| << назад |

3.5. Естественный язык и содержательное человекомашинное общение

Моделирование, структурное моделирование, знаковое моделирование. После уточнения таких понятий, как адаптивная система, отражение, знак, значение, смысл, опознание и познание, нетрудно углубить наши представления о природе моделирования, роль которого в научных исследованиях вообще, а в кибернетике особенно, постоянно увеличивается. Нe включаясь в довольно широкую дискуссию но поводу возможности различных подходов к определению понятия модели [32, 71, 137, 174, 188, 193], условимся сначала понимать под моделью в ее наиболее простом и очевидном проявлении любой объект, изучение свойств которого служит средством получения выводов относительно свойств другого объекта - оригинала. С позиций изложенной концепции системного подхода, такое косвенное изучение одного объекта через посредство изучения другого, т. е. изучение оригинала на основе данных о модели, возможно в той мере, в какой эти два объекта являются адаптивными системами.

Но это требование - лишь необходимое, но не достаточное. Вторым необходимым требованием является исходное уподобление модели оригиналу, т. е. исходное навязывание некоторых свойств оригинала другому объекту, выступающему в роли модели. В этом случае, как мы видели при анализе процессов отражения, те свойства оригинала, которые так или иначе навязаны модели, представляют собой прямой, первичный след активной части оригинала как отражаемого объекта на теле модели как отражающего объекта. Далее, под влиянием первичного следа, т. е. первичной, прямой деформации, начнется процесс вторичной, косвенной деформации, и чем больше общих исходных свойств у таких взаимодействующих объектов, тем больше вероятность того, что вторичный след окажется образом (точнее, прообразом в смысле продолжения, прогноза, антиципации) ряда свойств оригинала, несмотря на тo, что первичный след не навязывал модели этих свойств. Следовательно, субъект, “спровоцировав” начало первичной деформации модели в соответствии с исходными, известными ему свойствами оригинала, наблюдая за прообразом, т. е. за вторичным следом, определяемым уже внутренними параметрами модели, может, тем не менее, выявить такие свойства модели, которые он вправе расшифровывать как присущие и оригиналу, если даже о наличии этих новых свойств в оригинале субъект но тем или иным причинам не знал и не имел возможности наблюдать их непосредственно в оригинале.

После всего сказанного ясно, что достаточно естественным основанием для классификации рассматриваемого наиболее очевидного класса моделей является учет особенностей тех свойств оригинала, которые навязываются модели при первичном уподоблении.

Если модель вначале уподобляется оригиналу субстанциально, а следствием этого становится развитие интенций и экстенций, приводящее к тому, что структура сети связей между элементами модели все более уподобляется структуре оригинала, и в конечном счете общие свойства модели все более приближаются к свойствам, оригинала, то такую модель следует отнести к подклассу субстанциальных. Более тонкое деление среди субстанциальных моделей может основываться на учете того, имеем ли мы действительное тождество в материале модели и оригинала или же это подобие верно лишь с точностью до совпадения интенциальных, потенциальных и экстенциальных валентностей на некотором ограниченном числе ярусов. Примером второй разновидности субстанциального моделирования может служить изучение свойств гидродинамических объектов с помощью электрических цепей. В последнем случае говорят об аналоговом электромоделировании.

Так как в адаптивных системах взаимные ограничения друг на друга накладывают не только разнородные свойства (например, субстанциальные на структурные и наоборот), но и однородные, то, в частности, свойства целого определяются и тем, какие из граничных свойств объекта заданы как исходные, а какие становятся неизбежными следствиями первых. Это соотношение оказывается справедливым при весьма широком варьировании качественных свойств элементов, несущих на себе первичные граничные свойства, что весьма удобно для моделирования свойств разнообразных объектов с помощью моделей, перестройка которых, их исходное уподобление свойствам оригиналов осуществляется посредством комбинирования структуры связей ограниченного набора элементов модели и изменения граничных свойств, например, формы и состава незанятых валентностей этих элементов. Таким способом можно с помощью модели выявить, например, многие свойства оригинала, если речь идет о вариантах размещения станков в границах определенного помещения.

Все рассмотренные виды моделей можно назвать внешними, так как они, по отношению к моделирующему субъекту, являются внешними объектами. Среди внешних моделей мы рассмотрели пока две разновидности, одну из которых можно считать субстанциальной, другую структурной. Теперь нетрудно представить, что если внешнее структурное моделирование осуществляется субъектом регулярно, а класс моделируемых оригиналов более или менее однороден и цели исследования их свойств тоже, то у субъекта рано или поздно должны выработаться типовые абстрактные oбразы и элементов используемых моделей, и способов комбинирования этих элементов.

Следовательно, со временем структурное моделирование и выявление неизвестных свойств оригинала субъект сможет делать (в достаточно типовых случаях) и без помощи соответствующей внешней структурной модели, на основе только мыслительных образов граничных свойств элементов этих моделей и на основе образов схем комбинирования элементов.

Такие абстрактные мысленные единицы, специализированные для структурного моделирования свойств объектов определенного вида, представляют собой конструкты как единицы некоторого исчисления, некоторой формальной теории.

Конструкты, если ими пользуется коллектив людей для осуществления структурного моделирования объектов некоторой области исследования, естественно оказываются узуальными и социальными мыслительными единицами. Если рассматривать их с точки зрения нужд коммуникации, то знаковое выражение таких абстракции в роли смыслов сообщений наиболее легко достигается с помощью узуальных знаков, причем мотивированность свойств знаков свойствами этих узуальных смыслов не является необходимой.

Следовательно, среди членов коллектива, использующих для структурного моделирования одни и те же конструкты, легко достигается общение для передачи того содержания, которое получено в результате структурного моделирования с помощью конструктов данного исчисления. Столь же легко через эти знаки выражается сам процесс структурного конструктного моделирования, исходные условия и т. д. Те речевые (или текстовые) произведения, которые выражают с помощью условных узуальных ,знаков названное содержание, представляют собой знаковые модели.

Наиболее широко распространенным видом структурного моделирования является именно знаковое моделирование, и наиболее универсальные знаковые модели разрабатываются особой наукой - математикой, хотя возможно знаковое структурное моделирование и не универсальное, узко специализированное, со своим набором специальных конструктов и знаков для их выражения [117 - 125].

Структурализм, системный подход и порождающие грамматики. Так как для моделирования необходим предварительный перенос исходных известных свойств оригинала на модель, то на первых порах становления любой науки, пока о свойствах изучаемых ею объектов накоплено мало сведений, метод моделирования практически не применим. Главное внимание исследователя направлено на свойства целого, потом на свойства частей и т. д. с целью объяснить свойства целого через свойства частей, т. е. субстанции. До некоторых пор это удается сделать, но рано или поздно обнаруживается, что новые знания о свойствах субстанций имеют все меньшую объяснительную силу и что причина этому -невнимание к способам соединения и взаимодействия частей, т. е. к структуре объекта.

После этого исследователи переключаются на поиск закономерностей связи между особенностями структуры и свойствами целого, что открывает возможность использования структурного моделирования вообще и знаковых моделей в частности для описания свойств объекта и для объяснения этих свойств. Эту фазу развития науки можно назвать структурной. Из конкретных наук впервые структурной стала, по-видимому, физика, особенно после работ Галилея, нашедшего способы описывать важнейшие физические явления и объекты через их структурные характеристики, выраженные с помощью специальных знаковые систем [103; 119; 120].

Под влиянием успехов, получаемых методами структурного знакового моделирования на начальном этапе их использования, у представителей соответствующей научной дисциплины начинает складываться впечатление, что учет субстанциальных характеристик изучаемого объекта для объяснения его свойств вообще не существен, что элементы объекта должны рассматриваться не как носители некоторых имманентных свойств, а исключительно как чистые значимости, как пучки пересечения связей и отношений в структуре целого. Следовательно, если вначале структурная методология сменяет “элементаристские” представления, заставляя за членимостью объекта видеть и его целостность в наличии сети связей между элементами, и в этом смысле структурный подход к объекту более системен, чем субстанциальный, то после того, как осознание важности учета структурных характеристик объекта перерастает в игнорирование существенности субстанциальных характеристик его элементов, исследовательская методология переходит в стадию структурализма, который столь же не системен, как и чистый субстанциализм, хотя и на противоположном полюсе несистемности [48; 73; 83; 81; 89; 91; 96; 99; 100; 102; 103; 121].

