Гносеологический аспект

Суть гносœеологического аспекта

Гносœеология – это раздел философии, связанный с теорией познания или теорией отражения действительности в сознании человека.

Можно сказать, что инженерия знаний как наука дважды гносœеологична – действительность сначала отражается в сознании эксперта͵ а затем деятельность и опыт эксперта интерпретируются сознанием инженера по знаниям, что служит уже основой для построения третьей интерпретации – поля знаний экспертной системы.

В процессе извлечения знаний аналитика в основном интересует компонент знания, связанный с эмпирическими индивидуальными знаниями экспертов, поскольку в них накоплен большой объём отдельных фактов и наблюдений, в то время как их теоретическое обобщение – вопрос будущего.

Познание всœегда связано с созданием новых понятий и теорий. Часто эксперт порождает новые знания прямо в контексте беседы с аналитиком. Такая генерация знаний должна быть полезна и самому эксперту, который до того момента мог не осознавать ряд соотношений и закономерностей предметной области. Аналитику при рождении нового знания может помочь инструментарий системной методологии, позволяющий использовать известные принципы логики научных исследований. Эта методология заставляет его за частным увидеть общее, ᴛ.ᴇ. строить цепочки:

ФАКТ ––> ОБОБЩЕННЫЙ ФАКТ ––> ЭМПИРИЧЕСКИЙ ЗАКОН ––> ТЕОРЕТИЧЕСКИЙ ЗАКОН.

Методы приобретения знаний.

Приобретение знаний реализуется с помощью двух функций: получения информации извне и ее систематизации. При этом исходя из способности си­стемы обучения к логическим выводам возможны различные формы приобретения знаний, а также различные формы получаемой информации. Форма представления знаний для их использования определяется внутри системы, в связи с этим форма информации, которую она может принимать, зависит от того, какие способности имеет система для формализации информации до уровня знаний. В случае если обучающаяся система совсœем лишена такой способности, то человек должен заранее подготовить всœе, вплоть до формализации информации, ᴛ.ᴇ. чем выше способности машины к логическим выводам, тем меньше нагрузка на че­ловека.

Функции, необходимые обучающейся системе для приобретения знаний, различаются исходя из конфигурации системы. В дальнейшем при рассмотрении систем инженерии знаний предполагается, что Существует система с конфигурацией, которая включает базу знаний и механизм логических выводов, использующий эти знания при решении задач. В случае если база знаний пополняется знаниями о стандартной форме их представления, то этими знаниями также можно воспользоваться. Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнение ими базы знаний.

Существует классификация систем приобретения знаний, которая опирается на способность системы к восприятию знаний в разных форматах, качественно различающихся между собой и способностью к формализации.

Обучение без выводов.

Существует две категории обучения (А и Б). Категория А - ϶ᴛᴏ обучение без выводов или механическое запоминание, ᴛ.ᴇ. простой процесс получения информации, при котором необязательны функции выводов, а полученная информация в виде программ или данных используется для решения задач в неизменном виде. Другими словами, это способ получения информации, характерный для существующих компьютеров.

Категория Б - ϶ᴛᴏ получение информации извне, представленной в форме знаний, т. е. в форме, которую можно использовать для выводов. Обучающейся Системе крайне важно иметь функцию преобразования входной информации в формат, удобный для дальнейшего использования и включения в базу знании.

Приобретение знаний на этом этапе происходит в наиболее простой форме: это знания, предварительно подготовленные человеком во внутреннем формате, какими являются большинство специальных знании, изначально заданных в экспертных системах. В случае прикладных систем инженерии знаний крайне важно преобразовать специальные знания из какой-либо области в машинный формат, но для этого нужен посредник, хорошо знающий как проблемную область, так и инженерию знаний. Таких посредников называют инженерами по знаниям. В общем случае для замены функции посредника можно использовать и специальные подпрограммы. Т.е. крайне важно иметь функции выводов достаточно высокого уровня, но можно ограничиться и выводами на сравнительно низком уровне, а остальное доверить человеку – в данном и состоит приобретение знаний в диалоге. Примером служит система TEIRESIAS. Это система-консультант в области медицины, разработанная на базе системы MYCIN. Специалисты в проблемной области являются преподавателями обучающейся системы, а ученик – система инженерии знаний – изучает ответы на поставленные задачи и корректирует те правила в базе знаний, которые ранее приводили к ошибкам. Для подготовки знаний в экспертной системе необходимы вспомогательные средства типа редактора знаний, причем в процессе приобретения знаний в диалоге не только редактируются отдельные правила и факты, но и восполняются недостатки существующих правил, т. е. ведется редактирование базы знаний.

В случае если знания заданы во внешнем формате, к примеру на естественном языке, то следует преобразовать их во внутренний формат. Для этого крайне важно понимать внешнее представление, ᴛ.ᴇ. естественный язык, графические данные и т. п. Фактически приобретение знаний и их понимание тесно связаны. Проблема понимания сводится не только к преобразованию структуры предложений – крайне важно получить формат, удобный для применения.

