Агентство социальных исследований «СТОЛИЦА»

Ежегодный семинар «Семантика в разных ракурсах»

28 марта 2025 года в Финансовом университете при Правительстве РФ состоялся традиционный ежегодный семинар «Семантика в разных ракурсах», организуемый авторским коллективом журнала «Речевые технологии». 

Харламов Александр Александрович, доктор технических наук, старший научный сотрудник Института высшей нервной деятельности и нейрофизиологии РАН, профессор кафедры прикладной и экспериментальной лингвистики МГЛУ, профессор департамента программной инженерии ВШЭ, профессор кафедры интеллектуальных информационных систем и технологии Московского физико-технического института, поприветствовал всех участников и гостей Семинара. В своем приветственном слове Александр Александрович отметил, что семинар предоставляет уникальную площадку для междисциплинарного подхода и обмена опытом между учеными, представляющими различные области знания – лингвистику, информационные технологии и искусственный интеллект. Профессор Харламов выразил надежду, что дискуссии, развернувшиеся в рамках семинара, позволят сформулировать новые перспективные направления исследований и разработать инновационные методы, которые внесут значительный вклад в развитие науки и технологий.

Лариса Алексеевна Чижова, кандидат филологических наук, доцент, доцент кафедры общего и сравнительно-исторического языкознания филологического факультета МГУ имени М.В. Ломоносова, поприветствовала собравшихся и отметила, что «наша встреча напоминает мне известное полотно, где общие цели объединяют разных людей. У нас есть уникальная возможность совместно решать задачи, выходящие за рамки отдельных научных дисциплин и специализаций. Несомненно, каждый из нас заинтересован в решении определенных проблем, и мы готовы объединить усилия, чтобы поддержать друг друга, развивать наши науки и помогать нашим ученикам. Мы стремимся внести свой вклад в понимание актуальных проблем».

Прежде всего Лариса Алексеевна акцентировала внимание на теме речевой деятельности в контексте переговоров и совещаний, а также затронула вопросы семантики и прагматики. «Важно понимать, что наше восприятие семантики может существенно различаться. Это касается не только представителей разных профессий, будь то информатики, биологи, лингвисты или другие специалисты. Для многих из нас семантика служит фундаментом для проведения исследований».

Прежде всего Лариса Алексеевна обозначила нестандартный взгляд на семантику, основанный на идеях французской научной школы, развитых академиком Юрием Сергеевичем Степановым. В данном контексте семантика понимается как внутренний мир каждого участника совещания. Каждый из нас обладает своим представлением о мире, своей личной картиной, своей мотивацией для участия в общении, преследуя определенные, в том числе прагматические, цели. Мы приходим, чтобы поделиться проблемами и найти решения, стремясь к общему пониманию. Семантика в данном ключе подразумевает учет психологических особенностей. Это касается внутренней работы каждого участника коммуникации, его мотивов и целей. Каждый из нас, несмотря на различия в навыках общения и жизненном опыте, имеет общую установку – ради чего, несмотря на различие целей и опыта, мы вступаем в коммуникацию. Это подчеркивает важность внутренней работы каждого человека над своей мотивацией, целеполаганием и опытом построения речи для достижения поставленных целей.

Самоанализ играет ключевую роль и является необходимым условием для эффективного общения. Каждый говорящий, включая и автора, выбирает определенные средства выражения мыслей, чтобы быть понятым слушателями. Выбор средств, особенно лексических и синтаксических, представляет собой сложную задачу. Лингвистические знания необходимы, поскольку речь – это основное средство социального взаимодействия, специфическая и, возможно, генетически заложенная способность, развивающаяся к пяти годам. Речь – важная часть социализации, позволяющая менять стратегию общения в зависимости от ситуации: будь то семейный быт, научная дискуссия или написание статьи. Автор отказалась от презентации, чтобы сосредоточиться на речевых факторах, опираясь на русскую культурную традицию, где уважение к собеседнику и его интересам приоритетны. Важно, чтобы слушатель смог декодировать смыслы, переданные говорящим. Голос, ритм и интонация стимулируют понимание, когда слушатель не только слышит, но и понимает сказанное. Ограничения в понимании семантики компенсируются чувством эмпатии, отказом от конфликтной стратегии и маски "триггера".

Каждый участник коммуникации исполняет социальную роль, определяя свое положение относительно других. Важно учитывать соотношение коммуникативных ролей и социального статуса. Совещания и переговоры представляют собой разные типы социальной коммуникации: переговоры предполагают равные статусы, а совещания – иерархию. Не вдаваясь в специализированные области лингвистики, такие как литературоведение и частное языкознание, где изучается конкретный языковой код в контексте художественных произведений, стоит отметить, что язык содержит мудрость и объединяет носителей. Это проявляется в фольклоре и устойчивых выражениях, которые мы употребляем машинально, не задумываясь об их происхождении и ценности. В качестве примера можно привести фразеологизм "бить баклуши", которым порицают безделье. Лексикологи, вероятно, знают, что баклуши – это заготовки для ложек, изготовление которых считалось простым занятием. В отличие от, например, китайской или арабской традиций, где используются палочки или руки, у нас ложка – привычный предмет. Возникает вопрос, почему безделье ассоциируется с "битьем баклуш"? Это часть нашего культурного бессознательного, полезного для общения в определенной среде.