Следует заметить, что понятие “структурализм”, несмотря на то, что как явление оно существует с начала XVII века, сложилось в науке лишь в XX веке, причем сначала среди лингвистов, когда гуманитарные дисциплины из стадии субстанциализма доросли до стадии осознания важности изучения структуры своих объектов с использованием, в качестве инструмента исследования, и структурных моделей.

Правда, в современной методологической литературе чаще всего отождествляют структурализм с системным подходом [23] и, как следствие, сущность объекта - с его структурой, фактически опираясь на постулат о сводимости субстанции объекта, т. е. его элементов и частей, к пучкам “чистых отношении”, к “чистым функциям”. Структуралисты лишают себя тем самым возможности учитывать взаимодействия между свойствами материала и структурой целого и вынуждены рассматривать материал как абсолютно аморфный и податливый. Поэтому системность своего мировоззрения структуралисты не поднимают выше философии томистов.

Однако нельзя не заметить, что если объектом структуралистического исследования является глубоко адаптированная система и мы не интересуемся ни предысторией становления этой системы, ни прогнозом ее будущих изменений, т. е. рассматриваем только синхронный срез системы, то в силу глубокой согласованности структурных и субстанциальных характеристик системы мы можем и субстанциальные свойства ее элементов интерпретировать через особенности значимостей этих элементов, через особенности того узла связей, в котором этот элемент адаптировался для выполнения определенных функций в системе, т. е. через особенности только структурных параметров. И лишь причины и тенденции развития чисто структурными методами мы изучить не можем, для этого нужны уже собственно системные представления и понятия. При этом и структурные, и субстанциальные методы оказываются совершенно необходимыми, дополняющими друг друга, если, конечно, исследователь владеет системной методологией и знает законы взаимодействия и взаимовлияния структурных и субстанциальных параметров объектов в ходе их адаптации для выполнения определенной функции в некоторой над-надсистеме.

Итак, если исследуемый объект является глубоко адаптированной системой и рассматривается лишь в синхронном плане, то в силу согласованности его субстанциальных характеристик со структурными наиболее эффективным оказывается изучение всех его свойств через выявление особенностей структуры. Тогда открывается возможность использовать структурное и знаковое моделирование как главное средство изучения объекта, если мы не интересуемся причиной возникновения вскрываемых свойств и прогнозами их изменения.

В частности, весьма плодотворны методы структурного изучения естественного языка, но той лишь его части, которая удовлетворяет названным требованиям: может считаться глубоко адаптированной благодаря длительной предшествующей эволюции и адаптации и относительно неизменной в рассматриваемом синхронном срезе. Из всего рассмотренного в схеме речевой коммуникации следует, что к такой части естественного языка и языкового мышления вообще относятся все те единицы, которые являются узуальными, т. е. значения, гештальты для опознания и воспроизведения речевых единиц, устоявшиеся комбинации значимых единиц, например, слова, обязательные схемы их внешнего согласования в речевом потоке, а также воспроизводимые, т. е. узуальные смыслы, выступающие в роли посредников в актах называния окказиональных смыслов.

В то же время ясно, что все одноразовое, неповторимое, уникальное, окказиональное опирается не на жесткие воспроизводимые связи по смежности, а на предположительные ассоциации по сходству. Оно не может оказаться узуальным, повторяющимся, глубоко адаптированным, и поэтому недоступно структурному моделированию, не поддается изучению только структурными методами, не выразимо через конструкты какого-либо исчисления и поэтому может быть понято лишь содержательно, на основе системных представлений. К числу таких “неисчисляемых” процессов даже только в рамках языкового мышления относятся акты подбора значений и узуальных смыслов для намека на окказиональные смыслы и, соответственно, наоборот, акты догадки по воспринятым знакам и (связанным с ними узуально) значениям об окказиональном смысле, который имелся в виду при формировании речевого отрезка. “Неподвластны” структурному знаковому моделированию процессы формирования сообщения, поскольку они основаны на гипотезах говорящего о знаниях слушающего и на учете всех контекстных и ситуативных условий при выборе тех смыслов, которые нуждаются в языковом намекании, и тех, которые и без того очевидны для воспринимающего.

Правда, внимательный читатель, по-видимому, уже заметил, что между языковыми и речевыми единицами, с одной стороны, и единицами знакового моделирования с другой, прослеживается очень глубокий изоморфизм, в свете которого противопоставление естественного языка и формальных исчислений структурного моделирования может показаться излишне резким. Действительно, в обоих

случаях мы имеем внешние (речевые или текстовые) знаки или символы, внутренние знаки гештальты —для воспроизведения и опознания внешних знаков, а также элементы абстрактного узуального содержания - значения языка или конструкты знаковой модели. При конкретном использовании языковых знаков требуется окказиональное установление подобия между смыслом и значением, а при использовании знаковой модели интерпретация представлений об изучаемом объекте через конструкты избранной знаковой модели, т. е. снова окказиональное установление подобия между смыслом в акте моделирования и значением в облике конструкта модели.

Но после экспликации этого изоморфизма ярко проявляется и различие между знаковым моделированием и языковой коммуникацией. При моделировании процесс выбора модели и процесс интерпретации смысла в конструктах модели признается творческой частью работы исследователя, и никто не претендует на то, что когда-либо будет формализован процесс формализации [5, 21, 34, 42, 62, 70, 85, 86, 140, 153, 154, 161, 162, 189].

Речевое же общение — непрерывная формализация и интерпретация смыслов через значения и значений через смыслы. И, тем не менее, основная масса математических лингвистов и кибернетиков убеждена, что можно создать формальное описание процесса общения на естественном языке и, следовательно, творческий акт перехода от содержательного к формальному свести к формальной рутинной операции [57, 133, 173, 184-187, 197, 211].

Ясно, что формально в речевой коммуникации можно описать самую простую, минимально зависящую от содержания часть оформления уже творчески избранных языковых единиц, в синтаксически

согласованную целостность— предложение. Но выбор единиц и даже их синтаксис при общении зависит прежде всего от особенностей окказиональных смыслов, тогда как синтаксис в знаковых моделях полностью задан свойствами значений, т. е. конструктов.

В свете сказанного достаточно ясно, что популярные среди кибернетиков разнообразные порождающие грамматики, методика составления которых около 20 лет назад была предложена Н. Хомским, весьма эффективны для описания лишь этих внешних, не смысловых коммуникативных процессов с фиксированным и, следовательно, лишь узуальным набором содержательных единиц. Но в то же время эти грамматики не имеют никакого отношения к реальному процессу коммуникации на естественном языке, поскольку звено с отношением намекаемое — намекающее, без замыкания которого общение невозможно, в порождающих грамматиках принципиально непредставимо и влияние окказиональных, смыслов даже на синтаксис не отражается, так как в схеме просто нет окказиональных смыслов. Для иллюстрации этого положения приведем простой пример.

В древней Руси некоторым эрудитам образованные люди напоминали пословицу, почерпнутую из переводов с греческого: “Многознание не есть мудрость”. С точки зрения законов порождающей грамматики это безукоризненно правильное предложение.

Простой народ, не зная греческих пословиц, сам пришел к этой же истине, но облек ее в иную форму: “Много знает, да мало понимает”. Весьма сомнительно, чтобы среди всех вариантов первой фразы порождающая грамматика выдала и вторую. Но совершенно исключено, что на основе правил порождения будет сформирована фраза, которую высказал проводник писателя-путешественника Арсеньева, гольд Дерсу Узала: “Знай - много, понимай- нет”. Он плохо знал русский язык, но охарактеризовал эрудита не менее метко, чем знатоки греческой литературы.

По-видимому, для современной кибернетики гораздо более ценно создать автоматы, которые могли бы дойти до истины, а если на первых порах они будут выражать ее как Дерсу Узала или даже хуже, общение человека с машиной на естественном языке, хотя и ломаном, окажется возможным. Рассмотренные нами механизмы коммуникации приближают нас к разработке методов такого общения, а грамматически правильные фразы, порождаемые грамматиками Хомского, не дают даже зацепок для обеспечения привязки речевых знаков к окказиональному содержанию. Это все более ясно начинают понимать и коллеги Хомского, хотя пути преодоления семантической ограниченности порождающих грамматик продолжают искать в построении новых формализмов [70], и в схеме “говорящего автомата” до сих пор нет каналов взаимодействия с внешней средой.

Рассмотрим теперь ряд актуальных задач кибернетики, для успешного решения которых недостаточная ясность представлений о природе, языковых категорий и их отношения к содержанию до сих пор была серьезной помехой.