Аналогичная проблема – преобразование во внутренний формат советов, подсказок по решению задач, что принято называть ʼʼоперационализациейʼʼ знаний. В этом заключается центральная проблема искусственного интеллекта; она, в частности, изучает преобразование советов, подсказок, представленных в терминах проблемной области, в процедуры.

Приобретение знаний на метауровне

Выше было рассмотрено обучение на объектном уровне, а еще более сложная проблема - приобретение знаний на метауровне, т. е. знаний, основой которых является информация по управлению решением задач с использованием знаний на объектном уровне. Для знаний на метауровне пока не установлены ни формы представления и использования, ни связь со знаниями на объектном уровне, ни другая техника их систематизации. Поскольку не определœена форма их представления с точки зрения использования, то трудно говорить о приобретении знаний на метауровне. Тем не менее с этой проблемой связаны многие надежды в инженерии знаний.

Приобретение знаний из примеров

Метод приобретение знаний из примеров отличается от предыдущего метода, тем, что здесь выполняется сбор отдельных фактов, их преобразование и обобщение, а только затем они будут использованы в качестве знаний. И соответственно от уровня сложности системы вывода в системе будут возникать разные по степени общности и сложности знания. Необходимо также упомянуть о том, что данный метод приобретения знаний почти не нашёл практического применения, это должна быть связано с тем, что входная информация представляет собой не систематизированный набор данных и для их обработки требуется наличие в системе обширных знаний по конкретной области.

По сравнению с предыдущим методом приобретения знаний, данный метод имеет большую степень свободы и соответственно крайне важно описать общие положения этого принципа.

1. Языки представления . Обучение по примерам - ϶ᴛᴏ процесс сбора отдельных фактов, их обобщение и систематизация, в связи с этим необходим унифицированный язык представления примеров и общих правил. Эти правила, будучи результатом обучения, должны стать объектами для использования знаний, в связи с этим и образуют язык представления знаний. И наоборот, язык представления знаний должен учитывать и определять указанные выше условия приобретения знаний.

2. Способы описания объектов. В случае обучения по примерам из описаний отдельных объектов создаются еще более общие описания объектов некоторого класса, при этом возникает важная проблема: как описать данный класс объектов. В полном классе некоторых объектов следует определить меньший класс объектов, обладающих общим свойством (объекты только в данном классе обладают заданным свойством), но в действительности проще определить список объектов и убедиться, что всœе объекты в нем обладают общим свойством. Стоит сказать, что для некоторого типа задач можно эффективно использовать ложные примеры или контрпримеры, убедительно показывающие, что данные объекты не входят в данный класс. Иллюстрацией применения контрпримеров может служить понятие ʼʼпочти тоʼʼ.

3. Правила обобщения. Важно заметить, что для сбора отдельных примеров и создания общих правил необходимы правила обобщения. Предложено несколько способов их описания: замена постоянных атрибутов языка на переменные, исключение описаний с ограниченным применением и т. п. Очевидно, что эти способы тесно связаны с языком представления знаний.

4. Управление обучением. В процессе обучения по примерам можно применять различные стратегии структуризации информации и крайне важно управлять этим процессом в ответ на входные данные. Существуют два классических метода: метод ʼʼснизу-вверхʼʼ, при.котором, последовательно выбираются и структурируются отдельные сообщения, и метод ʼʼсверху-внизʼʼ, при котором сначала выдвигается гипотеза, а затем она корректируется по мере поступления информации. На практике эти методы комбинируются, хотя управление обучением с максимальным эффектом не такая уж простая проблема.

При изучении метода приобретения знаний по примерам можно выделить следующий ряд методов:

1. Параметрическое обучение

2. Обучение по аналогии

3. Обучение по индукции.

Параметрическое обучение.

Наиболее простая форма обучения по примерам или наблюдениям состоит в определœении общего вида правила, ĸᴏᴛᴏᴩᴏᴇ должно стать результатом вывода, и последующей корректировки входящих в это правило параметров исходя из данных. При этом используют психологические модели обучения, системы управления обучением и другие методы.

Ярким примером применения этого метода приобретения знаний могут также служить системы распознавания образов. В них ясно просматривается основной принцип этого метода – в ходе обучения нейронная сеть автоматически по определœенным заранее законам корректирует веса связей между элементами и значения самих элементов.

Метод обучения по индукции.

Среди всœех форм обучения крайне важно особо выделить обучение на базе выводов по индукции - ϶ᴛᴏ обучение с использованием выводов высокого уровня, как и при обучении по аналогии. В процессе этого обучения путем обобщения совокупности имеющихся данных выводятся общие правила. Возможно обучение с преподавателœем, когда входные данные задает человек, наблюдающий за состоянием обучающейся системы, и обучение без преподавателя, когда данные поступают в систему случайно. И в том и в другом случае выводы бывают различными, они имеют и различную степень сложности исходя из того, задаются ли только корректные данные или в т.ч. и некорректные данные и т.п. Так или иначе, обучение этой категории включает открытие новых правил, построение теорий, создание структур и другие действия, причем модели теории или структуры, которые следует создать, заранее не задаются, в связи с этим их крайне важно разработать так, чтобы можно было объяснить всœе правильные данные и контрпримеры.

