, что ЭВМ полезна ровно настолько, насколько важны и полезны идеи ее пользователей [6]. Другими словами, первое необходимое условие успеха внедрения вычислительной техники — наличие четких представлений об области применения ЭВМ, т. е. формализованных моделей, передающих основные черты изучаемого явления. Второе условие — существование эффективных методов анализа и реализации таких моделей.

Таким образом, прежде чем решать вопрос о внедрении вычислительной техники в музейную и реставрационную практику, необходимо знать, какой круг проблем должен решаться, какими возможностями обладает техника и каковы затраты на ее внедрение, учитывая не только материальные, но и людские ресурсы (обучение основам информатики, освоение вычислительной техники, адаптация к формам и методам решения поставленных проблем и т. д.).

Десять лет назад в своей работе [7] Я. А. Шер писал: «Сейчас, по-видимому, настала пора, когда можно говорить о системном подходе к использованию информационно-вычислительной техники в музеях...», но, увы, и сегодня мы еще только говорим об этом. В этой работе делается попытка разобраться в проблеме использования электронно-вычислительной техники в практике реставрации музейных художественных ценностей с современных позиций системного подхода, чтобы помочь «входящим в эту область выбрать направление дальнейшего развития или... отрицания его».

В последнее десятилетие в теоретические и прикладные дисциплины все шире проникает термин «системный подход». Теоретические представления системного подхода не связаны с каким-либо специальным математическим аппаратом, они носят ярко выраженный идеологический и методологический характер. В самом общем виде эти представления заключаются в стремлении прогнозировать изменения в состоянии всей совокупности рассматриваемых объектов, вызываемых изменением в состоянии любой ее части.

Системный подход связывают с развитием направлений построения и изучения формальных и абстрактных систем и общей теории систем. В общей теории систем такой подход в первую очередь означает терминологическое единение различных прикладных наук и научных направлений. В плане исследовательской деятельности системный подход обращает внимание на недостаточность, а часто и вредность чисто локальных решений, полученных на основе охвата небольшого числа существенных факторов.

Очень важным для системного подхода является понимание того, что система — это не просто объединение ее частей. Несмотря на кажущуюся ясность понятия

«система», до сих пор не существует установившегося определения этого термина. Приведем одно n:i большого числа определений [24] систем, в класс которых входят также системы произведений искусств и культурного наследия общества.

Система — это целостный комплекс взаимосвязанных элементов, при этом соблюдаются три условия:

—  сформулирована функция, стоящая перед системой, и критерий качества ее функционирования;

—  в системе могут быть выделены целостности, являющиеся подсистемами дан ной системы;

—  существует некоторая другая, большая система, содержащая данную как под систему.

Часто используют другое определение. Система — это множество объектов, называемых ее частями, которые связаны друг с другом определенным образом [25]. Первое определение отличается от второго указанием на наличие функций и критерия функционального качества. Во втором определении явно указано на существование связей между подсистемами, оно охватывает более широкий класс систем.

Существуют три важнейшие проблемы [26], связанные с разработкой и анализом сложных систем.

Проблема полноты. Она состоит в том, чтобы выяснить, может ли быть создана система определенного класса (например система знаний о русской иконописи) из заданного набора элементарных знаний и набора отдельных сведений. При отсутствии такого набора говорить о формализованных методах синтеза системы трудно или даже невозможно.

Проблема оценки и критериев качества системы и подсистем. Установление критериев функционирования для всякой сложной системы, в том числе и системы знаний, является процессом сложным и часто не поддается строгой формализации. Критерий может быть скалярным или векторным. Так, время реакции системы является примером скалярного критерия. Приведенные затраты на аппаратуру и потери от задержек при выполнении алгоритмов или невозможность реализации части функций — критерий векторный, так как приходится минимизировать две функции: определяющую приведенные потери и приведенные затраты (на оборудование, обучение, адаптацию и т. д.).

Проблема синтеза системы знаний. При решении задачи полноты и определении критерия оптимальности естественно возникает задача синтеза системы с заданным функционированием. При этом предполагается, что система будет создаваться из заданного набора подсистем и элементарных подсистем по заданному критерию.

Анализ проблемы. Общим для самых различных определений систем является постулирование целостности как атрибутивной характеристики любой системы. Рассматривая произведения искусства в качестве подсистемы такой большой системной области, как культура, нетрудно установить по крайней мере внешнюю целостность произведения, т. е. наличие конкретной пограничной линии, отделяющей его от других объектов. Однако такая целостность является лишь элементам системной целостности, возникающей под действием системообразующего механизма.

В литературе были широко отражены вопросы выявления основных системообразующих начал в культуре, представления культуры социума как системного объекта, изображения целостности культуры с функциональных позиций и рассмотрения культуры как подсистемы общества [8, 9, 10, 11, 12].