Реальные пути осуществления машинного перевода. Если исходить из рассмотренной нами довольно детальной онтологической схемы языка как психического узуального механизма окказиональной коммуникации, то ясно, что при машинном переводе текстов с одного языка на другой, если машина не способна думать и иметь собственный жизненный опыт, плана семантики вообще нет. Самое большое, что может сделать машина—это по опознанным символам текста на одном языке найти образы воссоздания символов текста другого языка, а переход от символов к содержанию может осуществляться только в голове человека. Правила выбора выходных символов по входным символам могут быть примитивнейшие: символу ставится в соответствие символ (“пословный” перевод), но они могут включать в себя и сложные инструкции но учету наличия и связи многих символов входного и уже найденных символов выходного текста, прежде чем будет выбран очередной символ выходного текста.

На что направлены силы специалистов по машинному переводу с начала разработки этой проблемы по настоящее время? На то, чтобы последовательность символов выходного текста была такой же, как если бы входной текст воспринимала не машина, а человек-переводчик.

Но переводчик, восприняв текст, сначала понимает его, т. е. последовательно опознает по его символам значения, по значениям —узуальные смыслы, по узуальным смыслам—окказиональные.

После этого переводчик имеет право забыть о том, как он “получил” окказиональные смыслы. Для него они представляют собой тот смысловой замысел, который нужно выразить средствами выходного языка [55; 56].

Для этого переводчик должен подвести понятые окказиональные смыслы, где можно, под узуальные смыслы другого языка, и тем самым определить набор значений и языковых знаков другого языка для этих узуальных смыслов.

Для тех окказиональныx смыслов, которые не подводятся под узуальные, он должен непосредственно, опираясь на сходство между значениями и фрагментами окказионального смысла, а также на представление о том, какие ассоциации могут вызвать эти значения в сознании читателя переведенного текста, непосредственно подобрать нужные значения и через них—языковые знаки. Потом уже переводчик может переходить к речевым знакам как для узуальных, так и для второй группы окказиональных смыслов [86].

А так как современные машины не имеют плана окказиональных и узуальных смыслов и не имеют плана значений, то все рассмотренные процедуры не осуществимы в современных электронных машинах, и осуществление перевода, ориентированного на названный выше результат, принципиально не возможно. Те внешние подобия такого перевода, которые достигаются в настоящее время, похожи на реальный перевод не более, чем игрушечная собачка на живую, и чуть изменяется “ракурс” подачи содержания, как обнаруживается непреодолимость многих трудностей, которые при переводе живым человеком даже не воспринимаются как трудности.

Есть ли выход из создавшегося положения? В свете всего ранее рассмотренного, ясно, что есть, и не одни. Первый—самый надежный, но самый трудный, способный дать требуемый результат очень не скоро (многие считают его вообще неосуществимым), это построение думающей машины, которая, умея думать, сможет и говорить, и переводить.

Поскольку реальное думание на современных цифровых и аналоговых машинах создать пока не удается (в частности, потому, что мышление отождествляется с коммуникацией). то оставим первый путь на будущее.

Есть и второй путь: выжать всю информацию, которая содержится в тексте входного языка, и только ее, и никакую больше (потому что вся иная информация извлекается из жизненного опыта переводчика, а у машины этого опыта нет) представить в символах выходного языка, т. е. описать на выходном языке.

Ясно, что тогда текст не будет похож на тот, какой дал бы переводчик, но зато наличие всей подразумевавшейся автором исходного текста текстовой информации позволяет читающему текст перевода максимально полно воссоздать по ней смысл передаваемого исходного текста.

Но как это сделать практически, что за информация представлена текстом, почему она не есть тот смысл, который имел в виду составитель текста?

Остановимся на этом детальнее. Говорящий подбирает тот минимум значений, по которому можно догадаться о подразумеваемом, намекаемом смысле.

Смысл в нашей схеме—это образы действительных или воображаемых явлений, значения—тоже образы, но обобщенные, объединенные, причем образы таких классов смыслов, которые оказалось целесообразно выделить лишь при данном способе коммуникации, при данном грамматическом строе. В другом языке разбиения на коммуникативные классы производятся иначе, и поэтому набор значений, как коммуникативно значимых обобщенных образов, в другом языке иной.

Передающий так подбирал значения, чтобы по ним воспринимающий догадался о смысле. Но передающий предполагал при этом, что набор значений у воспринимающего такой же, как и у самого автора текста.

Но эта гипотеза неверна, если восприпимающий не знает языка передающего, и эту “ошибку” мы должны по возможности исправить с помощью машины-переводчика. Так как речь идет о значениях, т. е. единицах узуальных и социальных, наличных и в высокой степени подобных у всех членов языкового коллектива (а не об окказиональных смыслах, которые всегда уникальны), то появляется основа для разговоров об автоматизации. Так как передающий с помощью речевых знаков должен прежде всего возбудить только набор вполне определенных значений в сознании воспринимающего, а дальнейшие процессы перехода к смыслу, как мы ранее видели, протекают в сознании самого воспринимающего на основе законов подобия и ассоциации образов, то машина должна быть способной помочь возбудить в сознании воспринимающего, если он и не знает языка говорящего, те же образы, которые возбудились бы как значения в сознании воспринимающего, который знает язык говорящего.

Иначе говоря, смыслами иноязычного воспринимающего сначала должны стать образы, тождественные тем, которые являются значениями для неиноязычного воспринимающего. Лишь после этого иноязычный читатель сможет по осмысленным значениям чужого языка как намекам на окказиональный смысл, имевшийся в виду автором исходного текста, начать процесс перехода от намека к намекаемому, т. е. к окказиональном смыслам переводимого текста.

Нетрудно видеть, что такой режим перехода от иностранного текста к его содержанию с помощью современных ЭВМ - задача вполне реальная.

Остановимся на принципах реализации этого режима несколько детальнее.

Принципы перевода текстов на естественном языке с помощью машины-справочника. Любой естественный язык является универсальным средством выражения содержания. Следовательно, если на основе лингвистического анализа мы выявим внеконтекстные значения элементов некоторого чужого для нас языка (например, английского), то мы сможем с помощью русских слов описать каждое из таких значений. В наиболее благоприятных случаях описание будет состоять также из одного слова (хотя таких счастливых случаев немного). Например, может обнаружиться, что внеконтекстно русское “да” и английское “йез” не отличаются по своему значению.

Если такого совпадения нет, то потребуется не одно, а несколько (возможно, и много) слов для описания значения каждой морфемы, каждой значимой единицы.

Это описание делается людьми на основе глубокого изучения обоих языков. Но важно при этом то, что как только описание составлено, оно уже может быть введено в машину без всякого содержания: просто машина будет помнить, что на такой-то символ входного языка нужно выдать такой-то символ (или такую-то цепочку символов) выходного языка.

Следовательно, если теперь на вход подан переводимый текст, то на выходе будет появляться текст из символов и цепочек, которые воспринимаются представителем другого языка. По ним, как уже отмечалось, он сначала опознает такие смыслы через значения символов родного языка, которые совпадают со значениями, которые возникли бы в голове воспринимающего, если бы он знал язык передающего и читал входной текст непосредственно.

Следовательно, машина помогла произнести тот же психический эффект на воспринимающею иноязычного (правда, за большее число шагов в сознании воспринимающего), какой был бы у воспринимающего, который знает входной язык и читает входной текст. Тождественно ли это восприятие?

Но ряду характеристик - такое восприятие иноязычных значений через смыслы, полученные с помощью символов родного языка, принципиально отлично от непосредственного перехода от символов к требуемым значениям.

Во-первых, как уже говорилось, человек, знающий входной язык, от символов текста сразу приходит к своим, готовым до акта чтения, значениям этого языка. Иноязычный же воспринимающий по символам выходного текста опознает сначала значения своего языка и уж по ним восстанавливает, как смысл, а не как значения (т. е. окказионально конструирует), те образы, которые у носителей входного языка являются значениями — уже готовыми, узуальными коммуникативными единицами.

Следовательно, проделав переход от своих значений к смыслам, иноязычный воспринимающий еще не продвинулся в понимании текста дальше, чем носитель входного языка, прочитавший символы текста и воспринявший только значения.

Лишь после этого оба воспринимающих могут переходить к следующему этапу понимания -к этапу восстановления смысла, подразумеваемого передающим на входном языке на основе знаний тех значений, которые выразил передающий через символы текста.

Но это — не единственная разница.