Индуктивные выводы возможны в случае, когда представление результата вывода частично определяется из представления входной информации. В последнее время обращают на себя внимание программы генерации программ по образцу с использованием индуктивных выводов.

Как уже было сказано, индуктивный вывод - ϶ᴛᴏ вывод из заданных данных объясняющего их общего правила. К примеру, пусть известно, что есть некоторый многочлен от одной переменной. Давайте посмотрим, как выводится f (х ), в случае если последовательно за­даются в качестве данных пары значений (0, f (0)), (1, f (1)), .... Вначале задается (0, 1), и естественно, что есть смысл вывести постоянную функцию f (х ) = 1. Далее задается (1, 1), эта пара удовлетворяет предложенной функции f (х )= 1. Следовательно, в данный момент нет крайне важно сти менять вывод. Наконец, задается (2, 3), что плохо согласуется с нашим выводом, в связи с этим откажемся от пего и после нескольких проб и ошибок выведем новую функцию

f (х )=х 2 –х +1,

которая удовлетворяет всœем заданным до сих пор фактам (0, 1), (1, 1), (2,3). Далее мы убедимся, что эта же функция удовлетворяет фактам (3, 7), (4, 13), (5, 21) ..., в связи с этим нет крайне важно сти менять данный вывод. Τᴀᴋᴎᴍ ᴏϬᴩᴀᴈᴏᴍ, из последовательности пар переменная-функция можно вывести многочлен второй степени. Грубо говоря, такой метод вывода можно назвать индуктивным.

Как видно из этого примера, при выводе в каждый момент времени объясняются всœе данные, полученные до этого момента. Разумеется, данные, полученные позже, уже могут и не удовлетворять этому выводу. В таких случаях приходится менять вывод. Следовательно, в общем случае индуктивный вывод - ϶ᴛᴏ неограниченно долгий процесс. И это не удивительно, в случае если вспомнить процесс освоения человеком языков, процесс совершенствования программного обеспечения и т. п.

Для точного определœения индуктивного вывода крайне важно уточнить:

1) множество правил-объектов вывода,

2) метод представления правил,

3) способ показа примеров,

4) метод вывода

5) критерий правильности вывода.

В качестве правил – объектов вывода – можно рассматривать главным образом индуктивные функции, формальные языки, программы и т. п. Вместе с тем, эти правила бывают представлены в виде машины Тьюринга для вычисления функций, грамматики языков, операторов Пролога и другим способом. Машина Тьюринга - ϶ᴛᴏ математическая модель компьютера, ее в принципе можно считать программой. В случае, когда объектом вывода является формальный язык, он сам определяет правила, а его грамматика – метод представления правил, в связи с этим говорят о грамматическом выводе.

Для показа примеров функции f можно использовать последовательность пар (х , f (х )) входных и выходных значений так, как указано выше, последовательность действий машины Тьюринга, вычисляющей и другие данные. Задание машинœе выводов пары входных и выходных значений (х , f (х )) функции f соответствует заданию системе автоматического синтеза программ входных значений х и выходных значений f (х ), которые должны быть получены программой вычисления f в ответ на х . В этом смысле автоматический синтез программ по примерам также можно считать индуктивным выводом функции f . Формальные языки - ϶ᴛᴏ множество слов; в связи с этим, к примеру, для языка L можно рассматривать два типа слов, принадлежащих и не принадлежащих этому языку. Первые назовем положительными, а вторые – отрицательными данными. Другими словами, есть два способа показа примеров формального языка: с помощью положительных и отрицательных данных. К примеру, (3>4, истина), (2<=1, ложь). В этом случае положительным данным соответствуют данные с атрибутом ʼʼистинаʼʼ, а отрицательным – данные с атрибутом ʼʼложьʼʼ.

Вывод реализуется благодаря неограниченному повторению основного процесса:

запрос входных данных –> предположение –> выходные данные.

Другими словами, при выводе последовательно получают примеры как входные данные, вычисляют предположение на данный момент и выдают результат вычислений. Предположение в каждый момент времени основано на ограниченном числе примеров, полученных до сих пор, в связи с этим обычно в качестве метода вывода используют машину Тьюринга, вычисляющую предположение по ограниченному числу примеров. Такую машину назовем машиной выводов.

Учитывая, что индуктивный вывод, как уже было отмечено, это неограниченно продолжающийся процесс, критерием правильности вывода, как правило, считают понятие идентификации в пределœе. Это понятие введено Голдом, оно используется почти всœегда в теории индуктивных выводов. Говорят, что машина вывода М идентифицирует в пределœе правилоR , если при показе примеров К последовательность выходных данных, генерируемых М , сходится к некоторому представлению т, а именно: всœе выходные данные, на­чиная с некоторого момента времени, совпадают с т , при этом т называют правильным представлением К . Вместе с тем, говорят, что множество правил Г позволяет сделать индуктивный вывод, в случае если существует некоторая машина выводов М , которая идентифицирует в пределœе любое правило К из множества Г . Слова ʼʼпозволяет сделать индуктивный выводʼʼ не имеют смысла для единственного правила, а относятся только к множеству правил.