В целях обоснования системности культуры обычно обращаются к ее наиболее универсальному аспекту — к семиотической природе культуры [10, 12]. Рассматривая возможность существования всего многообразия социальных взаимодействий благодаря наличию в обществе широкого семиотического поля, состоящего из трех основных компонентов — естественного языка, артефактов и принятых в данном социуме символов (знаковые, мимические, жестовые и кодовые системы), следует выделить в этом тюле специфическое место, занимаемое культурой как наиболее стабильной во времени, сложно структурированной и универсально-значимой для максимально широкого круга людей семиотической подсистемы. Любой объект культуры в свою очередь представляет собой определенным образом организованную семиотическую систему и, следовательно, может быть «прочитан», так как он по своей сути предназначен для этого нему присущ свой символический язык. Восприятие культурного объекта, его анализ, описание — это процесс десимволизации. При этом «знаки и символы могут выполнять свою функцию лишь будучи составными частями систем, управляемых внутренними закономерностями. Поэтому характерной чертой знаковых систем является их транс-формабельность, т. е. переводимость на язык других систем с помощью замещений» [11]. Именно с проблемой десимволизации произведения искусства или трансформации принятых в реставрации и искусствоведении знаковых систем на язык, ориентированный для дальнейшей адаптации на компьютере, приходится сталкиваться специалистам при попытках рационального использования ЭВМ ь этой области.

В состав семиотической системы произведений искусств входят, кроме символьных и знаковых подсистем, подсистема фактов (определенных данных о произведении) и подсистема знаний, отражающая не только конкретную информацию о данном произведении, но и обладающая индуктивными возможностями формирования выводов и оценки как групповых, так и индивидуальных признаков.

Система фактов представляет собой информационный набор сведений, определенных данных, параметров, характеристик, принадлежащих произведению. Например, в систему фактов живописного полотна входят сведения о школе, мастере, происхождении, результатах физико-химического анализа красок, клеен, размере, типе грунта, холста, повреждениях, разрушениях и т. д.

Система знаний представляет собой набор фактов (сведений), находящихся в определенном взаимоотношении как между собой, так и с конкретной системообразующей областью или структурой. В наиболее простом случае подобные отношения устанавливаются с помощью логических высказываний типа ЕСЛИ... ТО... ИНАЧЕ. Следует отметить, что с позиций математической логики доказана возможность представления сколь угодно сложных отношений с помощью элементарных высказываний.

Реставратор-практик, искусствовед или эксперт, принимая решение, пользуются именно системой знаний, формирующейся у них на основе многолетнего опыта работы с конкретными группами гтризведеиий искусств. Однако каждый специалист по одному и тому же признаку может сделать специфический для своего рода деятельности вывод: так, искусствовед, изучая живописное полотно, может сделать вывод о школе, манере или мастере; физхимик, работая с этим же материалом, будет судить о составе красителей, клеев или грунта, а реставратор выделит в качестве наиболее важной информации состояние холста, красочного слоя, наличие или отсутствие отслоений, кракелюра или разрывов и т. д. Это не значит, что каждый из них не обладает и не отражает системы знаний, выходящей за рамки узкой профессии,— напротив, отталкиваясь от частной доминанты, они неизбежно должны прийти к совместному решению, дополняя таким образом знания друг друга. Например, сделать вывод о месте создания произведения на основе анализа различных аспектов (школа, мастер, колорит, физико-химический состав красителей, используемые грунты, древесина, холст и т. д.).

При использовании системного подхода к исследованию и изучению произведений искусств необходимо всю рассматриваемую область разбить на соподчиненные подсистемы, в качестве которых имеет смысл рассматривать некоторую выделяемую по ряду характерных признаков и критериев деятельность, объект или группу объектов, имеющих четкую границу. Причем чем уже и конкретнее будет эта выделенная подсистема, тем легче можно формализовать решаемую в ее рамках проблему.

Для этого существует два подхода, в принципе равноправных, но приводящих к разным результатам. Первый исходит из рассмотрения произведения искусства как источника информации, а второй отталкивается от конкретного рода деятельности (например реставрации}. При правильном решении оба подхода, несмотря на различные пути реализации, могут привести к достижению положительных результатов, но все зависит от поставленных целей.

Рассмотрим вариант анализа проблемы с позиции информационной системы. Любое произведение искусства в этом аспекте рассматривается как некоторая замкнутая система информации, в состав которой должны войти сведения о содержании произведения искусства, его происхождении и внутренней структуре, т. е. та информация, которая образует систему фактов о произведении. Здесь атрибутивным признаком может стать любое идентифицируемое для данного произведения информационное понятие. Различные объекты могут выделяться в группы по всевозможным признакам. Например, можно определить, в каких работах фламандских мастеров использовались тонированные грунты, и все эти работы объединить в класс «имприматура». Может возникнуть вопрос, насколько целесообразно подобное объединение. Ответ прост: раз это возможно, значит, может быть использовано.

Особенностью общей информационной системы является иерархичность структуры. В подобном подходе сразу возникает необходимость вычленения информационных подсистем, имеющих выделенную группу. Построение или анализ подобной структуры целиком зависит от функциональной цели, придаваемой этой системе. Это связано с тем, что иерархичность информационной структуры произведения искусства отлична от примитивных плоскостных иерархий. Эта структура обладает многомерными информационными связями, все попытки анализа которой сводятся к выбору точки зрения на объект.