Сам набор тех намеков, которые восприняты в значениях человеком, читающим входной текст как на родном языке, таков, что читающий уже имеет навыки именно через такие намеки, через такой “ракурс” рассмотрения замысла восполнять обобщенные образы значении до образов конкретного полного смысла.

Когда же аналогичный набор намеков-образов иноязычный человек получает с помощью машины-переводчика, то многое в этих намеках может показаться ему странным: в них, как правило, подчеркнуто то, на что в родном языке обычно не обращают внимание (например, был или не был пишущий очевидцем описываемого события, как это имеет место в ряде языков мира), и в то же время среди намеков может отсутствовать то, что казалось бы, обязательно должно всякий раз отмечаться (например, для русского человека обязательным кажется указание на время действия). Но так как в сумме имеющегося количества намеков достаточно, чтобы восстановить смысл, то иноязычный воспринимающий тоже все поймет, но вначале процесс понимания займет у него больше времени, чем процесс понимания текста на родном языке.

Ясно, что при таком машинном переводе выходной текст будет отражать многие черты своеобразия “языкового видения” автора входного текста. Поэтому необходимо приобретать навык понимания машинного перевода для каждого из входных языков (как мы привыкаем к манере выражения в различных областях науки) [80].

Но зато все то, что не отражено в значениях входного языка лишь потому, что представлено другими элементами текста, окажется полностью сохраненным в других элементах текста на выходном языке. Потерянной может быть лишь информация, которая опирается на ассоциации с обликом (или звучанием) самих символов входного текста.

Так, в частности, такая машина будет давать в переводе “подстрочник” стихотворения, но ни рифмы, ни ритмических его характеристик она передать не сможет. Однако все каламбуры, намеки, переносные смыслы, если они опираются только на значения, машинный перевод сохранит.

Здесь детально не рассматривается вопрос об отношении узуального смысла к значениям на входном языке. Но в общих чертах ясно, что поскольку и значения, и смыслы узуальны, то при переводе должны обязательно сохраняться значения, и точно так же, как но ним на родном входном языке читающий восстановил бы, какой из нескольких узуальных смыслов имеется в виду, что н на выходном языке воспринимающий по понятому значению сможет выбрать требуемый узуальный смысл этого значения.

Разница в восприятии здесь лишь такая: носитель входного языка, читая входной текст, уже заранее знает набор узуальных смыслов каждого значения, а читатель иноязычного текста может не знать этого набора узуальных смыслов.

Следовательно, все узуальные смыслы к данному значению машина-переводчик должна выдавать в виде перечня описании этих смыслов, а тот, кто воспринимает текст, должен уже сам выбирать наиболее подходящий узуальный смысл из этого списка.

Если же окказиональный смысл символа не совпадает ни с одним из узуальных и догадаться о нем можно, только учтя символы уже введенного контекста и содержания, понятого па его основе, то в этом случае и тот, кто читает текст на родном языке, и тот, кто его старается понять после машинного перевода, окажутся в одинаковом положении.

Следовательно, любые метафорические употребления сохранятся в тексте на выходном языке, сохранится игра тонких синонимических замен, основания антонимов и т. д.

Таким образом, и при переводе художественных текстов такой способ использования ЭВМ останется эффективным.

Если будут преобладать тексты однотипные но содержанию, например узкоспециальные, то в них будут содержаться типовые куски, которые регулярно нужно переводить одинаковым способом. Следовательно, такие типовые переводы типовых кусков тоже полезно вводить в машину. Потом этот кусок перевода можно отредактировать так, чтобы он был изложен в стиле не входного, а выходного языка. Этот отредактированный вариант можно выдавать на выход.

Но такой способ перевода может быть только вспомогательным (в обычной “идеологии” машинного перевода он - единственный), ибо все типовое имеет лишь статистическое преобладание, и элементы типового куска узкоспециализированного текста иногда могут быть использованы и не “профессионально”. В этих случаях нужно снова возвращаться к перед актирован ном у варианту, т. е. к переводу значений, а не специализированных смыслов, чтобы сохранить возможность догадываться о нетиповом окказиональном смысле элементов куска.

Следовательно, весь процесс перевода с помощью вычислительной машины должен вестись в этом случае в режиме диалога: если что-либо человеку кажется непонятным, он запрашивает у машины о соответствующем слове или морфеме более детальную лингвистическую информацию, помогающую понять окказиональный смысл.

Рассмотренный принцип автоматизации перевода явится стимулом действительного глубокого изучения строя и семантики языков [111].

Кроме того, в той мере, в какой в машину будут со временем вводиться элементы мышления, некоторые из простейших процедур догадки (с возможностью их контроля получателем переведенного текста) также могут вводиться в машину, и тогда она из машины-справочника все больше будет превращаться в машину-переводчика. Пути такого превращения автор наметил еще в 1959 г. [86]. Но главное в излагаемом принципе машинного перевода заключается в том, что мы действительно получаем возможность выжать из современных ЭВМ все для того, чтобы творческие процессы, производимые человеком при расшифровке текста, написанного “странным стилем” на родном языке, опирались на тот максимум информации о содержании, который отражен во входном тексте.

Следует отметить, что при описании семантики языка для построения машины-справочника много полезной информации можно получить из так называемой “модели смысл — текст”.

Остановимся на этом отдельно.

Язык для описания смыслов. Речь пойдет о работах Ю. Д. Апресяна, А. К. Жолковского и др. [133, 57, 15].

Следует сразу подчеркнуть, что мы не будем вдаваться в детали существенных расхождений между высказываниями названных авторов о цели и значении их работ и предлагаемой здесь интерпретацией содержания этих работ. Для нас важна роль этих работ в аспекте языковых задач кибернетики, рассматриваемых с позиций изложенной выше концепции системного подхода и схемы окказиональной коммуникации, а также в аспекте использования результатов названных работ для реализации излагаемых приемов перевода с помощью ЭВМ.

Так как значения и некоторые смыслы узуализированы и социализированы, т. е. взаимно уподоблены у основной массы членов языкового коллектива, то в принципе можно создать такое исчисление, исходные элементы которого являются психическими единицами-конструктами высокого уровня абстракции, т. е. представляют собой образы с небольшим числом внутренних черт. Из таких элементов можно собирать, как из деталей детского конструктора, более сложные образования и, в частности, такие, которые с достаточной степенью точности будут совпадать с образами, являющимися значениями языковых знаков и узуальными смыслами, выраженными через эти знаки. Следовательно, если этим элементам как конструктам и правилам их комбинирования поставить в соответствие специальные символы, то каждое значение и каждый узуальный смысл получит возможность быть описанным через комбинации этих символов.

Следовательно, мы получим формальную модель для исчисления узуалнзированных единиц плана содержания определенного, в том числе, естественного языка. Такое исчисление ряд авторов называет (не совсем удачно, с нашей точки зрения) “языком для описания смыслов”.

В свете сказанного ясно, в чем заключается принципиальное отличие отношения значений языковых знаков к смыслам, например, узуальным, от отношения единиц “языка смыслов” к значениям и этим же узуальным смыслам как своим означаемым.

Конструкты “языка смыслов” всегда должны полностью, без остатка “покрывать” представляемое ими значение языковых знаков или узуальные смыслы естественного языка, тогда как значения естественного языка “покрывают” лишь “броские” части обозначаемых ими узуальных смыслов, только минимальное необходимое число намеков на смыслы, что и является главной причиной полисемии языковых знаков.

Вопрос о том, какова техника описания значении и узуальных смыслов через значения “языка смыслов”, нас непосредственно не интересует. Ясно, что она может основываться как на “интегральных” принципах, т. е. на перечислении тех компонентов, на которые можно разложить описываемый смысл, так и на “дифференциальных принципах”, т. е. на преимущественном указании того, чем один узуальный смысл отличается от остальных (в названных работах Ю. Д. Апресяна, А. К. Жолковского и др. преобладает вторая тенденция). Для нас важно другое: в какой мере “язык”, создаваемый прежде всего для описания узуальных смыслов, способен отражать структуру реального текста, определяемую связями между компонентами актуального смысла, т. е. ситуативно, окказионально возникающего замысла.

Если всю совокупность узуальных смысловых единиц естественного языка удается выразить через “язык смыслов” и составить соответствующие словари перехода от единиц естественного языка к их “смысловому описанию”, то, казалось бы, переход от единиц реального текста к единицам смысловой записи может производиться уже автоматически. А поскольку все смысловые единицы текста будут при этом эксплицированы, то и смысловая структура текста окажется явно выраженной, после чего уже не трудно выявить эту актуальную смысловую структуру с помощью машины. По-видимому, именно так представляют себе возможность выявления смысловой структуры текста создатели “языка смыслов” для описания словарных единиц естественного языка.