В межнациональной коммуникации, особенно при общении представителей разных стран, необходимо тщательно выбирать языковые средства, учитывая культурные традиции. Незнание этих нюансов может привести к неловким ситуациям. При ведении переговоров важно понимать семантику, мотивацию и цели, подбирая речевые средства, понятные аудитории. Необходимо стремиться к правильной интерпретации – достижению общего понимания. В науке всегда существуют разные точки зрения.

Ирина Михайловна Кобозева, Доктор филологических наук, профессор, МГУ им. Ломоносова, обозначила, что рассматриваемые ею единицы языка напрямую влияют на передачу информации о структуре и организации текста, отражающих структуру мысли говорящего. Эти единицы, особенно в крупных текстах, называются коннекторами – термин, не относящийся к традиционной грамматике, но интуитивно понятный как элементы, осуществляющие связь. В традиционной лингвистике аналогами являются союзы, представляющие собой лишь часть коннекторов. Коннекторы играют ключевую роль в передаче смысловой структуры и тональности текста, термина, обозначающего оценочные коннотации. Рассмотрим пример текста без коннекторов: "Камень самоцветный украшает нашу жизнь. Он должен войти в наш быт. Вошли в наш дом хрустальная посуда, букеты цветов. Мы любим цветы, радуемся букетам. Проходит время. Как свежи были розы. Камень вечен." Без коннекторов понимание затруднено. Если восстановить их, получим: "Камень, в том числе самоцветный, должен войти в наш быт, как вошли хрустальные предметы. Мы любим цветы, но время проходит." Здесь использованы присоединительный, сравнительный и противительный союзы, являющиеся коннекторами. Коннекторы в языке, которые, подобно союзам и частицам, играют ключевую роль в структурировании текста. Они демонстрируют сравнительные, присоединительные или противительные отношения между элементарными суждениями, составляющими текст.

Пропозиции передают суть нашей мысли, но для ясности необходимо установить связи между ними, отражающие причинно-следственные, временные или сопоставительные отношения. Эти языковые средства, указывающие на смысловые связи, формируются постепенно в процессе развития языка. Коннекторы, таким образом, выступают как специальные инструменты для выражения логико-семантических отношений между частями дискурса, будь то диалог или монолог. При анализе текста выделяются различные уровни структуры, от крупных фрагментов, таких как абзацы или части повествования, до элементарных пропозиций, состоящих из предиката и аргументов. Коннекторы связывают как крупные, так и элементарные единицы текста.

Важно отметить, что смысловые отношения могут быть выражены как явно, с использованием коннекторов, так и неявно, опираясь на наши знания о мире. Однако наличие коннекторов облегчает понимание структуры текста и повышает вероятность правильной интерпретации речи. Коннекторы обеспечивают связность как внутри реплик, так и между ними, показывая тип реакции на высказывание собеседника.

В современной компьютерной лингвистике активно разрабатываются и предлагаются на рынке дискурсивные парсеры. Эти программы анализируют текст, автоматически определяя логико-семантические связи, опираясь на теоретические модели с набором отношений и правил их установления. В процессе разработки парсеров было установлено, что коннекторы, как правило, служебные слова (частицы, союзы), используются в 30-40% случаев для выражения смысловых отношений. В остальных случаях эти отношения либо подразумеваются, либо выражаются иными языковыми средствами, отличными от коннекторов, например, через отдельные пропозиции, явно выражающие связь. Существуют различные подходы к классификации показателей этих отношений. Например, PEN Discourse Tree Bank – корпус текстов, где отношения выражаются либо коннекторами (сочинительные и подчинительные союзы), либо могут быть добавлены, либо не могут быть добавлены из-за избыточности. Пражский корпус синтаксических зависимостей иначе подходит к разбору, относя к коннекторам большинство лексических средств, выражающих смысловые отношения, и выделяя первичные и вторичные коннекторы.

Русская академическая грамматика указывает на союзные слова, местоимения, указательные элементы, вводные слова и конкретизаторы как средства выражения связей в тексте. Важную роль играют также порядок слов, времена и виды глаголов. В современной лингвистике для анализа смысловой структуры текста активно применяется теория риторических структур. В рамках этой теории разработан набор критериев для определения риторических отношений, первоначально включавший около 20 пунктов, а сейчас расширенный. Важным элементом являются коннекторы – разнообразные средства, обеспечивающие связность текста, включая лексические, морфологические, семантические, синтаксические, графические элементы и их комбинации.