Для наглядности такого многопараметрического представления достаточно рассмотреть упрощенную структуру понятия «живопись». С одной стороны, систему «живопись» можно подразделить на подсистемы «станковая», «монументальная», «иконопись»; с другой — эту же систему можно подразделить на подсистемы «масло», «акварель», «темпера», «пастель» или «холст», «картон», «доска», «шелк», «штукатурка», «бумага». Каждая из подсистем этих трех групп, очевидно, имеет четкие взаимосвязи с подсистемами из других групп и при этом одновременно может выполнять роль как доминирующего признака, так и подчиненного, т. с. фактически менять уровень иерархической соподчиненности.

Нсли же рассматривать произведения искусства с точки зрения реставрации, то система будет состоять из признаков и атрибутов, характерных для данной конкретной области деятельности, где на первый план выносится техническое состояние объекта и набор знаний, сформированный в данной сфере. Тогда общая информационная система «реставрация» разбивается на две жестко зависимые подсистемы: «факты» и «знания».

Две идеи структурируют две различные подсистемы информации, которые в совокупности представляют единое информационное поле объекта.

Следует еще раз отметить, что цели у этих двух подходов различны. Первый — информационный, в нем накапливаются данные, факты, сведения о произведении искусства. Второй — экспертный, ориентированный, кроме непосредственного накопления информации и знаний, на оказание помощи, совет, формулирование альтернативы и консультацию.

Таким образом, все это можно изобразить следующей схемой.

Информационное поле произведения искусства

Вид информации

I.  РЕСТАВРАЦИОННО-ИСКУССТВОВЕДЧЕСКАЯ

1. экспертная:

i — теоретическая [| — (мпирическая iii — ii:i i \ id iiiiKd-uccoiili.] i шиши

2. описательная:

i — феноменологическая ii — яексяжодоппеская

iii — терминологическая

II. ТЕХНОЛОГИЧЕСКАЯ

1. идентифицируемая:

i — непосредственна ii — условно

2. визуализируемая:

i — широкополосная к отряженном свете ii — спешрозональняя (ИК, УФ и др.) iii — рентгеноструктурная

3. измеряемая:

i — метрическая

ji — физико-химическая

iii — косвенная но результатам методов неразрушающего контроля

Приведенная схема информационной системы показывает сложность образующих ее подсистем и связей, существующих между ними. Поэтому создание общей информационной системы, вмещающей в себя вес многообразие информации о произведении искусства или культурном наследии, вообще немыслимо без тщательного выбора системоформирующих элементов и возможно лишь с использованием вычислительной техники определенного класса и соответствующего математического обеспечения.

При проведении системных исследований без использования вычислительной техники в области реставрации и искусствоведения приходится учитывать слишком большое количество фактов, важных для выводов, поэтому, как правило, исследователи ограничиваются рассмотрением лишь «существенных», с их точки зрения, признаков. Это связано прежде всего с тем, что человеческий мозг, обладая феноменальными ассоциативными возможностями, в состоянии лишь фрагментарно рассматривать информационные пространства. В случае же применения ЭВМ мы имеем дело с объемным представлением многоплановой информации, и в результате возникает возможность выяснения скрытых от взора исследователя проблемных нолей.

На первом этапе анализа проблем, решаемых с помощью ЭВМ и связанных с реставрацией, консервацией и экспертизой произведений искусств, а также при планировании разработки математического обеспечения для подобной информационной системы, необходимо выполнить следующие этапы:

—   четко сформулировать цели функционирования системы и критерии ее ин формационной полноты, охарактеризовать необходимую входную и выходную информацию системы;

—   составить список подсистем (при этом считая, что каждая функция и каждый элемент системы реализуется своей подсистемой);

—   стандартизировать терминологию, характерную для выделенной подсисте мы, то есть разработать словарь терминов и необходимых сокращений;

—   стандартизировать графическое представление описания объекта;

—   определить характеристики аппаратуры, которая может быть использована для решения подобной информационной задачи;

—   выделить центральную подсистему, связывающую все остальные системы друг с другом (ее информационные управляющие связи являются определяющими для всей системы);

—   определить формальные методы анализа и синтеза системы и ее использова ния.

Две ступени познания

Использование ЭВМ в искусствознании разбивается на два этапа, связанных с психологией мышления человека и его адаптацией к новому. На первом этапе возникает необходимость ответов на вопросы что? где? когда? Существуют различные приемы и методы поиска ответов на эти вопросы в информационных морях: всевозможные каталоги, рейтерные карты, справочники, энциклопедии, картотеки и наконец так называемые «электронные каталоги» или «базы данных», реализуемые с помощью вычислительной техники. Когда количество информации достигает определенного уровня, возникает необходимость логического осмысления накопленных фактов, что приводит ко второму этапу познания — возникновению вопросов как? почему так? и поиску ответов на них. Для решения этих проблем общество традиционно пользовалось аппаратом экспертов — людей, обладающих знаниями в конкретной предметной области и способных генерировать новые знания на основе анализа взаимоотношений между существующими фактами. В эту область, бывшую до недавних пор привилегией человеческого интеллекта, вторглись компьютеры. Сейчас происходит бурное развитие программного обеспечения, называемого экспертные системы, предназначенного для решения проблем, связанных с экспертной оценкой рассматриваемого явления. Опыт эксплуатации экспертных систем в электронной, авиационной, автомобильной промышленности, в делопроизводстве, юриспруденции и медицине доказывает не только дееспособность самой идеи, но и необходимость создания и развития подобных систем в таких трудно формализуемых областях, как реставрация, консервация и искусствоведение.