Однако, если мы воспользуемся нашим различением понятий значения, узуального и окказионального смысла, то станет ясным, что это направление семантических исследований не способно обеспечить автоматическое распознавание структуры связного текста, если автомат производит только формализованные операции.

Допустим, что исходный набор значений “языка смыслов” удалось сделать таким, что через него с достаточной степенью точности можно эксплицитно выразить все узуальные семантические компоненты естественного языка. Легко показать, что даже в этом случае многим речевым единицам естественного языка (поскольку они представляют прежде всего значение, а уже через значение — тот или иной набор узуальных смыслов) будет соответствовать несколько эквивалентных точных единиц- “лексем” на “языке смыслов”. Выбор той единственной из них, которая входила в замысел говорящего или пишущего, требует обращения к контексту и ситуации, следовательно, не к узуальным, а к окказиональным смыслам, перечень которых безграничен, и формальные правила перехода от которых к единицам “языка смыслов” принципиально не могут быть найдены.

Но предположим, что даже эта проблема решена каким-либо прямым или косвенным способом. Получим ли мы правильное отражение смысловой структуры текста, если переведем все языковые единицы естественного текста на “язык смыслов”?

Из нашей схемы речевой деятельности следует, что в этом случае будет снята вся “словарная” полисемия, т. е. истинные подразумевавшиеся узуальные смыслы исходного текста получат однозначное и явное выражение в символах “языка смыслов”.

Однако, как мы знаем, называние узуальных смыслов в реальном акте коммуникации служит лишь средством указания (прямого или переносного) на окказиональный смысл, который как правило, намного конкретнее узуального и является образным представителем внешних (или воображаемых) объектов во всей (или почти во всей) их неповторимой индивидуальности. Если же автомат не имеет этого плана непосредственного отражения внешних объектов, то у него нет и окказиональных смыслов. Но именно связь между окказиональными смыслами и задает структуру связного текста, тогда как все формальные признаки связности служат лишь частичным н весьма приблизительным проявлением этой фактической структуры текста.

Так мы снова приходим к выводу, что для установления содержания текста необходимо “расшифровывать” творческие приемы, использованные автором текста при выборе средств выражения его содержания, и поэтому нужно либо сознательно идти на участие человека в операции выявления актуальной структуры текста, как в нашей схеме перевода с помощью машины-справочника, либо искать пути осуществления творческих операций на электронных автоматах, для чего в первую очередь необходимо выйти за границы “чистой лингвистики” и составить представление о психических основах не только коммуникативной деятельности, но и мышления вообще (т. е. “внеязыковое мышление”, как его называл Бодуэн де Куртенэ, противопоставляя “языковому мышлению” [24, т. II, с. 11, 177, 186, 333]).

Следовательно, “язык смыслов” оказывается эффективным средством описания только допускающей взаимное соотнесение (терминирование), узуализированной части семантики языка, т. е. только той семантики, которая должна находить отражение в толковых словарях, а не той, которая представлена языковыми единицами в конкретных контекстах или в актах содержательного общения. Поэтому данные, полученные в рамках модели “смысл-текст”, могут быть весьма полезны для разработки машины-справочника, но не машины-переводчика.

Однако отсюда нельзя делать вывод, что описание узуальной семантики языка средствами формальных исчислений не имеет отношения к изучению и к машинной реализации содержательного обращения на естественном языке. Как ясно из рассмотренной схемы окказиональной коммуникации, передача неповторимого окказионального смысла средствами языка возможна лишь при наличии рефлексии у коммуникантов, способности представлять чужие представления, т. е. знания и умение собеседника. Следовательно, если для того, чтобы выбрать окказиональный смысл, информативный для воспринимающего, нужно знать, что известно, а что неизвестно ему в той содержательной области, о которой идет речь, то для того, чтобы выбрать средства для языкового выражения этого содержания, необходимо опираться на вполне определенные предположения о том, какие узуальные, терминированные семантические единицы содержатся в памяти воспринимающего. А это значит, что вся узуальная семантика подлежит осознанию, особенно если речь идет о воссоздании актов содержательной коммуникации кибернетическими автоматами. Для такого осознания и описания результатов этого осознания новаторские работы создателей “языка смыслов” также имеют большое значение.

На проблеме принципиальной возможности содержательного общения человека с машиной, как на одной из важнейших проблем современной кибернетики [145], мы тоже должны остановиться. Но перед этим мы должны уточнить, что понимать под выводным содержанием, которое может стать окказиональным смыслом сообщений.

Условия формальной выводимости смыслов. Рассмотрев психическую природу основных языковых единиц и механизмы не только называния (номинации) любой единицы содержания с помощью ограниченного набора языковых знаков, но и предикации (передачи элементов нового знания), мы теперь уже не смешаем языковую семантику, т. е. план значений языковых знаков, с семантикой передаваемого мыслительного содержания, т. е. с планом окказиональных и узуальных смыслов, вступающих с единицами значения в отношение намекания. Эти представления о природе коммуникации па естественном языке позволили нам сделать вывод о принципиальной невозможности построения чисто математических моделей речевой деятельности, но, в то же время, указали пути увеличения эффективности человеко-машинного общения в тех частных случаях, когда звено намекания в коммуникативном цикле удается редуцировать до узуальных ассоциаций по смежности. Такая редукция возможна тогда, когда тексты, предъявляемые машине и порождаемые машиной, могут быть интерпретированы только в узуальных и, следовательно, перечислимых смыслах и в перечислимом составе преобразований одних смыслов в другие. Теперь мы детальнее остановимся на вопросе о том, как велика доля таких семантических условий, благоприятных для машинной реализации, причем нас будет интересовать в первую очередь семантика экономических текстов, поскольку именно они представляют основной массив информации в современных АСУ.

Противопоставив смысловое содержание языковому, а языковое тем речевым или текстовым символам, которые лишь указывают на языковое содержание, мы имеем право рассуждать о смысловом содержании, отвлекаясь, если это нужно, от способов его текстового выражения. Учтя сказанное, обратим теперь снова внимание на одну существенную особенность смыслового содержания в психике человека, которая важна и для проблемы человеко-машинного общения. Эта существенная особенность заключается в “генеративных способностях” смыслов.

Будучи отражением свойств явлений реальной действительности, элементы содержания — смыслы допускают взаимодействия и преобразования, результатом которых являются новые элементы знания, новые смыслы, уже не относящиеся к числу возникших вследствие отражения наблюдавшихся ранее явлений действительности, но, тем не менее, соотносимые с реальными явлениями и именно благодаря этому представляющие ценность для субъекта и используемые им наряду с непосредственными отражениями. Иными словами, смыслы могут служить основой получения выводного знания и чем реже выводное знание вступает в противоречие с эмпирически полученным знанием, тем эффективнее сама мыслительная деятельность. Поэтому естественно желание оценить, насколько сохраняется названное свойство выводимости одного знания из другого, одних смыслов из других, если мы намерены иметь план смыслового содержании и в кибернетических автоматах.

Представим для начала, что получение новых смыслов из имеющихся осуществляется из элементарных смыслов с помощью логических операции, например, в границах булевой алгебры. В роли элементарных возьмем смыслы простых высказываний, единственное требование к которым, если исходить из утверждении, изложенных в книгах но математической логике, заключается в очевидности отнесения выражаемого ими содержания к значению “истина” или “ложь”, а выводное знание по- лучим из этих элементарных смыслов как “смысл сложного высказывания” с помощью той или иной логической операции, например импликации.

Почти любой учебник или монография но математической логике содержит такие утверждения: истинностное значение сложного высказывания зависит только от того, истина или ложь приписана (в таблице истинности) рассматриваемой комбинации истинностных значении элементарных высказывании. В частности, в таблице импликации мы находим значение “ложь”, если первое элементарное высказывание имеет значение “истина”, а второе — “ложь”. В остальных же случаях сложное высказывание истинно, поэтому утверждение вида: “то, что из высказывания “атом кислорода легче атома водорода” следует, что “дельфин — рыба””, должно считаться истинным.