Обучение по аналогии.

Приобретение новых понятий возможно путем преобразования существующих знаний, похожих на те, которые собираются получить. Это важная функция, которую называют обучением на базе выводов по аналогии или просто обучением по аналогии. В нашей жизни много примеров, когда новые понятия или технические приемы приобретаются с помощью аналогии

Выводы по аналогии – один из важных объектов исследования искусственного интеллекта͵ наиболее интересные результаты здесь получены П.Уинстоном. Он использует выводы по аналогии, основываясь на следующей гипотезе: ʼʼВ случае если две ситуации подобны по нескольким признакам, то они подобны и еще по одному признакуʼʼ. Подобие двух ситуаций распознается путем обнаружения наилучших совпадений по наиболее важным признакам.

Аналогия - ϶ᴛᴏ метод выводов, при которых обнаруживается подобие между несколькими заданными объектами; благодаря переносу фактов и знаний, справедливых для одних объектов, на базе этого подобия на совсœем другие объекты либо определяется. способ решения задач, либо предсказываются неизвестные факты и знания. Следовательно, когда человек сталкивается с неизвестной задачей, он на первых порах использует данный естественный метод вывода.

Направления исследования аналогии

Среди указанных форм обучения аналогия связана, в частности, с проблемой машинного обнаружения новых фактов.

Под новыми фактами мы будем понимать факты, которые дедуктивно не выводятся из некоторых существующих знаний. Получение новых знаний также рассматривалось выше в отношении к индуктивному выводу. В общем случае при индуктивных выводах по заданным данным создается гипотеза, их объясняющая, а с помощью дедукции из этой гипотезы можно вывести новые факты. С другой стороны, при аналогии новые факты предсказываются путем использования некоторых преобразований уже известных знаний.

С целью обзора исследований аналогии, проведенных до настоящего времени, выделим два типа аналогии: для решения задач идля предсказаний . Аналогия первого типа применяется главным образом для повышения эффективности решения задач, которые, вообще говоря, можно решить и без аналогии. К примеру, благодаря использованию решений аналогичных задач в областях программирования и доказательства теорем можно прийти к выводам о программах или доказательствах. С другой стороны, используя аналогию для предсказаний, благодаря преобразованию знаний на базе подобия между объектами можно сделать заключение о том, что, возможно, справедливы новые факты. К примеру, в случае если объектами аналогии является некая система аксиом, то знаниями бывают теоремы, справедливые в этой системе. При этом, используя схожесть между системами аксиом, можно преобразовать теорему в одной из систем в логическую формулу для другой системы и сделать вывод о том, что эта формула есть теорема. Другими словами, аналогия используется и для решения некоторых строго сформулированных задач и для предсказаний, а также для приобретения не заданной ранее информации.

Структура познания

Методологическая структура познания должна быть представлена как последовательность этапов, которые рассмотрим с позиций инженера по знаниям.

1. Описание и обобщение фактов - ϶ᴛᴏ как бы "сухой остаток" бесед аналитика с экспертом. Тщательность и полнота ведения протоколов во время процесса извлечения и пунктуальная работа над ними являются залогом продуктивности первого этапа познания.

2. Установление связей и закономерностей – выявление каркаса умозаключений эксперта.

3. Построение идеализированной модели – построение модели, отражающей представление субъекта о предметной области, на специализированном языке, с помощью которого можно описывать и конструировать идеализированные модели мира, возникающие в процессе мышления.

4. Объяснение и предсказание моделœей – завершающий этап структуры познания, который является одновременно и частичным критерием истинности полученного знания. В случае если выявленная система знаний эксперта полна и объективна, то на ее основании можно делать прогнозы и объяснять любые явления из данной предметной области.

Наиболее часто встречающиеся неудачи, связанные с гносœеологическими проблемами инженерии знаний:

· обрывочность, фрагментарность знаний (из-за нарушений принципа системности или ошибок в выборе фокуса внимания);

· противоречивость знаний (из-за естественной противоречивости природы и общества неполноты извлеченных знаний, некомпетентности эксперта);

· ошибочная классификация (из-за неправильного определœения числа классов или неточного описания класса);

· ошибочный уровень обобщения (из-за чрезмерной детализации или обобщенности классов объектов).

Гносеологический аспект - понятие и виды. Классификация и особенности категории "Гносеологический аспект" 2017, 2018.