Концепция бал данных для реставраторов и искусствоведов

I. ОСНОВНЫЕ ПОНЯТИЯ

До сих пор, говоря об информационной системе, мы имели в виду фактографическую систему, формируемую на основе той информации, которая отражается подсистемой фактов произведения искусства. Подобные информационные системы носят названия баз данных и предназначены прежде всего для накопления, хранения, редактирования, поиска, выбора и статистического анализа информации, имеющей фактическую природу. Иными словами, база данных— это инструмент для хранения и обработки информации.

В настоящее время существует большое число баз данных, обладающих различными функциональными возможностями. Как правило, они подразделяются на шесть основных категорий [12]. Здесь необходимо выделить три главных типа: файловые, реляционные и иерархические. Из самих названий видно, что и информация, хранимая в этих базах данных, должна иметь соответствующую структуру. Например, для файловой структуры баз данных наиболее характерной областью применения является обеспечение небольших каталогов, состоящих из стандартизированных учетных карточек с фиксированной длиной полей; в адресной книге каждая запись, состоящая из полного имени и адреса, будет содержать следующие поля: «фамилия», «имя», «отчество», «город», «улица», «дом», «корпус», «квартира», «почтовый индекс», «телефон». Поля одного и того же типа во всех записях будут иметь одинаковую длину. Однако информация, содержащаяся в различных массивах баз данных такого рода, полностью автономна и не имеет взаимосвязей.

Для реляционных баз данных область применения гораздо шире. Она позволяет решать не только проблемы каталогизации, но и создавать описания отношений между элементами информации. В реляционных базах возникает возможность устанавливать отношения или связи между записями из различных файлов, если только они содержат хотя бы одно общее поле. Так, если в одном файле содержатся имена художников и названия их работ, а в другом названия школ живописи и имена художников, принадлежащих этим школам, то, используя в качестве об-

щего поля имена художников, можно установить, в какой школе выполнено то или иное произведение. Другими словами, связи между различными наборами данных устанавливаются через посредство содержания информационных файлов. Иерархические базы данных представляют собой наиболее сложный вид хранения информации, имеющей многоуровневую связь. В иерархических базах данных может быть предопределена древовидная структура взаимосвязей между массивами информации, которая сама по себе не зависит от непосредственного содержания конкретной записи. В этой структуре возникает возможность установления соподчиненности информации не только по отдельному признаку, но и по целому классу. Например файл, содержащий список имен художников и названий их произведений, может иметь в подчинении (владеть) файлы «разрушения», «легенды» и в свою очередь быть в подчинении (принадлежать) файлу «станковая живопись», в котором будет содержаться информация о школах и мастерах, входящих в них. В наиболее сложной форме эти базы позволяют любому файлу владеть любыми другими, поэтому результирующая структура связей подобна сети, а не простому дереву.

II. ПЕРВОЕ ПРИБЛИЖЕНИЕ

Обобщая существующий опыт использования баз данных для создания «электронных» каталогов, можно предложить два пути решения. Первый заключается в использовании коммерчески поставляемых в виде готовой продукции баз данных, а второй — в разработке оригинальной концепции.

Не вдаваясь в пространный обзор возможностей всех существующих типов баз данных, что могло бы быть предметом самостоятельного обзора, следует выделить из всего многообразия две родственные базы: dBASE II и dBASE III-PLUS, а также соответствующие им аналоги (например РЕБУС) исходя из следующих соображений:

—   базы реализуются на максимально широком круге компьютеров;

—   базы реляционные н обладают большим спектром функциональных возможностей;

—   различные банки искусствоведческих данных, реализованные с помощью этих баз, существуют и продолжают развиваться как за рубежом, так и в различных музеях СССР [2,3,4,14,15];

—   консультацию специалиста об использован ни этих баз всегда легко получить;

—   информация, заложенная с помощью базы dBASE II, всегда может быть использована в dBASE 111- PLUS.

Ill СЕРЬЕЗНОЕ РЕШЕНИЕ

К сожалению, несмотря на доступность, базы типа dBASE не обеспечивают всех функций, необходимых для реализации серьезных системных исследований в области реставрации и искусствоведения. Это связано прежде всего с тем, что при увеличении числа элементов хранения свыше 5 тыс. время реакции резко возрастает, особенно при использовании микрокомпьютеров. Кроме того, в базах типа dBASE хранить графический образ объекта очень трудно, а действия по анализу графического образа вообще невозможны.

Во ВНИИРе разработана концепция базы данных, в которой нет указанных недостатков. Основная идея этой базы заключается в абстрагировании от какой-либо заданной структуры и создании собственной системы координат, адекватных решаемой задаче — так называемая идеология фреймов.