Примеры подобного рода постоянно смакуются в логической литературе, однако если мы хотим построить автомат, который осуществлял бы логические операции, то, с одной стороны, получать подобные “выводные знания” автоматически не представляет никакого труда, однако в то же время трудно представить, какую пользу может получить от подобной операции человек, общающийся с автоматом, и сам этот автомат. Кроме того, обычно возникает сомнение: а имеет ли какое-либо отношение то, что называется выводом в математической логике, к тем логическим процессам, на основе которых получает выводные знания мыслящий субъект. И если не имеет, то не ясно, с какой же стороны подступиться к проблеме реализации смысловых противопоставлений в автомате, соответствующих смысловым противопоставлениям именно в психике человека.

Отвечая на поставленные вопросы, мы сможем сначала обратить внимание на некоторые широко распространенные недоразумения в понимании соотношений между элементарными и сложными логическими высказываниями, после чего станут более ясными условия, при которых выводные знания, полученные даже в рамках только булевой алгебры, перестают быть странными и парадоксальными и не противоречат более нашим интуитивным представлениям о связи выводного знания с исходным. Лишь после этого сможем мы продолжить анализ вопроса и о тех необходимых условиях, которые обеспечат действительную смысловую содержательность логических преобразований, даже если осуществляются эти преобразования чисто формально, в памяти электронного автомата.

Сначала обратим внимание на один факт из истории математической логики, который является фундаментальным для понимания ее природы, но почему-то не учитывается современными логиками, когда они приводят “поясняющие” примеры определения истинности сложного высказывания из элементарных. К числу тех немногих математиков, которые осознают фундаментальность этого факта, относится А. С. Кузичев. В книге “Диаграммы Венна” [74, с. 33] он пишет, что около ста лет тому назад Джон Венн пришел к выводу, что “законы формальной логики... не действуют автоматически: если не позаботиться о надлежащем выборе универсума и соответствующем уточнении понятий, они потеряют смысл”. Иными словами, чтобы составлять сложное высказывание из элементарных, необходимо точно установить, что они являются элементами одного и того же универсума; лишь в этом случае они сопоставимы по смыслу и производное, сложное высказывание тоже приобретает смысл. Иначе получается то, что в народе давно высмеивается шуткой: “В огороде бузина, а в Киеве дядька”.

А как понимается в настоящее время универсум (универсальное множество)? Вот как определяется оно американским математиком Л. Т. Берзтиссом [20, с. 17]. “Если все множества, рассматриваемые в рамках определенной ситуации или рассуждения, являются подмножествами определенного множества U, то последнее является универсальным множеством (или универсумом) для данного рассуждения”.

Итак, и из этого определения следует: одного того факта, что рассматриваемые элементарные высказывания принимают лишь значения “истина” или “ложь”, недостаточно для того, чтобы процедура составления сложного высказывания из простого имела смысл. Необходимо, чтобы эти высказывания представляли в качестве своего смысла элементы одной и той же “ситуации или рассуждения”.

Если эти элементы множества, то необходимо, чтобы они являлись подмножествами одного итого же множества более высокого уровня.

Более точно эту же мысль можно выразить через понятие булеана В(М), т. е. множества всех подмножеств исходного множества М: элементарные высказывания могут вступать в логические отношения и производить небессмысленные сложные высказывания, ecли смыслы элементарных высказывании являются членами одного и того же булеана; при этом смысл составного высказывания будет принадлежать этому же булеану н следовательно, будет иметь отношение к решаемой задаче.

Таким образом, если мы хотим осуществлять в автомате даже одни только формальные логические операции, то должны побеспокоиться о том, чтобы символам элементарных высказываний соответствовали смыслы, принадлежащие одному множеству всех подмножеств исходного множества смыслов, т. е. одному булеану смыслов. Иначе производные, сложные высказывания будут бессмысленными и, следовательно, утратит практический смысл и сама деятельность автоматизации логических операций.

Первоистоки совместимости смыслов элементарных высказываний. Теперь возникает вопрос: каким же образом установить принадлежность смыслов элементарных высказывании к “определенной ситуации или рассуждению” и, следовательно, как быть уверенным в том, что если эти смыслы имеют внешнее выражение, например, в виде высказываний, то мы вправе рассматривать эти высказывания как символы членов одного булеана?

Как отмечалось в одной из работ [117, с. 12], успех формального анализа сложных явлений “в первую очередь зависит от того, насколько удачно (интуитивно или из теоретических предпосылок, неважно) выбраны индикаторы. Например, раскрытие сложной структуры рефлекторных реакций животных стало возможным потому, что физиолог И. П. Павлов выбрал очень эффективный индикатор - знаменитую слюнную железу”.

Естественно, что сложная задача подразумевает использование большого количества индикаторов, но они должны быть не независимыми, а объединенными иерархически: некоторый “главный” индикатор отражает факт принадлежности компонентов, рассматриваемых в задаче, к одному множеству, другие индикаторы свидетельствуют о разбиении этого множества компонентов на подмножества, каждый из которых может в свою очередь распадаться на под-подмножества, о чем должны свидетельствовать показания индикаторов следующего, более, глубокого уровня и т. д. Но сколько бы уровней рассмотрения ситуации ни понадобилось при решении поставленной задачи, отражения ее компонентов в виде высказывании, моделей н т. д. в конечном счете сводят семантику этих высказываний и моделей к констатации наличия определенных физических свойств, обнаруживаемых с помощью индикаторов.

В частности, если речь идет о мыслительной смысловой семантике, то она является фиксацией (в нейронах мозга) показаний естественных индикаторов - органов чувств.

При этом сами сигналы с различных органов чувств могут иметь единственную физическую природу, например, электрические импульсы, частота которых пропорциональна интенсивности того физического свойства, которое обнаруживается с помощью каждого из органов чувств. Однако, отражаясь в памяти, эти сигналы должны хранить следы не только обнаруженной интенсивности, но и те или иные пометы о том, показанием какого именно органа, какого рецептора являются зафиксированныe сигналы (это условие соблюдено в используемой нами символической записи процессов отражения).

Соответственно и при построении семантического ноля автомата, если он будет снабжен рецепторами, сохранение “имени индикатора” при информации, поступившей с него в память машины, является необходимым условием определения смысловой сопоставимости элементов знания такого автомата о внешней среде и, следовательно, способности получать знания о ней путем логического вывода.

И, наконец, если имеется в виду современная ЭВМ и с ее помощью мы намерены решать семантические задачи, то, как и при построении формальной теории, такое предприятие будет успешным лишь в той мере, в какой за символами теории будут стоять совместимые в смысловом отношении элементы содержания, даже если эти элементы размещены не в памяти машины, а в сознании пользователей.

Наиболее полно указанный принцип излагается в системной концепции И. П. Кузнецова. Вот что он пишет но этому поводу в одной из своих недавних работ [75, с. 222]: “В математике каждому вводимому термину предшествует так называемый квантор существования, который делает законным использование соответствующего термина. В реальной ситуации роль квантора существования возлагается на измерительный прибор. Если измерительный прибор существует, то значение термина определяется отсчетом на шкале или шкалах измерительных приборов... Мы можем говорить об “экспериментальном пространстве”, где число осей соответствует числу шкал измерительных приборов”.

Ясно, что требование принадлежности множества всех смыслов элементарных высказываний к одному булеану является частным выражением более общего принципа принадлежности смысла любого термина или высказывания теории к одному и тому же “экспериментальному пространству”, а взаимная сопоставимость различных теории возможна лишь тогда, когда их “экспериментальные пространства” являются “подпространствами” пространства более высокого уровня.

Чем полнее свойства различных объектов и ситуаций удается отразить через комбинации показаний одного и того же набора измерительных приборов, тем больше вероятность сводимости частных “экспериментальных пространств” к единому, обобщающему “экспериментальному пространству”, тем более полные выводные знания могут быть получены в таком пространстве из уже имеющихся знаний.

Как показано в работах П. Г. Кузнецова и Р. О. ди Бартини [75; 76; 19], все физические величины, в том числе масса, могут быть выражены в размерности только времени и пространства, следовательно, в этом случае сопоставимость высказываний о самых различных физических величинах имеет минимальную вероятность оказаться бессмысленной. Исходя из всего сказанного, рассмотрим конкретный пример. Остановимся на проблеме специфики семантики экономических текстов как наиболее типичных для значительной части информационных систем АСУ в связи с оценкой возможностей использования естественного языка при общении человека с машиной.