В процессе извлечения знаний инженера по знаниям в основном интересуют неканонические индивидуальные знания экспертов. Познание часто сопровождается созданием новых понятий и теорий: иногда эксперт порождает новые знания прямо в ходе беседы. Формирование системы знаний у инженера по знаниям в процессе их извлечения от эксперта (это вторичные знания) происходит во многом аналогично формированию эмпирических знаний (см. ранее) с той разницей, что источником информации является не окружающая действительность, а сам эксперт.

На этапе описания и обобщения фактов для инженера по знаниям важны тщательность и полнота ведения протоколов во время процесса извлечения. Последующая пунктуальная домашняя работа над ними – залог продуктивного первого этапа познания и материал для описания и обобщения фактов. На практике трудно придерживаться принципов объективности и системности. Чаще всего на этом этапе факты просто собирают и бросают в общий мешок. Надо стремиться сразу факты систематизировать.

При выполнении этапа установления связей и закономерностей следует иметь в виду, что в памяти эксперта все понятия и закономерности установлены, хотя часто и неявно. Задача инженера по знаниям – выявить каркас умозаключений эксперта.

При построении идеализированной модели инженеру по знаниям необходимо овладеть такими специфическими гносеологическими приемами, как идеализация, огрубление, абстрагирование, которые позволяют адекватно отображать в модели реальную картину мира. Эти приемы доводят свойства и признаки объектов до пределов, позволяющих воспроизводить законы действительности в более лаконичном виде, без влияния несущественных деталей.

На завершающем этапе объяснения и предсказания моделей инженеру по знаниям следует помнить, что обычно БЗ страдают фрагментарностью и модульностью (не связанностью) компонентов, что не позволяет создавать действительно интеллектуальные системы, которые могли бы предсказывать новые закономерности и объяснять случаи, не указанные в явном виде в БЗ.

Онтология и гносеология - философские термины. Онтология определяет учение о бытии, о сущем. Предметом онтологии является изучение абстрактных и общих философских категорий, таких как субстанция, причина, действие, явление.

Гносеология в философии – теория познания. Гносеологический аспект объединяет методологические проблемы получения нового научного знания, так как процесс познания часто сопровождается появлением новых понятий и теорий.

Прикладной характер искусственного интеллекта обусловил ряд значений онтологии в своей области:

Онтология как система категорий, являющих следствием определенного взгляда на мир;

Онтология как неформальная система концептуализации знаний, предполагающая построение описания множества выделенных объектов, понятий, связей и отношений в заданной области знания с использованием формальных или неформальных средств;

Онтология как представление концептуальной системы в виде логической теории, что означает использование определенного синтаксиса для представления знаний.

Свои особенности мы видим в применении гносеологического аппарата к процессу разработки баз знаний искусственного интеллекта.

В процессе разработки БЗ эксперты довольно часто впервые формируют некоторые закономерности на основе накопленного эмпирического опыта. Основными критериями качества новых знаний являются внутренняя согласованность, системность, объективность, историзм.

В процессе извлечения знаний аналитиков прежде всего интересуют эмпирические знания экспертов, представляющие собой результаты наблюдений, которые могут быть несогласованными. Внутренняя согласованность эмпирических знаний характеризуется понятием модальности, противоречивости, неполноты. Под модальностью знания понимается возможность его существования в различных категориях. Противоречивость является естественным свойством эмпирических знаний и не всегда может быть устранена. Напротив, противоречивость может служить отправной точкой в рассуждениях экспертов. Неполнота знаний связана с возможностью исчерпывающего описания любой предметной области.

Системность знаний основана на определении места новых знаний в многоуровневой иерархической организации. При этом необходимо найти ответы на вопросы: какие понятия детализируют или обобщают новые знания и в каких отношениях они состоят с известными фактами и закономерностями?

Объективность знаний определить практически невозможно. Процессы накопления, описания, представления, обработки, интерпретации и оценивания качества знаний выполняются конкретными людьми, поэтому их результаты имеют субъективный характер. Объективность некоторых закономерностей часто связывают с широтой области их применимости. Границы этой области можно установить экспериментальным или теоретическим путем, но далеко не всегда. В качестве косвенных свидетельств объективности иногда допускают совпадение представлений различных экспертов и подтверждение выдвинутых гипотез известными фактами.

Историзм знаний связан с развитием и изменением представлений о предметной области с течением времени.

Процесс познания можно представить следующими этапами:

1. Описание и обобщение фактов;

2. Выявление связей между фактами, формулирование правил и закономерностей;

3. Построение модели знаний предметной области;

4. Объяснение и прогнозирование явлений на основе модели.

На начальных этапах инженер по знаниям, исследуя структуру умозаключений эксперта, может использовать разные теории и подходы для построения формальной модели знаний предметной области. Наиболее известными и часто применяемыми приемами являются математическая логика, теория ассоциаций и гештальтпсихология.

Идеализированная модель знаний предметной области строится на основе установленных логических связей между понятиями. Модель формализуется с помощью категориального аппарата, формально-знаковых систем математики и логики. Для адекватного отображения в модели реальной картины мира инженеру по знаниям необходимо владеть такими приемами, как идеализация, абстрагирование, огрубление. Критериями качества построенной модели является способность ИИС делать прогнозы и объяснять множество явлений из заданной предметной области. Инженер по знаниям должен стремиться, чтобы результирующая модель знаний была достаточно полной, связной и непротиворечивой.