При более близком рассмотрении структура базы имеет ряд особенностей. Фрейм содержит группу слотов — ячеек, каждая из которых может быть либо очередным фреймом, либо заполнена конкретным содержимым. Например, фрейм «техническое состояние живописи» может содержать ячейки «техника», «основа», «грунт», «тыльная сторона», «лицевая сторона», а в свою очередь фрейм «техника» — ячейки «масло», «темпера», «пастель», «фреска», «акварель», «смешанная», «неопределенная». Группа фреймов может совместно содержать одни и те же ячейки, устанавливая отношения между различными классами

объектов или подсистемами. Так, фреймы «пастель» и «акварель» могут совместно иметь ячейку «картон». Каждый фрейм может быть представлен таблицей атрибутов или меню, а каждая ячейка может иметь графический образ. Например, если реставратор анализирует разрушения картины, то из фрейма «разрушения» он может перейти к графическому анализу разрушений в отраженном свете, в инфракрасном спектре, в ультрафиолетовом спектре или с помощью рентгенограммы, анализируя каждое из изображений в отдельности или манипулируя всеми сразу. Результатом такого анализа могут быть оценка площадей разрушенных участков, определение мест и типов записей и поновлений, анализ инфраструктуры объекта, создание координатной карты утрат и разрушений.

Настройка этой базы может осуществляться непосредственно при вводе конкретного описания произведения искусства с помощью специального меню. Определив место объекта в словаре базы, необходимо описать релевантные отношения объекта либо с другими объектами, либо с классами объектов (понятий). В словаре пользователь может создать новые элементы, конструкции или просмотреть и проанализировать уже существующие. При вводе нового объекта система как бы снабжает пользователя бланками, то есть пустыми фреймами, которые должны быть заполнены в соответствии с тем, как он представляет себе описание объекта. При этом можно установить счетчик индекса обращений к тому или иному понятию, при анализе состояния которого через некоторое время после начала эксплуатации можно судить о правильности установленных отношений или соподчинений между понятиями. Таким образом, возникает уникальная возможность не придавать большого значения первому варианту заложенной информации, так как впоследствии все ошибки будут выявлены на основе статистического анализа взаимосвязей и, естественно, исправлены.

Графические образы вводятся в базу с помощью специального сканирующего устройства. В зависимости от типа сканера вводятся изображения либо только плоских (двухмерных), либо плоских и объемных объектов. Кроме того, современные модели сканеров позволяют вводить цветное изображение (с палитрой из 16, 256 и более цветов, в зависимости от модели и соответственно цены). Графические образы также могут формировать фреймы и ячейки. Например, фрейм «Богоматерь Умиление» может содержать следующие ячейки: «общий вид до реставрации», «первый этап раскрытия», «третий этап раскрытия, «лик после реставрации», «анализы». А фрейм «анализы» в свою очередь может содержать ячейки «ИК общий план», «УФ фрагмент А5» и т. д. Для успешного функционирования этой базы данных требуются значительные вычислительные ресурсы, что можно отнести к недостаткам, так как далеко не все реставрационные учреждения могут приобрести дорогостоящую вычислительную технику. Однако прогресс в снижении цен на электронную технологию так стремителен, что идея, которая в 1984 году требовала для своей реализации полтора миллиона рублей, сегодня может быть осуществлена за 25 тысяч, а завтра? Достоинством этой базы является то, что объем обрабатываемой информации ограничен только параметрами физических носителей информации, так как время реакции пренебрежительно мало.

Концепция экспертных систем

I. ОПРЕДЕЛЕНИЯ

Экспертные системы — это класс компьютерных программ, которые могут давать совет, анализировать, изучать, исследовать, разбивать на категории, консультировать, делать выводы, ставить диагноз, объяснять, предсказывать, формировать концепции, идентифицировать, интерпретировать, судить (делать суждение), учить, управлять, планировать, проверять и самообучаться [16].

Обычно экспертные системы создают с помощью специалистов, которые решают специфические проблемы и могут описать процесс принятия решений. Если

удается правильно формализовать этот процесс, то компьютерная программа, основанная на таком анализе, сможет решить узкопоставленную проблему не хуже эксперта. Возможность успешного использования экспертных систем описана в [17].

Если выделить из всего многообразия способностей, которыми должен обладать эксперт, шесть, а именно: 1 — применять личный опыт для решения проблемы наиболее эффективным образом в условиях неполных и неконкретных исходных данных; 2 — объяснять и оценивать принятое решение; 3 —■ общаться с другими экспертами и формировать новые знания; 4 — переоценивать и реорганизовывать систему знаний; 5 — нарушать правила, так как существует столько же исключений, сколько и правил; 6 — определять релевантность проблемы, то есть понимать ограниченность своих возможностей, то окажется, что экспертные системы моделируют на современном уровне только первые три.

Существуют различные способы; представления опыта и знаний экспертов в компьютерной технике. Один из простейших основан на использовании логической конструкции типа «если А, то В», называемый правилом. С помощью списков, составленных из таких правил, система может делать выводы, используя логическое преобразование, известное в математической логике как Modus ponens: если из А следует В и известно, что А истинно, то делается вывод, что В истинно. Результат такого логического вывода может быть использован в другом правиле, чтобы сделать следующий вывод. Таким образом правила динамически «собираются в цепочки».

Другой способ формирования структуры знаний основан на понятии фрейма. Структура, называемая фреймом, как и в рассмотренной базе данных, представляет каждую единицу хранения как единый объект и характеризует его набором слотов. Если единицей хранения, например, является некоторая икона, то слотами будут ее атрибутивные характеристики и правила, их формирующие. Вместе с фреймами определяются правила вывода значений слотов через другие характеристики данного фрейма или через другие фреймы.