Особенности смыслового выявления свойств денотатов экономических текстов. Нетрудно видеть, что в подавляющем числе случаев с единицами экономического текста могут быть соотнесены без особого труда единицы внешней денотативной семантики, т. е. единицы реальной действительности, подразумеваемые автором текста. Следовательно, если исходить из нашего понимания смыслов как отражения свойств реальной действительности в психике, а также свойств, выявленных логически, то ясность внешней денотативной соотнесенности единиц текста позволяет установить многие важные характеристики и единиц смысла, представляемого единицами текста, и, прежде всего, проверить, в какой мере в экономических текстах выполняется условие смысловой совместимости элементарных высказываний. Для этого достаточно выявить, могут ли быть сформированы смыслы этих высказываний с помощью очевидных и общепризнанных индикаторов свойств тех денотатов и тех ситуаций, рассмотрение и анализ которые важен для решения экономических задач [136, с. 62].

Убедимся, что семантика значительной части экономических текстов в рассматриваемом отношении представляет собой весьма редкое по благоприятности исключение из многообразных видов семантик других текстов, если речь идет о текстах, отражающих состояния функционирующих производственно-экономических систем: предприятий, министерств, ведомств и т. п.

Остановимся для примера на АСУ промышленного предприятия.

К главным характеристикам объектов и явлений внешнего мира относятся их пространственные и временные координаты. В экономических системах (с той степенью точности, которая важна для ее функционирования) всегда существуют отработанные средства фиксации места и времени событий, перемещений объектов, моменты их переходов из одного состояния в другое, места, моменты и периоды их взаимодействии и т. п. Так, в частности, физически измеренным всегда бывает абсолютный возраст работников предприятия, моменты их перехода из одной возрастной группы в другую; фиксируется момент начала и момент окончания изготовления продукта и т. п.

Принадлежность работников к профессиональным группам, уровням и подразделениям определяется и единообразным способом фиксируется квалификационной комиссией, идентификация каждого работника осуществляется работником бюро пропусков или табельщиком, табельщик же стандартным образом записывает время, потраченное работниками на производстве. Эффективность этого времени характеризуется величиной и качеством продукции, для чего продукция осматривается и нередко измеряется работниками отдела технического контроля.

На предприятии есть также отработанные процедуры, приспособления и приборы для определения затрат материала и энергии на производство заданной продукции.

Из сказанного следует, что символами экономических текстов представлены именно свойства реальных объектов, ситуаций и состояний производственно-экономической системы, выявленные на уровне телесной реальности с помощью системы индикаторов, измерительных приборов, опознающих устройств, в том числе и таких, которые используют возможности человеческих органов чувств и логику человеческого мышления, но фиксируют результаты проверки и оценки только стандартными символами.

В психике человека все эти показания индикаторов не просто запечатляются, но и различаются по таким параметрам, как вид индикатора, от которого то или иное показание получено, как связь

показаний индикаторов качеств с одним и тем же показанием измерителя времени или с пространственной локализацией. В самой реальной действительности (в силу ее материальности) одни виды свойств и взаимодействий между объектами экономической системы оказываются возможными, другие — исключенными, третьи — подготовленными к возникновению наличием других. Следовательно, в психологических отражениях этих объектов с обнаруженными в них свойствами одни взаимодействия между отражениями окажутся возможными, другие — исключенными, третьи — подготовленными к возникновению, хотя степень этого гомоморфизма может быть различной, в зависимости от количества индуцируемых свойств, точности и разрешающей способности используемых измерительных приборов, датчиков и индикаторов.

Таким образом, для экономических текстов мы имеем уровень смысла, “экспериментальное пространство”, отражающее “пространство” реальных и возможных (потенциальных) свойств определенной области действительности. Среди отношений между элементами такого смыслового поля появятся такие, которые тоже имеют смысл, и такие, которые бессмысленны и автоматически будут отбраковываться при выведении новой информации из уже имеющейся. В этом случае парадоксальным импликациям, требующим признать истинным сложный смысл из двух элементарных: “атом кислорода тяжелее атома водорода и дельфины—рыбы”, на том лишь основании, что истинность или ложность каждого компонента будет проверена физически, уже не останется места. Пока не будет указана та процедура, тот индикатор, то измерение, которое делает небессмысленным сопоставление индикаторов истинности—ложности составных смыслов, ответ об истинности или ложности сложного смысла просто не выводится.

В то же время, если имеется в виду экономическая система и в качестве ее объектов рассматриваются такие, экономические показатели, как, например, сменная норма производства определенного продукта, факт ее выполнения досрочно и факт перевыполнения нормы (т. е. выдачи в течение смены продукта в большем количестве, чем предусмотрено нормой), то все эти явления и объекты на самом физическом, внешнем денотативном уровне находятся в сети вполне определенных связей, могут образовывать более сложные явления н объекты, представлять собой члены одного и того же булеана. Поэтому и выводное, полученное на основании законов даже формальной логики знание, не может в этом случае оказаться “формально истинным” и фактически бессмысленным: формальная проверка выводимости нового знания окажется эффективным, хотя и простейшим, средством выведения нового смысла из уже имеющегося, получения новых знаний из накопленного опыта, средством предсказания того, что в реальной экономической системе возможно, а что принципиально невозможно, что позволяет свести к минимуму количество прямых экспериментальных проверок состояния системы без риска ухудшить процесс управления этой системой.

Рассмотрим пример. Пусть известно, что в цехе хорошо налажена служба регистрации выполнения и перевыполнения сменной нормы рабочими. Тогда мы в документах встретим лишь такие записи:

1) норма (за время смены) перевыполнена и норма выполнена досрочно;

2) норма не перевыполнена и норма выполнена досрочно;

3) норма не перевыполнена и норма не выполнена досрочно.

И ни в коем случае не встретим записи: норма перевыполнена и норма не выполнена досрочно. Это следует из того, что прежде, чем перевыполнить норму в течение смены, ее нужно выполнить до окончания смены, т. е. досрочно. Иными словами, здесь смысл импликации вытекает из логики вещей, и парадоксальные выводные знания, если это не следствия неполноты исходных знаний, получиться не могут и к свойствам импликации самой по себе это отношения не имеет.

Условия реализуемости содержательного общения с машиной. Таким образом, мы приходим к выводу, что если имеется реальная экономическая система, если релевантные экономические параметры этой системы проверяются физически, если автоматизированная система управления способна, несмотря на все многоступенчатые преобразования сигналов индикаторов н приборов, определяющих эти параметры, сохранить окончательные формы сигналов в таком виде, чтобы сопоставимые показания остались сопоставимыми, связанные — связанными и т. д., то мы можем рассматривать такую АСУ как имеющую в себе содержательную, смысловую информацию, способную выводить новые смыслы из уже имеющихся, прогнозировать состояния управляемой экономической системы на основе сопоставления имеющихся смысловых данных об этой системе. И только при этом условии, когда сама машина имеет поле смыслов, становится реальным вопрос о том, как приобщаться человеку к этим смыслам на основе определенной вспомогательной знаковой системы и как в той или иной мере изменять смысловую информацию в АСУ не только с помощью показаний индикаторов состояния управляемой системой или выводов новых смыслов из имеющихся в смысловом поле самой машины, но и на основе воздействий на машину со стороны человека с помощью знаков этой знаковой системы.

Рассмотренные нами механизмы общения людей на естественном языке позволяют нам ответить и на этот вопрос.

Введение языка для общения человека с машиной в современных АСУ максимально упрощается в случае, если информация об объекте управления относится к такому типу характеристик объекта, в который входят экономические показатели этого объекта, и, следовательно, если получаемые от машины и передаваемые машине тексты являются выразителями информации со строгой соотнесенностью с физическими параметрами внешних денотатов.

При этом можно четко выделить два главных этапа введения и совершенствования такого языка человеко-машинного общения.

Первый, наиболее простой и вполне реализуемый на современных ЭВМ и в то же время существенно облегчающий взаимодействие человека с АСУ этап внедрения должен использовать, как уже отмечалось, принципы построения квазиестественного языка. В той мере, в какой внешние объекты, например экономические, отражены в АСУ через их реальные параметры, прежде всего — числовые и вычислимые, эти параметры являются в нашем понимании содержательными. Поэтому логически выводимые из них новые параметры (в том числе выводимыe путем количественных преобразований некоторых исходных чисел) также являются осмысленными, интерпретируемыми в терминах свойств управляемого объекта. Если, кроме того, объект управления не проектируется, не создается, а функционирует в установившемся режиме, то изменяемость параметров его компонентов находится в определенных границах, вследствие чего и закономерности влияния одних параметров на другие остаются неизменными.