В Институте языкознания реализуется проект по созданию базы данных коннекторов русского языка в электронном формате. Целью является инвентаризация этих единиц, их описание на основе толковых словарей, словарей служебных слов, а также анализа большого списка союзов из русской грамматики. Из этого списка, содержащего более 1600 единиц, были исключены сочетания, представляющие собой обычные языковые конструкции, а не отдельные единицы. В результате, база будет содержать около 1000 коннекторов. В базу войдет информация о семантическом поле, к которому относится выражаемое коннектором отношение, а также о синтаксических свойствах коннекторов. Многие коннекторы полифункциональны и могут выступать в разных ролях. Отбрасывались словосочетания, считающиеся свободными, вроде "и поэтому", "но все же". Сложные единицы, такие как "ладно бы, а то", рассматриваются как целостные коннекторы. Важно отметить, что части речи коннекторов характеризуются по-разному в различных словарях и пособиях, что указывает на отсутствие единого мнения в этой области лингвистики. Проводится семантическая разметка по зонам с учетом типологической литературы о типах отношений между пропозициями в разных языках. К типологическому списку добавлены показатели отношения верификации и композиции текста.

Коннекторы также связаны с тональностью текста. Необходимо определить, заложена ли общая оценка в семантике союзов, когда они образовались, какие отношения устанавливают и какова сфера действия оценок. Это важно для автоматизации обработки текста. Примером может служить союз "благодаря тому что", обычно связываемый с положительной оценкой, но в современном языке употребляемый и в отношении отрицательных событий. Существуют и другие интересные проблемы, например, происхождение союза "благо". Область изучения коннекторов важна для автоматизации понимания текста и установления смысловых связей между его частями.

«…я надеюсь, я показала вам, какая интересна для лингвистов область изучения коннекторов и область не только просто теоретически интересная, но и важная для автоматизации понимания текста, которая обязательно включает установление смысловых отношений между его частями» - подытожила свое выступление Ирина Михайловна.

Вадим Владимирович Борисов, доктор технических наук, профессор, действительный член Академии военных наук, эксперт Российского научного фонда и РФФИ, Президент Российской ассоциации искусственного интеллекта, представил доклад, посвященный интеллектуальной поддержке принятия решений в ситуационном контексте, в частности, "мягкому ситуационному подходу", цель которого – объяснить особенности этого подхода. Активные исследования направлены на разработку методов и инструментов интеллектуальной поддержки ситуативных решений, фокусируясь на улучшении ситуационной осведомленности о решаемых проблемах. На слайдах, представленных на семинаре, были проиллюстрированы ключевые задачи поддержки таких решений, представляющие собой специфическую область. Задачи, представленные в обобщенном виде, включают идентификацию текущего состояния, определение целевого состояния, обоснование ситуативных решений или их последовательности для создания сценария достижения цели и возможности задания поведенческих стратегий. Существуют различные подходы, реализующие особенности ситуационного управления. Важными являются труды Поспелова и Осипова, предложивших методы управляющих решений, основанные на семиотических моделях объектов и языке описания ситуаций. Однако построение таких моделей – трудоемкий процесс, особенно при нехватке информации.

Вадим Владимирович отметил, что формируется скорее схема управления проблемой, нежели её модель. Это выражается в последовательности управленческих решений, воздействующих на текущее положение дел и направленных на достижение желаемого результата. Подчеркивается важность поддержки ситуативных решений, учитывая неполноту данных и неопределенность в описании ситуаций, стратегий и сценариев достижения целей. Традиционные подходы в таких условиях оказываются малоэффективными.

Обсуждается роль семантики в разных контекстах. Ситуативное представление предметной области позволяет выделить ситуативную семантику, характеризующуюся набором концептов и отношений. Это способствует конструктивному описанию и решению задач поддержки принятия решений. Представлены методы и модели, основанные на нечетком представлении ситуаций, которые позволяют преодолеть ранее упомянутые ограничения. Особое внимание уделяется нечеткости представления ситуации, предложенной Харкиным, которая снижает неопределенность. Модели теории нечетких множеств и логики предоставляют возможности для эффективного решения проблемы. Упомянуты методы Коффмана, Батыршина, Беляшина, Силова, Тарасова и Аверкина.

Существующие методы и модели, использующие нечёткое представление, можно разделить на методы нечёткого вывода, классификации решений, многокритериальной оценки и классификации альтернатив, нечётких отношений и графов. Эти подходы позволяют представить ситуации и сформировать управляющие переходы при создании нечеткой ситуационно-сетевой структуры, а также сформировать решения с механизмами идентификации, сопоставления, объединения и расщепления ситуаций.

Наиболее распространены модели, реализуемые в рамках концепций «ситуация и действие» и «стратегия управления и действие». Подход «ситуация и действие» основан на представлении нечетких ситуаций в виде нечетких значений ситуационных признаков и формировании ситуационных решений, соответствующих этим ситуациям. Развитие этого подхода представлено в виде нечётких рекуррентных ситуационно-прецедентных моделей, описывающих начальную и конечную ситуацию, а также принятые решения.

Другие методы базируются на представлении ситуации как совокупности значений признаков, например, работы Маккарти, Мелихова, Бирштейна и Коровина. Однако, такие модели требуют описания большого количества ситуаций, хотя и использование нечеткого подхода позволяет сузить признаковое пространство. В контексте управления в режиме реального времени рекуррентные нечёткие ситуационно-прецедентные модели проявляют высокую эффективность. Они позволяют формировать решения, учитывая динамические изменения, происходящие во внешней и внутренней среде, а также системные факторы.