Экспертные системы, подобно специалистам-экспертам, могут обладать поверхностными и глубокими представлениями знаний. Глубокие представления знаний основаны на причинно-следственных моделях, категориях, абстракциях и аналогах. Поверхностные представления опираются на эмпирические ассоциации, но могут собираться (компилироваться) из понимания структуры и функций исследуемых систем. Ассоциации между предпосылками и выводами основываются на рассмотрении предшествующего опыта, а причинность, заложенная в правиле, подразумевается, а не высказывается.

II. СОЗДАНИЕ ЭКСПЕРТНОЙ СИСТЕМЫ

В основе структуры информации, закладываемой в экспертную систему при ее разработке, отображены оба принципа представления знаний — поверхностный и глубокий. Первый реализуется с помощью правил, а второй — с помощью фреймов [18], Реализация знаний в виде программного продукта с помощью правил стоит сравнительно недорого, но структура получается жесткой, и внесение изменений и поправок оказывается сложным и неэффективным (гораздо более сложно, чем создание самой программы). С другой стороны, поверхностные представления не позволяют формировать суждения и концепции; с их помощью можно находить решения из числа проблем, представленных эмпирическими ассоциациями.

В то же время генерация знаний с помощью структуры фреймов — сложный и дорогостоящий процесс, но при этом достигается модульность, которая дает возможность в дальнейшем добавлять новые и корректировать старые элементы знаний. Кроме того, фреймы позволяют формировать суждения и выводы на основе обобщений, в результате чего возникает возможность индуцировать новые знания.

На пути создания экспертных систем существует как минимум три препятствия. Первое заключается в обеспечении достаточной полноты информации, заносимой в память. При этом основным является выделение ключевых (основополагающих) знаний и установление их взаимосвязи в структуре данных, а также создание и использование такой системы кодирования, которая позволила бы эффективно применять эту информацию в решении практических задач, стоящих перед реставраторами и искусствоведами.

Вторая трудность заключается в оценке качества функционирования системы и выработке соответствующих критериев, так как знания реставраторов и искусствоведов — это не просто сумма сведений и фактов. Формальные попытки учета многомерности связей (добавлением новых для представления взаимоотношений отдельных элементов) могут привести к чрезмерной «жесткости» системы и она может стать «закрытой» для добавления новых элементов и установления их связей с существующими.

Третья проблема связана с тем, что из-за неполноты современных сведений о глубинной структуре произведений искусств и отсутствия системного подхода в изучении этих вопросов задача синтеза системы знаний должна решаться очень осторожно. Реставраторам и искусствоведам в их практической деятельности нужен широкий арсенал знаний, включая и эмпирические правила, выработанные многолетним опытом лучших специалистов, и результаты статистического анализа групп и классов объектов, и причинно-следственные связи, вытекающие из фундаментальных исследований в реставрации с помощью современных методов структурных, оптических и физико-химических исследований, а также вопросы социальных отношений, этики и экологии.

Все эти проблемы характерны не только для экспертных систем, но и процессов разработки и анализа любой сложной системы [26].

В настоящее время существует большое количество готовых экспертных систем, цены на которые варьируются от 200 до 10000 ( и более) долларов. Большинство из них основаны на обработке правил, например TAXADVISOR [19]. ADVISE [20] или ROUNDSMAN [21], но все большую популярность приобретают экспертные системы, в основе механизма принятия решений которых лежит идеология фреймов (1st KLASS [22]).По-видимому, в ближайшее время появится значительное количество инструментальных экспертных систем, объединяющих обе идеологии представления знаний, что принципиально упростит развитие этого направления.

III. БАЗА ЗНАНИЙ

Ядром любой экспертной системы является база знаний. Формирование этой базы осуществляется поэтапно разработчиками экспертных систем совместно с экспертами той области, в которой будет использоваться данная система. Создание серьезной экспертной системы немыслимо без участия многих экспертов. Могут использоваться различные методы формирования правил па основе знаний экспертов: индивидуальных высказываний, групповых решений, лидера, взвешенных оценок. ПЕРТ, парных сравнений и т. д. Для построения правила разработчик экспертной системы или конструктор знаний анализирует имеющиеся знания безотносительно к фактической структуре правила [23]. При этом необходимы два параметра: результаты и факторы. Результаты — это заключение, действия или рекомендации, формируемые на основе действия правила. Факторы — это известные исходные значения.

Правило может состоять из переменного числа факторов и значений для каждого фактора, которому соответствует вопрос, задаваемый при использовании системой этого правила. Каждое значение соответствует возможному ответу на поставленный вопрос.

В качестве примера разберем этап формирования фрагмента экспертной подсистемы «технологические признаки живописи», входящей в систему «Живопись». В

результате проведения совместного с группой экспертов анализа получены следующие знания.

Технологические признаки импрессионизма:

—   стандартный набор форматов подрамников;

—   стандартный набор красок, преимущественно французского промышленного производства:

—   холст промышленного производства, часто рулонный;

—   плохо декотиронанный светлый фунт;

—   ярко выраженная фактура живописи (исключение — Ренуар);

—   светлый колорит с преобладанием голуйых оттенков;

—   молуматовая живопись.