А так как в процессе общения необходимо бывает называть определенные смыслы, а перечень элементарных смыслов и законов перехода от элементарных к производным в таких АСУ можно считать неизменным или, во всяком случае, во всем многообразии смыслов выделить подмножество названных неизменных смыслов, то, в соответствии с нашей схемой речевой деятельности, эти смыслы должны быть отнесены к классу узуальных.

Как и любой иной, узуальный смысл может быть выражен в естественном языке с помощью окказионально подобранных намекающих значений и соответствующих этим значениям языковых знаков.

Но узуальные смыслы могут, в отличие от окказиональных, выражаться и стандартизованным, узуализированным способом. В этом случае в естественном языке наличие значений у узуальных знаков узуальных смыслов представляет интерес лишь с точки зрения этимологии и мотивировки выбора знаков этих смыслов. В сложившихся нормах общения значения знаков узуальных смыслов почти теряют функциональную нагрузку, и ассоциация по смежности может сформироваться непосредственная, от психического образа знака к обозначаемому смысловому элементу. Это освобождает говорящих от необходимости каждый раз, при назывании данного смысла, подбирать значения-намекатели, и в коммуникативной цепи звено “намекающее — намекаемое” вообще исчезает.

Как мы видели, в актах общения на естественном языке “стыковка” значений со смыслом, т. е. осуществление отношения “намекаемое - намекающее” представляет сложный творческий акт, опыты по реализации которого на современных ЭВМ дали пока что незначительные результаты, что и является одним из главных препятствий осуществления общения с машиной на естественном языке (другим препятствием, как мы видели, служит непонимание отличия собственно смысловых операции от операций над условными знаками).

Но так как в случае, если АСУ предназначена прежде всего для управления экономическими показателями управляемого объекта, на первом этапе общения предполагается называть только узуальные смыслы, то можно обойтись без звена “намекающее — намекаемое”. Достаточно связать ассоциацией по смежности эти узуальные смыслы непосредственно с образами используемых знаков и, следовательно, построить язык из знаков, не имеющих значений, а имеющих только узуальные смыслы.

Так как знаки, поскольку они ассоциированы со смыслами по смежности, могут быть в этом случае любыми, то можем воспользоваться этой степенью свободы для того, чтобы взять в качестве знаков те же термины, которые используют специалисты для называния “оязыковленных” смыслов, отражающих экономические показатели управляемого объекта.

Таким образом, каждый экономический показатель в такой АСУ представлен двумя “полями”. Во-первых, независимо от того, предусмотрено общение с такой ЛСУ на удобном человеко-машинном языке или нет, в автомате хранится собственно смысловая информация: экономически значимые параметры компонентов управляемого объекта, их взаимодействия н т.д. с внутренними “машинными" пометами, поясняющими на показаниях каких приборов, индикаторов или процедур эти параметры опираются. Наличие такой информации делает АСУ действующей имитационной моделью управляемого объекта, и если нужно, прогнозы такой АСУ и получаемые в ней новые параметры могут воздействовать непосредственно на управляемый объект и, следовательно, влиять на его текущее состояние.

Во-вторых, если АСУ является такой имитационной моделью, то всем неизменным единицам ее смыслового ноля в памяти должны быть поставлены в соответствия языковые знаки названного выше вида. С помощью этих знаков как образов должны легко воспроизводиться речевые знаки и, наоборот, воспринимаемые речевые знаки должны отождествляться с соответствующими языковыми, т. е. опознаваться с помощью хранящихся в памяти эталонов—языковых знаков.

На первых этапах легче всего реализовать речевые знаки в виде печатных и одновременно перфорируемых, что упростит проблему их опознания, хотя общение с автоматом будет в этом случае лишь письменное, текстовое. По мере совершенствования систем распознавания звуковых образов общение с АСУ может быть переведено и на звуковое, устное.

Следовательно, средством общения в этом случае будет язык, состоящий из терминов, принятых в экономических текстах, и в этом смысле человек будет воспринимать такое общение как достаточно естественное. “Искусственность” же такого общения будет выражаться в ограничениях на типы вопросов, которые можно задавать машине, что реально проявится в ограниченности типов ответов, которые она сможет выдать ² .

В заключение наметим пути перехода от первого ко второму этапу разработки языка человеко-машинного общения в АСУ, управляющих экономическими параметрами объектов. На этом этапе язык будет приближен к естественному не только внешне, с точки прения восприятия общающегося с автоматом человека, но и внутренне, т. е. но принципам формирования и анализа экономических текстов во внутренних информационных механизмах автомата.

В свете всего сказанного легко понять, что рано или поздно в содержательной, способной прогнозировать и получать выводной смысл части АСУ удастся осуществить выведение нового смысла не только с помощью жестко детерминированных логических схем и не только с вероятностными поправками, которые, по существу, не выводят нас за границы детерминационного моделирования, но и с помощью сопоставления характеристик одного экономического объекта с характеристиками других как образов, между которыми устанавливается отношение лишь нестрогой упорядоченности по степени сходства. Введение этих режимов целесообразно лишь при поиске ответов на такие задачи, которые детерминированным количественным или логическим методом уже не решаются.

Следовательно, эти нестрогие режимы решения и прогнозирования не отменяют строгих решений, а лишь дополняют их; они не могут конкурировать со строгими, если последние осуществимы, но, с другой стороны, когда детерминированное решение вообще не осуществимо, автомат может выдать хоти и второсортное нестрогое решение, но все-таки выдать, а не отказаться вообще от решения.

Хотелось бы в заключение сформулировать одну чисто внешнюю отличительную черту излагаемой в книге системологической концепции к решению сложных задач от строгого формального структуралистического подхода, с одной стороны, и от интуитивного, относящегося скорее к области искусства, чем науки—с другой.

Человек, имеющий богатый опыт и природную интуицию, способен успешно решать самые сложные проблемы. Но как он это делает и сделал ли он все возможное в каждом конкретном случае — это неизвестно даже ему самому. Если же непосредственное решение задачи удастся заменить анализом вспомогательной структурной модели, построенной из элементов, свойства которых предварительно изучены, появляется высокий уровень гарантии того, что полученное решение верно, ибо любой другой человек, владеющий соответствующим формализмом, имеет возможность перепроверить каждый шаг решения и убедиться в его правильности (либо найти ошибку н исправить ее). Основное преимущество такого метода решения (который многие в настоящее время считают единственно научным) заключается в его объективности: независимо от индивидуальных особенностей многих решающих все результаты будут тождественными (если, конечно, не допущено простых ошибок в расчетах или в доказательствах).

Однако если задача не допускает формализации, то она научно (в упомянутом смысле) вообще оказывается неразрешаемой, причем круг формализуемых задач, как мы видели, принципиально весьма узок.

Что же дает системный подход?

Во-первых, решение средствами формального структурного моделирования является одним из начальных этапов системного подхода к задаче. Во-вторых, с помощью понятий системологии удается оценить степень соблюдения необходимых условий успешного применения структурного моделирования, так что псевдоточные решения, которые не удается интерпретировать в терминах компонентов ситуации, приведшей к постановке задачи, при системном подходе практически исключены, тогда как при чисто структурном подходе определить уровень формализуемости задачи можно только на основе интуиции и опыта. В-третьих, после того, как задача решена на уровне формализуемого компонента ситуации, исследователь или конструктор может привлечь знания о законах адаптации, о принципах согласования структуры, субстанции, функции, материала и детерминанты объекта и тем самым объяснить или предсказать многие тонкие свойства объекта, которые уже не могут обсуждаться на уровне формального моделирования. Правда, при этом эффективность извлечения дополнительных сведений за счет привлечения методов системологии зависит от индивидуальных особенностей решающего, от его опыта и эрудиции, следовательно, результаты, полученные несколькими исследователями или конструкторами, принципиально могут быть различными. Но это различие иное, чем при чисто интуитивном подходе. Ведь речь идет о различии в дополнительной, более топкой информации, полученной сверх того максимума, который принципиально достижим на стадии формального решения. Следовательно, только при системном подходе появляется возможность гарантировать то, что качество решения объективно находится на уровне, не ниже получаемого “строгими” методами, и субъективно представляет то высшее, на что способен индивид при его творческих возможностях. Именно этот принцип со временем удастся реализовать и на кибернетических автоматах, осуществляющих хотя бы элементарные творческие акты. Без осознанного внедрения этого принципа в теорию и практику современной кибернетики едва ли можно надеяться на серьезные успехи в области создания искусственного интеллекта и использования естественного языка для общения человека с машиной.

список литературы

| содержание | | главная страница | | список литературы |