На основе ситуационных прецедентов и определённых процедур формируется рекуррентная последовательность управляющих решений, включающая операцию идентификации с учётом границ и подобий области. Далее определяется наиболее близкая ситуация, и на основе базы нечётких ситуационных прецедентов выбирается прецедент, приводящий к целевой ситуации. В отличие от известных методов, учитывается многозначность перехода и возможность перехода в непредсказуемую ситуацию при воздействии на один управляющий признак. Существуют условия для формирования стабильной нечёткой ситуационно-сетевой структуры модели, называемой нечёткой ситуационно-сетевой моделью. В рамках этой модели формируются ситуации, переходы между ними и управляющие решения, характеризующиеся силой и направлением воздействия. Согласно сетевой структуре, строится стратегия управления или последовательность управляющих решений, ведущих из текущей ситуации в целевую. Учитывается критерий, по которому формируется последовательность решений, что позволяет оптимизировать процесс управления.

Вадим Владимирович Борисов отметил стремление к интеграции потенциала нечетких ситуационных и когнитивных моделей. Как было упомянуто, подобная интеграция становится возможной благодаря расширенному моделированию динамики сценариев, учитывающему различные сценарные варианты развития событий. Вкратце, существуют разные подходы к гибридизации, которые также рассматривались в работах Алексея Николаевича Аверкина, присутствующего на семинаре. Было бы интересно реализовать принцип, который редко встречается в исследованиях, посвященных объединению информационных технологий.

Речь идет о полиморфной гибридизации моделей, когда модели существуют одновременно, не поглощая друг друга. Сложно найти задачу, реализующую это, а также конструктивный подход для реализации подобной интеграции. В рамках гибридизации ситуационных и когнитивных моделей необходимо обеспечить частичное структурно-параметрическое соответствие, конвергентность и взаимообусловленность процедур построения и настройки моделей, а также их совместное, взаимозависимое использование для задач интеллектуальной поддержки принятия решений на всех этапах.

Алексей Николаевич Расходчиков, председатель правления Московского центра урбанистики «Город», к.соц наук, доцент Финансового университета при Правительстве РФ, выразил благодарность за содержательный доклад и задал вопрос, касающийся социального аспекта проблемы: в общественных системах приоритет часто отдается не оптимальному выбору, а предотвращению ошибок. Примером тому служит Чернобыльская авария, где последствия ошибок оказались намного значительнее любых верных решений. Он поинтересовался, возможно ли адаптировать модель для предотвращения ошибочных решений или прогнозирования негативных последствий.

Вадим Владимирович Борисов, поблагодарив за интересные вопросы, подтвердил, что модель может быть использована для диагностики, в частности, для определения путей перехода из текущего состояния в целевое, избегая аварийных ситуаций.

Он отметил, что модель позволяет формализовать нежелательные ситуации, оценивать риски их возникновения в результате управленческих решений и выбирать альтернативные последовательности действий, минимизирующие эти риски. Данный подход визуализирует процесс и предоставляет объяснения, необходимые для понимания ситуации руководителям и квалифицированным операторам, позволяя им принимать взвешенные решения для снижения рисков. Борисов добавил, что данный подход применим не только к техническим объектам, но и к социальным явлениям, благодаря лежащей в основе качественной формализации. Также Вадим Владимирович проанонсировал с 6 по 10 октября в Санкт-Петербурге проведение конференции ИИ-2025.

Алексей Николаевич Аверкин, кандидат физико-математических наук, доцент (Москва, ФИЦ ИУ РАН), прежде всего отметил поэтапность своих предыдущих выступлений на ранее проведённых семинарах. Первым этапом был объяснительный искусственный интеллект для работы с цифровыми изображениями. Вторым – для обработки больших речевых моделей. Однако сейчас зарождается новая парадигма, AI 2.0, и, возможно, ее раннее представление вызовет дискуссии. Тем не менее, системный анализ этого подхода, вероятно, найдет поддержку, поскольку AI 2.0 уже активно упоминается в публикациях. Существующие методы объяснительного интеллекта, представляющие собой «черный ящик», в основном апостериорны и не полностью отражают сложность модели. Невозможно детально объяснить работу семи миллионов нейронов, поэтому объяснения являются приблизительными. Кроме того, отсутствует стандартизация метрик оценки объяснимости, что затрудняет сравнение качества объяснений. Накоплено множество объяснительных интерфейсов, но оценка их качества отстает от развития методов объяснительного интеллекта.

Существует проблема баланса между точностью и интерпретируемостью: чем точнее система, тем сложнее ее интерпретировать, и наоборот. Хотя теоретически объяснения должны быть понятны всем пользователям, ограниченное внимание к дизайну делает их неэффективными и интуитивно непонятными. Необходимы более надежные и удобные решения для объяснимости. Новый термин, появившийся в конце прошлого года, – это следующее поколение объяснимого искусственного интеллекта, ориентированное на интеграцию прозрачности и интерпретируемости непосредственно в архитектуру модели, а не только на пост-хок анализ. Оно включает упреждающую объяснимость, встраивание объяснимости в архитектуру модели во время обучения.