Здесь «технологические признаки импрессионизма» — результат, а перечисленные признаки — факторы. Каждый фактор имеет свои значения и примеры, которые определяются экспертами. Например, форматы задаются списком, а состав красок определяется на основе физико-химического анализа. Следует отметить, что единодушия экспертов для определения значений факторов не требуется, так как значения могут определяться на основе примеров, предлагаемых каждым экспертом в отдельности. В этом случае возникает возможность дать вероятностную оценку выводу и предложить альтернативу с меньшей вероятностью.

Для этого примера схематическое правило выглядит следующим образом:

I .ЕСЛИ произведение ЕСТЬ живопись И формат подрамника = одному из списка И холст ЕСТЬ промышленный ИЛИ ЕСТЬ рулонный И грунт ЕСТЬ плохо декотированный И ЕСТЬ светлый И набор красок '= стандартный французский набор И живопись ЕСТЬ полуматовая И колорит ЕСТЬ светлый И фактура ЕСТЬ выраженная ГО живопись ЕСТЬ импрессионизм

В данном правиле использованы логические предикаты ЕСТЬ, НЕ ЕСТЬ, =, ' = , кроме них могут быть использованы предикаты О, <, >,<=. Каждому предикату соответствует вопрос, который должен быть задан и в котором содержится форма ответа. Приведем пример диалога (ответы пользователя подчеркнуты):

1 - Произведение является живописью ' да/нет > ? Да

2      Введите формат подрамника в см в виде двух чисел высота, ширина ч : 19.17

3      Холст промышленный (рулонный) ' да/нет * '! Ца

4 • Грунт светлый и плохо декотнрованиый да/пет < '.' Да :■ ; Введите степень полу матовости живописи от 0 до I: о.г!

6  : Введите степень светлости колорита от 0 до 1: ОЛ

7  ' Введите степень фактурноп и живописи от (I до 1: 0J)

Ответ: Если набор используемых красок соо гветствует стандартному промышленном; французской} набору, то данное произведение с вероятностью 0.78 может быть отнесено к импрессионизму, в противном случае исходной информации недостаточно для формирования суждений.

Последовательность задания вопросов может быть изменена, но важно рационально выделять доминирующие признаки для ускорения поиска правильного решения. Так, если на второй вопрос ввести размер подрамника, который не соответствует ни одному из анализируемых в списке, то все последующие вопросы не будут заданы, так как, по мнению экспертов, этот признак (фактор) является доминирующим (из технологических). Количественные оценки в ответах на 5,6-й и 7-й вопрось! формируются на основе субъективного мнения эксперта или вычисляются одним из способов усреднения групповых оценок.

Таким образом, последовательно анализируя имеющиеся знания и формулируя на их основе правила, создается база знаний, в которой правила могут образовывать прямые и обратные цепочки, объединяться в группы, порождая новые правила.

IV. МЕХАНИЗМ ПРИНЯТИЯ РЕШЕНИЯ

Легче всего представить механизм принятия решении, рассмотрев алгоритм его функционирования.

НАЧАЛО

Определить цель анализа

ЕСЛИ может быть найдено правило для достижения цели

Го определить факторы и применить правило

ЕСЛИ пель достигнута ТО коней ИНАЧЕ определить первый неизвестный фактор в качестве промежуточной цели анализа. Запомнить состояние и перейти на НАЧАЛО КОНЕЦ

ИНАЧЕ ЕСЛИ сушествует вопрос, связанный с текущей целью ТО задать вопрос. Соотнести ответ со стоящей целью. Сформулировать правило. Поместить правило в библиотеку правил. Перейти на НАЧАЛО ИНАЧЕ ответ не может быть найдеи КОНЕЦ

Определение цели анализа в простейшем варианте может осуществляться с помощью стандартного меню, то есть система предлагает на выбор несколько вариантов целеопределения. В этом случае вопрос о поиске соответствующего правила опускается, так как оно существует заведомо, и система начинает задавать вопросы для достижения указанной цели. Возможен следующий диалог (ответы пользователя подчеркнуты): |>Цель Ваших действий (1-экспертиза, 2-реставрационный анализ, 3-статистический анализ)

2" ■ Какой объект должен быть подвергнут анализу (выберите из списка)?

1-живопись 2-скульптура 3-декоративнм-при к ладное произведение 4-аркеологин 5-руконнсн Введите число : 1

3>Нведнте тин живописи или ? для полноги прохода : ? 4>Станкован/Монументальная? С 5 > Икон а/ Портрет/ пейза Ж/Сю жет/Мариыа ? Ж 6>Датированя<да/нет>'.' Нет 7>Подпнсана<да/нет>? Нет

К 'Нин файла графического образа : Land 5

!»>Введиге технологические признаки : и т. д.

Программа, реализующая алгоритм принятия решения, является логическим центром всей экспертной системы и совместно с библиотекой правил, вопросов и примеров образует законченный модуль — базу знаний.

V. НАКОПЛЕНИЕ ЗНАНИЙ

Процесс формирования базы знаний, как следует из предыдущего рассмотрения, требует значительных интеллектуальных и временных ресурсов, а при отсутствии терминологической определенности может оказаться долгим и утомительным. Однако и из этой ситуации может быть найден выход.