Различению бытия и небытия, единого и множественного, неизменного и постоянного не могло не сопутствовать размышление над их сутью и взаимосвязью. Рядом с догматизмом религиозной веры развивалось мыслящее сознание, неуклонно расширялась доступная ему область, умножались и совершенствовались приемы, методы познания. Если, скажем, в брахманах знание было ритуальным, то есть сводилось к заучиванию определенных формул, припоминанию того или иного образа (мифологемы), сопровождавшемуся ритуальным действием, то древнеиндийским философским школам присуще было стремление к разработке методов рационального познания. Рационализм питался сомнением в отношении непреклонности авторитета ведийской традиции.

Бурная полемика, характеризующая особенно VII-I века до н.э., привела, с одной стороны, к выработке методологических схем, способных отвергнуть любое положение (аджнянавада – буквально "агностицизм"), а с другой – к разработке праманавады – учения о средствах достижения познания. В школе санкхьи признавались три праманы: восприятие (пратьякша), логический вывод (ануман) и свидетельство авторитета (шабда), ньяики добавляли четвертую праману – "сравнение", а миманса – "предположение" и т.д.

Многообразие теоретико-познавательных теорий Древней Индии трудно поддается структурированию. И все же русский ученый Ф.И.Щербатской, до сих пор самый авторитетный в мире исследователь буддийской логики, полагал возможным расчленить их на две группы: реалистической и нереалистической эпистемологии. К первой относились практически все направления древнеиндийской мысли, кроме буддизма. Реалистическая эпистемология сводилась к признанию познаваемости внешнего мира в его истинной реальности: "Вся структура внешнего мира, его отношения и причинность – все это познаваемо посредством органов чувств. Интеллект, или разум, – это качество, созданное в душе индивида с помощью особых факторов: он не является сущностью души. Посредством вывода интеллект познает те же самые объекты, которые уже были познаны посредством органов чувств, но он познает их с гораздо большей степенью ясности и отчетливости". Реалистическая эпистемология наиболее детально разрабатывалась и отстаивалась в ньяя-вайшешике.

Самую решительную оппозицию реалистической теории познания представляла буддийская логика, выдающимся представителем которой был Нагарджуна (II в.) из школы мадхьямики. Логики-буддисты весьма аргументированно доказывали, что нет поистине ничего, что в определенном аспекте не было бы относительно, и поэтому можно отрицать конечную реальность всего существующего. "Собственная природа" вещей непричастна причинно-следственным отношениям, а потому она находится за пределами мира явлений, в области вечных, неизменных сущностей, "приобщение" к которым невозможно. Отсюда их нереальность или пустота: "Нет дхармы, которая не есть шунья".

Отсутствие четкого разграничения бытия от небытия, отражающее доминирующее в древнекитайской философии положение натурализма, сказалось на особенностях развития здесь теоретико-познавательного процесса. Из соперничавших "ста школ" в наибольшей степени эпистемологией была занята школа моистов (основатель Мо-цзы, 468-376 гг. до н.э.), стремившаяся к осмыслению таких метафизических категорий, как бытие, пространство, время, качество, причинность и т.д. Моисты пробовали подойти к характеристике процесса познания как процесса раскрытия причинности, выявления сходства и различия явлений, разделения вещей по родам. Ими были выдвинуты три правила проверки истинности знаний. Первое – "основание", под которым имелся в виду опыт и суждения древних мудрецов. Второе – "источник", то есть "факты, которые слышали и видели простолюдины". Третье – "применимость", иначе практическая польза.

Гносеологические и логические проблемы рассматривались также в школе имен и у Сюнь-цзы (ок. 313-238 гг. до н.э.). Однако натуралистический настрой древнекитайской философии с присущей ей неразвитостью представлений об идеальном и трансцендентном препятствовал развитию формальной логики, диалектики как самостоятельных дисциплин. Китайские философы практически не оперировали понятием "противоречие" (а без этого невозможна и диалектика). Но зато китайские философы широко использовали понятие противоположности.

Наиболее широко философские термины использовались как средства классификации, установления иерархического порядка вещей. Отсутствие логической методологии компенсировалось методологией нумерологической (сян шу сюэ), состоящей из числовых комплексов и пространственных структур, связанных между собой символически, ассоциативно, эстетически и т.д. В основу стандартных нумерологических схем было положено три фундаментальных числа: 2, 3 и их сумма 5. От рождения вещам присуща двоичность, троичность и пятеричность, утверждал скриб Мо еще в 510 году до н.э. Онтологические эквиваленты двоицы – силы инь и ян, троицы – небо, земля и человек, пятерицы – пять элементов.