Итак, рассматриваемая схема показывает механизм формирования. Она включает создание объяснений, улучшение методологий, прояснение концепций, учет многомерности (более точное определение), оценку подходов и другие аспекты. Есть еще одна статья, которая, хотя и не совсем соответствует основной идее, представляет собой, на мой взгляд, новое направление, созвучное концепции AI 2.0. Здесь прослеживается связь с Индустриями 4.0 и 5.0. Трансформация осуществляется постепенно, снизу вверх: сначала промышленное оборудование модернизируется для максимального сбора данных. Затем создается инфраструктура для хранения и обработки больших объемов исторических данных. И только на завершающем этапе разрабатываются методы анализа данных для глубокого понимания бизнес-процессов в промышленности.

Многие компании сталкиваются с проблемой избытка данных, неполного понимания их структуры, и неясностью, когда знания, основанные на этих данных, теряют актуальность. Это необходимо исправить в AI нового поколения, ориентированных на экспертов и нацеленных на генерацию знаний, а не на отладку моделей. В AI 1.0 мы в основном отлаживали модели, пытаясь понять, как они работают и объяснить это понимание. Теперь же акцент смещается на обработку данных, предваряющую их использование в моделях. "Черными ящиками" становятся не только нейросети (и другие модели), но и сами данные. Необходимо параллельно объяснять структуру данных и способы их применения. Промышленные данные сами по себе являются "черным ящиком". Модели используют важные знания, которые можно использовать для лучшего понимания не только самой модели, но и процессов, генерирующих данные. Особенно это актуально в промышленности, где данные часто не маркированы, зашумлены, неполны и лишены явно сформулированных знаний. Это соответствует переходу от экономики знаний к цифровой экономике и, наконец, к экономике данных, где акцент делается на сотрудничестве между ИИ и человеком.

Алексей Николаевич Аверкин отметил, что объяснения ценны, когда применимы на практике. Новый алгоритм должен обеспечивать непосредственное использование извлекаемых данных моделями машинного обучения, бизнес-процессами и системами мгновенного принятия решений. Здесь важны знания двух типов: полученные из данных и извлеченные из моделей. Это формирует своего рода цикл. Процесс начинается с человека и использования объяснений для улучшения производительности, что ведет к генерации знаний. Далее, объяснение выступает как интерактивный механизм проверки соответствия между знаниями, предметными областями и самими объяснениями, образуя замкнутый цикл, аналогичный циклу Токиучи управления знаниями в компании, представляющий собой промышленную модель. Естественно, здесь присутствует определенная корреляция. Описывая эти две статьи, докладчик перешел к заключению, упоминая программу INEX агентства перспективных оборонных исследований, направленную на разработку технологий искусственного интеллекта нового поколения. В рамках этой программы были задействованы ведущие американские университеты и создано семейство объяснительных интерфейсов. INEX нацелена на создание надежных и объяснимых систем, выходящих за рамки узких задач. Особое внимание уделяется контекстуальной осведомленности, где система адаптирует свои объяснения, учитывая ситуацию, потребности пользователя и окружающую среду.

Александр Александрович Харламов, обратился к докладчику со следующими вопросами. Во-первых, он задал: существуют ли какие-либо практически применимые рекомендации по обеспечению объяснимости в сфере искусственного интеллекта, или же речь идет лишь о теоретической классификации различных видов ИИ и соответствующих им объяснений? В продолжение темы, Александр Александрович выразил любопытство относительно количества существующих в настоящее время типов искусственного интеллекта. И в заключение, он задал сложный вопрос, касающийся определения искусственного интеллекта: может ли докладчик предложить собственную дефиницию или указать источник, содержащий определение, которое он разделяет?

По словам Алексея Николаевича Аверкина, его ответ касался скорее системного теоретического совета. Это стало актуальным только сейчас, и практически нет исследований, применяющих это на практике. Скорее, это можно назвать новой точкой зрения. Существует огромное количество трактовок понятия "искусственный интеллект". Но очевидно, что в основе лежит стремление воспроизвести человеческое сознание. Это попытка анализа информации, имитирующая способы обработки данных в человеческом мозге, но, конечно, не обязательно теми же средствами. Могут быть использованы альтернативные методы, но в любом случае, человеческий мозг является своего рода ориентиром.

Харламов Александр Александрович, в своем докладе определил, что колонки коры представляют собой вертикально ориентированные относительно поверхности коры комплексы нейронов. Отдельная колонка содержит десятки нейронов, в частности, пирамидных нейронов третьего слоя, которые участвуют в обработке и запоминании образов. Однако, учитывая ограниченное количество нейронов в отдельной колонке, формируется гиперколонка, состоящая из множества колонок, насчитывающая десятки тысяч нейронов, объединенных в функциональное единство. Эти гиперколонки управляются, предположительно, единой клеткой, обеспечивающей координацию деятельности. На все нейроны гиперколонки поступает идентичная сенсорная информация, что позволяет ей функционировать как интегрированная система. Пирамидные нейроны третьего слоя, образующие колонку, обладают свойством современной суммации сигналов Временная суммация заключается в том, что нейрон активируется только при поступлении информации в виде нескольких последовательных тактов времени. Срабатывание нейрона происходит при соответствии последовательности входных импульсов (и их отсутствия) его уникальному адресу, определяемому последовательностью возбуждающих и тормозных синапсов. Таким образом, гиперколонку можно рассматривать как совокупность нейронов с различными адресами.