Если существует необходимость развития идеологии экспертных систем в области с плохо формализуемыми знаниями и с терминологической неопределенностью, то имеет смысл в качестве первого подготовительного этапа начать с отработки концепции базы данных.

Разработанная во ВНИИРе идеология создания системы знаний в области реставрации произведений искусств состоит из двух этапов. Первый — создание базы данных иерархического типа, второй — базы знаний на основе подготовленной базы данных. Именно поэтому в предлагаемых концепциях как базы данных, так и экспертной системы заложено структурное единство представления информации, основанное на иерархии фреймов.

Таким образом, уже в начале эксплуатации базы данных возникает возможность проведения анализа структурной формы информации, выбора принятой и устоявшейся терминологии, формирования основного набора правил для будущей экспертной системы. Эта возможность, как уже отмечалось, базируется на периодическом статистическом анализе частотных признаков информационных атрибутов. Частотные признаки характеризуют частоту обращения к данному информационному понятию при проведении описания, поиска и классификации произведений искусств в базе данных. В результате формируется для каждого понятия список устойчивых атрибутов (с вероятностью более 0.9) и список переменных атрибутов (с вероятностью менее 0.9). Этот процесс эквивалентен процедуре формирования правил и фреймов, поэтому последующие проблемы создания базы знаний будут значительно облегчены.

Необходимо подчеркнуть, что к моменту создания базы знаний терминологические неопределенности должны быть разрешены, в противном случае возможно возникновение конфликтных ситуаций и решений.

Требуемые ресурсы

Одним из важных аспектов, влияющих на достижение успеха в компьютеризации какой-либо сферы деятельности и реставрации в частности, является правильное определение требуемых ресурсов вычислительной техники. Исходными данными для решения этой задачи являются: тип базы данных, зависящий от объемов и структуры хранимой информации, тип экспертной системы, зависящий от объема базы знаний и используемых методов принятия решений, совместимость с используемым оборудованием в данной области, финансовые возможности, предполагаемые периоды окупаемости и обновления оборудования и доступный рынок вычислительной техники.

Общие требования. Существующие базы данных и экспертные системы, как правило, для успешной эксплуатации на микрокомпьютерах требуют: 512 Кбай-тов оперативной памяти, жесткий диск емкостью не менее 10 Мбайтов и желательно подключение накопителя на магнитной ленте (магнитофон, стриммер и т. д.). Использование в этих целях бытовых персональных компьютеров малоэффективно и нецелесообразно. В случае создания большой экспертной системы (обладающей базой знаний с тысячей и более правил) и эксплуатации базы данных, рассчитанной на описание более 20 тысяч объектов (произведений искусств, реставрационных паспортов и т. д.), требуется привлечение значительных ресурсов: оперативной памяти порядка 4 Мбайтов, хорошей языковой поддержки, высокого быстродействия процессора (порядка 3 млн. операций в сек. и более), больших емкостей дисковых накопителей (500 Мбайтов и более) и т. д. Все это приводит к необходимости создания крупного вычислительного центра.

Специальные требования. Решение специфических задач в области реставрации и искусствоведения предъявляет определенные требования к используемому оборудованию. Важным является применение сканирующих устройств для записи и обработки графического образа произведения, лазерных дисков для хранения и редакции изображения, графического монитора высокого разрешения и различных аналого-цифровых преобразователей для подключения устройств «неразру-шающего контроля» в режиме «on-line». Это оборудование значительно увеличивает стоимость комплекса, состоящего из компьютера I типа IBM AT с памятью 4 Мбайта, жесткими дисками емкостью 100 Мбайтов, стриммером, графическим монитором высокого разрешения (1280х 1024 точек) и сканирующего устройства с разрешением 800 линий на дюйм. Стоимость монитора, сканнера и контроллера

для него составляет до 60% от общей стоимости комплекса, математического обеспечения для реализации поставленных задач — от 20% до 60% затрат на вычислительную технику. Несмотря на быстрое удешевление вычислительной техники, цены на математическое обеспечение не снижаются.

Уже много лет длится дискуссия об использовании информатики в музейной и реставрационной деятельности. Проблема перестала носить гипотетические очертания и переросла в теорию системного анализа произведений искусств, плодотворность которой целиком зависит от степени использования современной компьютерной техники в проводимых исследованиях. Кроме расширения горизонтов искусствознания, использование вычислительной техники для документирования произведений искусств, графического анализа изображений, систематизации результатов поэтапной реставрации и контроля качества реставрации позволяет сократить сроки выполнения этих работ в 10—15 раз и высвободить творческий потенциал реставратора и искусствоведа.

Однако процесс внедрения вычислительной техники в такие трудно формализуемые области, как реставрация, консервация и экспертиза произведений искусств — кропотливая и утомительная работа, требующая громадных усилий. В процессе создания банков данных и экспертных систем главным фактором является участие человека, от которого зависит успех реализации идей и контакт с машиной. Иллюзорная погоня за утопической техникой и программным обеспечением без решения проблемы исполнителей может привести лишь к дискредитации как подхода в целом, так и частных технических решений и стать очередным препятствием на пути системных исследований культурного достояния страны.