Таким образом, методология познания в Древнем Китае развивалась по двум основным направлениям – нумерологическому, генетически восходящему к архаичной культуре и гадательной практике, с одной стороны, и протологическому – с другой. В исследованиях советских синологов показано, что формально-универсальный характер нумерологической методологии создавал ей определенные преимущества по сравнению с протологической традицией. В результате последняя постепенно к концу III века до н.э. сошла с интеллектуальной сцены.

Мифологическое познание отличается от научного и сближается с художественным в том отношении, что носит образный характер. Первичная функция мифа - это удовлетворение человеческой любознательности путем ответа на вопросы «почему?», и «откуда?» Лосев А.Ф. Из ранних произведений.- М.: Правда, 1990. - С.580.

Для нас миф, приписываемый нами первобытному человеку, есть лишь поэтический образ. Мы называем его мифом лишь по отношению к мысли тех, которыми и для которых он создан. В позднейшем поэтическом произведении образ есть не более как средство сознания значения, средство, которое разлагается на свои стихи, то есть цельность разрушается каждый раз, когда оно достигло своей цели, в целом имеющее только иносказательный смысл. Напротив, в мифе образ и значение различны, иносказательность образа существует, но самим субъектом не сознается, образ целиком переносится в значение. Иначе: миф есть словесное выражения такого объяснения, при котором объясняющему образу, имеющему только субъективное значение, приписывается объективность, действительное бытие о объясняемом. Хрестоматия по культурологи / Составители: Лалетин Д.А., Пархоменко И.Т., Радугин А.А. - М.: Центр, 1998.- С.227 В мифе не встретишь отвлеченных понятий. Того, что невозможно представить наглядно, чувственно, пластически, миф не знает. Мы употребляем массу слов, которые образом для нас не являются: «совесть», «усталость», «невежество», «труд», «слава» и т.д. Это понятия, отвлеченные от множества конкретных жизненных ситуаций. Представим, что такие отвлечения невозможны. Тогда по отношению к типическим ситуациям приходится пользоваться вполне определенными стоящими перед внутренним оком образами. Мифологически мыслящий человек не может сказать: «Этот человек коварен». Коварство - нечто чувственно-конкретно неуловимое. Поэтому он говорит что-то наподобие: «Этот человек тайком роет другому яму». Рыть яму - это вполне представимо и образно.

Миф существует в слове. Это рассказ. Как рассказать, сделать нечто известным или восстановить в памяти? В этом случае всегда необходимо неизвестное подвести под известное. Через их сравнение. Когда, к примеру, древние греки впервые узнали о существовали хлопка, они назвали его растительной шерстью. Неизвестное - хлопок, был уподоблен известному - шерсти и затем сформулирована ее отличительная особенность. Хлопок - не просто шерсть, а шерсть растительная. Налицо обычное определение предмета, которое в логике именуется определением через род и ближайшее видовое отличие. Но ни родов ни видов первобытное сознание как раз и не ведало, оно было способно оперировать одними только образами. Поэтому образы неизвестного и известного, конечно, сравнивались, однако, инструмента для того, чтобы установить, в чем они совпадают, а чем различаются не было. Всякое сопоставление и уподобление в мифе простиралось очень далеко, неизбежно тяготея к отождествлению. Скажем, первобытный человек фиксировал в слове за движение солнца. Разумеется, он не сказал бы «солнце движется по небосклону». Для него оно далекое, недоступное и относительно малопонятное и требует сравнения с чем-то гораздо более близким, доступным и понятным. Предположим, такое сравнение выразится во фразе: «Солнце - это птица», или еще более конкретно-образно: «Солнце - это летящий сокол». Вольно или невольно нами уподобление солнца птице воспринимается как метафора, а сама фраза - как попытка художественно-поэтически выразить свое восприятие солнца. И действительно, мифологические тексты для современного человека малоотличимы от поэтических. Совсем не случайно, что их нередко принято называть мифопоэтическими. Между тем такое сближение мифа и поэзии не только правомерно, но и способно ввести в заблуждение. Прежде всего потому, что поэтическая метафора и мифологическое уподобление-отождествление очень разные, а в чем-то и противоположные вещи.

Поэзия, в отличие от мифа, чуждости мира и его явлений не преодолевает и преодолеть не стремится. Она исходит из того, что мир и так слишком узнаваем и привычен. Поэзии, во всяком случае, поэзии последних веков, подавай «вселенной небывалость и жизни новизну». Она действительно хочет из привычного и рутинного сделать некоторое первозданное бытие, из стертого - только что отчеканенное. Это нечто прямо противоположное мифу. Тот неизвестное растворял в известном, стихотворение же скорее известное делает не то чтобы неизвестным, но проблематичным в своей данности. Для поэзии подлинно существует то, что вырвано из круга привычного, тогда как для мифа оно тем самым погружается в небытие.