Множество нейронов с разными адресами формирует многомерное сигнальное пространство. Кодовая последовательность, например, роман Льва Толстого "Война и мир", при поступлении на вход гиперколонки формирует траекторию, соответствующую кодам отдельных нейронов, реагирующих на входные коды. Поскольку язык обладает многоуровневой структурой, где уровни языка включают элементы различной сложности (звуки речи, символы алфавита, флективные морфемы, корневые основы, синтаксис, семантика), траектория, соответствующая роману "Война и мир", на уровне символов алфавита будет содержать повторяющиеся комбинации, обусловленные повторением слов и элементов разных уровней. В колонке происходит следующее: входная последовательность символов текста романа Толстого, поступая в многомерное пространство, моделируемое множеством нейронов, формирует траекторию, в которой присутствуют повторы. Эти повторы запоминаются и формируют словари. Например, для последовательности A, состоящей из элементов B1, B2, B3, где элемент B2 повторяется дважды, траектория будет включать B1, B2, B3 и B2 (повторно). Если порог запоминания установлен на уровне двух, то словарь B будет содержать фрагмент B2. Таким образом, любая входная последовательность, преобразованная в многомерное пространство в виде траектории, взаимодействуя со словарями, выявляет совпадения, и на выходе формируется сигнал, отражающий структурную обработку, выявляющую повторы элементов.

Для выявления факторов связей формируется последовательность связей, которая затем отображается в другое многомерное пространство, повторяющее эти связи. Таким образом, формируется модуль из двух уровней, где на первом уровне выявляются элементы, а на втором – их связи. Различные отделы коры, обрабатывающие информацию разных модальностей, формируют иерархию представлений, включающую множество словарей разных уровней. Рассмотрим, как это происходит в зрительном анализаторе при обработке видеорядов.

Видеоряд (кинофильм) представляет собой последовательность кадров, формирующих сцены, которые, в свою очередь, складываются в ситуации (начало, продолжение, завершение). На всех уровнях можно выявить элементы квазитекста, такие как образы событий и объектов. Например, кружка состоит из обечайки, донышка и ручки, которые в совокупности образуют сцену: стол, стул, кружка на столе, коллега, пьющий кофе. На более низком уровне кружка состоит из обечайки, донышка и ручки, а еще ниже – из простых элементов: точки, сегменты дуг под разными углами, отрезки прямых под разными углами, пересечения (H-образные, U-образные, VX-образные). Это иерархия элементов, извлекаемых из видеоряда на разных уровнях.

Зрительный анализатор представляет собой структуру, включающую глазное яблоко с сетчаткой, зрительный нерв, латеральное коленчатое тело (ЛКТ), которое увеличивает динамический диапазон сигналов, ослабляет сильные, усиливает слабые, увеличивает контрастность, и кору (поля 17, 18, 19). Поля 17 (первичное), 18 (вторичное) и 19 (третичное) зрительной коры последовательно обрабатывают информацию.

В 17-м поле зрительной коры нейроны видят светлую середину и темное окружение или наоборот (простые рецептивные поля). Нейроны 18-го поля видят светлое слева, темное справа и границу или наоборот (сложные рецептивные поля). Нейроны 19-го поля формируют сверхсложные рецептивные поля, соответствующие образам объектов и событий (нейроны "бабушки")

В гиппокампе формируется иное представление о мире, отличное от представления отдельных элементов в разных модальностях. В ламелях гиппокампа происходит распознавание сцены как комбинаторики образов событий, входящих в эту сцену. Ламель гиппокампа представляет собой сечение полуспирали гиппокампа. Роллс показал, что область CA3 ламели гиппокампа является ассоциативной сетью Хопфилда, в которой запоминается комбинаторика образов, составляющих сцену.

Таким образом, множество объектов входит в сцену, и комбинаторика этих объектов составляет представление в ламели гиппокампа. Ламель гиппокампа получает информацию от зрительной коры, слуховой коры и других областей, таким образом, содержа информацию о комбинаторике образов событий и объектов, входящих в сцену.

Основываясь на идеях Пенфилда о связи электрических процессов в различных отделах коры с восприятием мира, можно заключить, что входная информация, проецируясь на ламель гиппокампа, вызывает узнавание, если эта информация уже представлена в одной из ламелей. Например, при восприятии лекции, включающей лектора, слушателей, аудиторию, мебель и оборудование, гиппокамп идентифицирует эту сцену как "лекция". В соответствии с теорией Фрида если в гиппокампе отсутствует ламель, содержащая информацию об этой сцене, то узнавание не происходит.

Алексей Николаевич Расходчиков, председатель правления Московского центра урбанистики «Город», к.соц наук, доцент Финансового университета при Правительстве РФ в своем докладе обратился к теме символьного значения архитектуры и объектов городской среды. Наполненность городских пространств знаками и символами, отражающими идеи и образ жизни поколений, дает основания для исследования семантики городской среды и воздействия, городских ландшафтов на человека. Семантика городской среды охватывает широкий круг информационных сообщений, знаков и символов, окружающих человека в городе и использующихся для взаимодействия горожан и городских сообществ. Данное направление исследований позволяет выявлять наиболее значимые характеристики коммуникативной среды городов, к таким ключевым компонентам которой можно отнести: местные топонимы, символьные объекты, социальные сети, городские события и творческие инсталляции.

Пространство города наполнено символами и атрибутами прошлых эпох. Городская среда исторична, она простирается не только в пространстве, но и во времени, сохраняет и транслирует культурные ценности, формирует особую местную идентичность, притягивает красотой своей архитектуры и эстетикой форм. Благодаря своей историчности города становятся пространствами с особой динамикой городской жизни, многообразием деятельности и жизненных ситуаций, а от сюда и особой локальной культуру общения и знаков и символов. Стоит заметить, что разные города формируют также различные социокультурные типы, поэтому мы часто замечаем, насколько москвичи отличаются от петербуржцев, а жители Калининграда от уроженцев сибирских городов. Можно предположить, что эти различия возникают не только в следствии межпоколенческих связей, особенностей природы и климата. Архитектура, городские ландшафты, символьные объекты и памятные места, судя по всему, также формируют уникальную картину мира, некоторые особенности характера и восприятия человека.

Исторические городские ландшафты и культурные локации создают уникальную форму, в которой постоянно воспроизводится новая социальная жизнь. Однако будучи воспроизведённой, она начинает жить, развиваться и заявлять о своих правах, в том числе на городское пространство, на переосмысление ценностей и создание своей истории. Таким образом формируется одно из множества противоречий и конфликтов городской жизни. В этом противоречии историко-культурной среды и социальной динамики рождаются новые, более приспособленные к современности формы и практики. Обращение к символьным объектам здесь нее случайно, как и в речевой деятельности архитектурные символы содержат дуальность означаемого и означающего, только выраженную не в текстовых знаках, а в образах архитектурных форм, героев, истории мест. Исследования, проведенные Агентством социальных исследований «Столица» в Москве, демонстрируют как новые объекты попадают в символьное поле жителей, или, иными словами, формируют визуальный образ города. Так в десятке наиболее узнаваемых, по мнению жителей, архитектурных символов Москвы мы видим более половины относительно новых объектов советского периода.  

В 2024 году научным коллективом в составе автора статьи, И. В. Желтиковой, Г.В. Градосельской и М. А. Пильгун было проведено пилотное исследование по анализу коллективных представлений об «образах будущего городов» в русскоязычном сегменте интернета. Материалом для исследования послужили данные социальных медиа: контент, генерированный пользователями, и их цифровые следы. В структуре информационных сюжетов можно выделить активность различных акторов: органов власти, общественных и религиозных организаций, ВУЗов и политических движений. Среди транслируемых сюжетов можно выделить: Образ победы основанием которого является победа Советского Союза во Второй мировой войне, образы покорения космоса или возвращения в космос, образы фронтира – освоения восточных территорий страны и больших строек.

Сравнительный анализ инициированных публикаций и комментариев пользователей показывает, что образы будущего, предлагаемые политическими партиями и группами, не являются убедительными для пользователей, вызывают скорее скепсис и недоверие.  Они не связаны с вполне конкретными проблемами людей, не учитывают их опасения и жизненные ситуации. Образ будущего становится популярной политической технологией, и методом манипуляции, который активно используют политические движения, дизайнеры и популярные медийные личности. Идеологическая составляющая в виде ориентиров устойчивого развития и безуглеродной экономики присутствует в описании некоторых проектов. Но, на первое место выходят визуальная футуристичность, новизна идей, оригинальность конструкций и инвестиционная привлекательность проектов.

            Судя по всему, мы наблюдаем эффект, когда навязчивая реклама «инноваций», формирует искусственный спрос на футуристический дизайн и новизну функций, не редко игнорирующий вопросы целесообразности и полезности для людей. В результате содержательный «образ будущего» подменяется замкнутым кругом: реклама – спрос -производство и потребление не очень нужных, но модных вещей.  

Дмитрий Васильевич Михалевский, изложил суть концепции, которая, по его мнению, «крайне значима для обсуждаемой темы, хотя и выходит за рамки конкретики, затрагивая онтологический уровень». Для начала приведу несколько цитат, чтобы кратко обозначить суть подхода. "Понимание высказываний - это не просто сложение значений отдельных слов, а активное структурирование и извлечение смысла из целого". Осмысление возможно только через соотнесение с целостной системой знаний о мире, с интегральной картиной, где каждый элемент связан со всеми остальными. Это – своего рода камертон.