То, что сравнение в мифе легко переходит в отождествление - это только одна сторона медали. Другая же состоит в крайней неустойчивости мифологических сравнений - отождествлений. Так, когда солнце в какой-то миг совпадает с соколом, происходит отождествление. Но оно статично и не единственно. Мифологическому сознанию ничего не стоит отождествить в другой раз солнце и ладью, и т.д. Все эти отождествления каким-то образом уживаются в сознании первобытного человека. Его не заботит нарушение законов формальной логики. Да, солнце - и сокол, и ладья, и жук. Наличие множества отождествлений все обессмысливает. Для нас, - да. Но не для первобытного человека. Для него нет самоотождествленности чего-либо во внешнем мире потому, что его «я», как мы говорим, не равно «я». «Я» было некоторой не слишком устойчивой совокупностью «ты». Оно расщеплялось и множилось под собственным взглядом первобытного человека. Оборотной стороной такой множественности была множественность уподоблений внешнего мира. Если первобытный человек не мог зафиксировать себя в своей самотождественности, то и предметы внешнего мира для него не самотождественны.

Аналогия, уподобление, отождествление безраздельно господствуют в мифе. Они выполняют ту же роль, какую в нашей культуре играют причинно-следственные связи. Для первобытного человека аналогия доказательство. Она делает вещь самоочевидной. Не требующей последующего прояснения.

Всеобщее оборотничество, протеизм мифологического мировосприятия ведут к тому, что оно начинает отдавать каким-то небытием. Вообще говоря, миф по своей исходной установке и импульсу космичен. Как познание он стремится преодолеть хаос в душе первобытного человека. И в каждом отдельном случае ему это удается. Хаосом отдает неизвестное и непонятное, оно упрощается и космизируется в процессе уподобления-отождествления. Солнце, отождествляемое с ладьей, - это хаос, ставший космосом. Но далее ряд отождествлений грозит бесконечным удлинением, необозримостью и нефиксируемостью в сознании. Состоя из элементов (звеньев) космичности, как целое он оборачивается хаосом. Бесконечность и необозримость для первобытного человека - знак несуществования. Все возвращается к исходной точке, космичность мифа обнаруживает себя тщетной устремленностью к недостижимому.

Все до сих пор сказанное о мифе в его познавательном аспекте отталкивалось от того, что мифологическое мировосприятие универсально, первобытный человек в слове за пределы мифологичное не выходит, иного способа познания у него нет. Между тем миф, будучи рассказом - это не то, что может быть рассказано любым и в любой обстановке. Чтобы излагать мифы, недостаточно предварительно услышать их от другого. Тем более недопустимо мифотворчество в качестве сознательного измышления мифов. В строгом и точном смысле слова человек от самого себя, оставаясь только этим вот человеком или человеком вообще, рассказывать мифы не вправе. Излагая их, он святотатственно профанирует или до неузнаваемости искажает сакральное. Быть рассказчиком мифов по чину одним только богам. Когда-то они и поведали их впервые людям. Но не для того, чтобы те рассказывали их последующим поколениям. Люди становятся источником мифа как раз только в состоянии божественного наития, они не более чем посредники богов, которые в мифах открывают людям сакральное знание о сути всех вещей. Рассказывать просто так в обыденной ситуации межчеловеческого общения не принято даже сказку. Она к месту и по времени в часы неторопливого досуга и домашнего уюта. Сказывание сказки - дело частное, приватное и это должно быть подчеркнуто всей обстановкой. То же самое и с мифом. Его настоящее место в ритуале. Ритуал связывает людей с богами, обоживает их. Одним из элементов этого обожения и является миф. Рассказывая его и внимая ему, первобытным людям невозможно было оставаться только людьми. Между словом и тем, о чем оно повествует, для первобытного человека существовало самое тесное сродство. Поименовать что-либо означало вызвать или вернуть его к жизни. Поэтому рассказывание мифов было не просто посвящением в некоторое сакральное знание, но и пребыванием в этом знании и далее - бытийствованием в той реальности, которой посвящен миф. Если рассказчиком вещало самое божество, то в нем еще и действовали реально те силы, которым посвящен рассказ. Наконец, и слушатели не были аудиторией в современном смысле. Внимая мифу, они погружались в него всей полнотой существа, в какие-то моменты, переставая ощущать дистанцию между собой, рассказчиком, рассказом и тем, о чем он повествует. В этом отношении миф тяготел к тому, чтобы стать всеобъемлющей полнотой реальной жизни первобытной общины.

Понятно, что ввиду своего сакрального характера мифы не разглашались. Извне соприкоснуться с ними, быть в них посвященными было невозможно. И если до нас дошло великое множество текстов, которые с легкой руки их собирателей, рассказчиков, интерпретаторов именуются мифами, то относиться к этому именованию нужно с большой осторожностью. Миф - это не жанр словесности наряду со сказкой, легендой, эпосом и т.д. Все они зависимы от мифа, черпают из его запасов, доносят до нас какие-то мифологические сюжеты. Миф же, как таковой в его подлинности и полноте существования записать нельзя. Запись - это в лучшем случае схема или намек на то подлинно мифологическое слово, которое для записи неуловимо и должно быть реконструировано усилиями исследователей в той мере, в какой оно доступно послемифологической эпохе.