Юнг утверждал, что единство и целостность – высшие ценности. Кастелер считал, что каждое состояние сознания значимо в той мере, в какой оно заключает в себе всю целостность. Гуссерль говорил о внутренней рациональной целостности бесконечного мира. Суть в том, что вся наша деятельность происходит в рамках внутренней целостности, формирующей смыслы. Смыслы выступают как ориентиры в нашем антологическом движении. Эта концепция сформировалась у меня около 20 лет назад. Вспомним переход от чернофигурной к краснофигурной вазописи в Древней Греции. Обычно это объясняют сменой технологий, но это также и повышение размерности восприятия, совпадающее с развитием детского рисунка. Речь идет об общих когнитивных структурах, выходящих за рамки вазописи. Лосев говорил, что эпос имеет ту же структуру, что и чернофигурная вазопись. Развитие структур сознания в древнегреческой истории соотносится с четкими структурами, формирующими культурные формы, отражающие развитие сознания. Сегодня говорят о гиперсетях, коннектоме как суперсети. Количество нейронных связей в нашем мозгу огромно, и это соответствует числу объектов в видимой Вселенной. Можно предположить, что у нас в голове находится Вселенная, и теория отражения должна работать. Однако, согласно закону Миллера, наша кратковременная память удерживает лишь около семи объектов, а по некоторым данным – и вовсе четыре. В нашей оперативной памяти, аналогичной компьютерной, одновременно удерживаются лишь четыре объекта. Это исключает возможность мистического слияния с вселенной. Информационная пропускная способность крайне ограничена, примерно 10-15 единиц. Для иллюстрации представим, что мозг – это закрытая емкость. Отверстие размером 10-15 настолько мало, что через него не пройдет даже атом водорода. Если же предположить, что отверстие для связи должно быть хотя бы в десятую долю миллиметра, то эта емкость займет все пространство от Земли до Солнца. Это подчеркивает нашу изоляцию от внешнего мира.

Несмотря на это, мы живем и воспринимаем мир. Гипотеза состоит в том, что, имея четыре объекта в кратковременной памяти, сознание формирует структуры, увеличивающие кажущееся число объектов. Это происходит за счет ассоциаций, являющихся продуктом абстракции. Четыре объекта могут быть организованы в троичную или четверичную структуру, увеличивая количество воспринимаемой информации в четыре раза. Двигаясь по ступеням абстракции, мы расширяем картину мира. Это подтверждается экспериментами Робби Кейса, которые проводились в Канаде в 80-х годах.

Эти структуры важны, поскольку обрабатывают информацию о внешнем и внутреннем мире, структурируя ее. Движение по этим структурам можно рассматривать как повышение размерности. Они имеют квазипространственный характер, выражаясь в реальных размерностях и пространственных формах. Ограничение четырьмя связями объясняется нашей привязкой к трехмерному миру. Система координат в среднем ухе позволяет позиционировать тело в пространстве. На следующих этапах формируются более сложные структуры, объединившие предыдущие. Этот процесс может продолжаться бесконечно, но мы не замечаем этого в повседневной жизни из-за подсознательной зоны.

«Для описания этих процессов я ввел понятие парадигмы пространственной многомерности, ныне переименованной в топологическую парадигму, которая описывает целостность в каждый момент времени. Эта последовательность представляет собой парадигмальный цикл, то есть целостность, включающую в себя другие целостности».

Исследование, проведенное Дмитрием Васильевичем, началось с анализа дородового этапа, основанного на перинатальных матрицах Грофа, выявившего полное соответствие и целостность цикла развития. Далее, теория Пиаже была сопоставлена с полученными результатами, где сенсомоторная стадия до двух лет, характеризующаяся формированием моторных навыков, также показала идентичность. Этот цикл соответствует раннему детству, представляя собой еще одну целостную фазу. Детство, как этап жизненного цикла, соотносится с нульмерностью, подростковый период – с одномерностью, юность – с двумерностью, зрелость – с трехмерностью, а старость – с распадом структур. Эти результаты согласуются с исследованиями группы Робика и Кейса 80-х годов.

Важно отметить, что это не линейный или спиральный, а фрактальный процесс, где каждый предыдущий цикл служит основой для следующего. Этот подход позволяет перейти к социологии, поскольку социальные группы формируются в зависимости от преобладающих в обществе парадигм. Темные века соответствуют нульмерности, период архаики и Древней Греции – появлению аристократии как носителей одномерной парадигмы, классический период – носителям научного мышления (двумерность), а эллиптический период – трехмерности. Упомянутая концепция соответствует представлениям о Великом Спасе в славянской культуре, включающей четыре уровня, а также базовым варнам в индийском обществе. На каждом уровне развития существуют потенциальная и актуальная стадии, где человек стремится к целостности, руководствуясь смыслами и ценностями следующего уровня. Это формирует мотивационную пирамиду, подобную пирамиде Маслоу. В результате формируются исторические периоды, такие как Древняя Греция, Средние века, Возрождение, Новое и Новейшее время, характеризующиеся распадом структур.

В завершение семинара Харламов Александр Александрович выразил надежду на дальнейшее плодотворное сотрудничество и пригласил всех участников к продолжению диалога на страницах научного журнала «Речевые технологии». Он отметил высокий уровень докладов и их значимость для понимания текущих тенденций в науке и технологиях. По его словам, готовность делиться опытом является залогом успешного развития и прогресса.

ООО «Агентство социальных исследований Столица»
Социологические и маркетинговые исследования, проведение опросов, мониторинг СМИ и социальных сетей.

карта сайта