Дорожная Пыль в стране магов (СИ)

     Интересующий объект соответствует некоторому понятию, имеющему свое имя. Это будет подлежащее. Сказуемым будет то отношение, которое сейчас рассматривается для данного объекта. Дополнением будет то понятие, которое соответствует в данном отношении подлежащему. Так, двигаясь от понятия к понятию через глаголы по этой огромной сети или модели, мы осуществляем своё мышление и речь. У нас к тому же остаётся некоторая возможность вернуться к физическим объектам из понятий, которые получаются в результате речи или движения по сети взаимосвязанных имён понятий. Это можно сделать, если взять полученное в результате мышления имя понятия и выбрать из алгоритма распознавания соответствующие ему параметры и их значения.

     Это, конечно, не совсем объект, а только его полуфабрикат, но всё же что-то. Из тех индивидуальных объектов, которые мы по-прежнему храним в параметрическом виде, мы можем подобрать что-нибудь с такими параметрами и получить образ. Конечно, у каждого в таком случае будет свой образ. Такая модель сильно оторвана от жизни,  от реальных объектов, но она невероятно эффективна, поскольку действует уже без самих объектов, что даёт ей компактность, скорость и независимость от мира. Мы можем передавать знания, даже не показывая сами объекты, а только описывая их параметры из алгоритма распознавания.

     Это уже позволит ученику надёжно распознавать объекты и предсказывать их поведение, хотя он эти объекты в глаза не видел. Например, мы можем рассказать ребенку о розетке и ударе током. Он будем опознавать розетки и предсказывать опасность, хотя его и током-то ни разу не било. Представляете, какое колоссальное эволюционное преимущество!?  Конечно, в реальных языках есть множество разных прибамбасов, позволяющих ещё больше упростить мышление и увеличить его скорость.

      Скажем, для часто используемых понятий, мы специально используем неправильные короткие имена вместо правильных длинных. Мы будем говорить «корова» вместо длиннющего названия по Линнею. Или, например, в названия понятий можно сразу вводить слова, характеризующие параметры и их значения из системы распознавания образов. Например, «зеленая змея»: параметр – цвет, значение – зеленый.  Или, «зубастая рыба»: параметр – наличие зубов, значение – да. Это позволяет сразу же в названии дать алгоритм распознавания объекта хотя бы частично. Если вам интересно, вы сами можете выбрать какой-нибудь язык и изучать, каким образом он реализует классификационную модель и её использование.

Дорожная Пыль прикрыл глаза:

- Всё это сложно для меня. И многое здесь ещё надо осмыслить. Говорят, что язык моделирует мир. Весь мир, понимаете? Как же это получается..., сразу трудно понять.

- Я вам по простому могу сказать, - похлопал его по плечу Басмач. - Есть в кибернетике самое общее определение системы как отношения между входными воздействиями и выходными значениями. Так вот, классификационная модель (а с ней и язык) как раз и описывают эти отношения. Язык и классификационная модель являются способом моделирования систем, окружающих нас, и в этом смысле в итоге они создают модель мира.

- Мне трудно свести воедино всё, что вы сказали. Может быть, вы приведёте какой-нибудь пример?

- Это огромная работа, не для беседы на лавочке, - задумчиво произнёс Басмач. - Хотя, знаете, существуют очень специальные языки для отдельных областей. Часто бывает так, что, допустим, система распознавания настолько специфическая, что  выводит систему классификации и соответствующий ей язык из естественно-языковой области в специально-научную. Я приведу вам пример из области библиографии. Он хорош тем, что здесь создаётся модель лишь для одного отношения - «чтения».

     Итак, существует множество людей и множество книг. Люди читают книги и тем самым формируют отношение «чтения». Конечно, нет ни одного человека, который бы владел знанием обо всём этом отношении, но есть люди, библиографы, которые неплохо его себе представляют. С языком всегда так: нет одного человека, формирующего модель. Я до этого сильно лукавил, когда говорил вам об одном наблюдателе. Ладно, пойдём дальше. Основная задача библиографа - на основе этого знания создать систему предсказания, какие книги предложить человеку, когда он придёт в библиотеку или в книжный магазин. Понятно, что человек, как правило, не будет читать уже прочитанную книгу. Поэтому наши предсказания должны относиться к ещё не реализовавшемуся чтению. В рамках реляционной модели это сделать принципиально невозможно.

     Итак, мы на основе имеющегося отношения строим структуры понятий на множестве читателей и множестве книг и выделяем виды. Теперь нам надо построить системы распознавания видов для людей и для книг. Как нам найти на людях отпечатки того, что они читают? Никак, хотя я думаю, что опытный библиотекарь уже по одному внешнему виду, поведению и речи имеет представление, что может читать данный читатель. Здесь нам, однако,  везёт. Люди сами себя отлично классифицируют в качестве вида читателя. Например,  я внутри себя говорю: «Сегодня хорошее настроение. Давно я анекдоты не читал. Сегодня я читатель-юморист». Завтра этот читатель уже может быть врачом-дантистом или математиком-топологом. Короче говоря, читатель сам себя идентифицирует и сообщает о результатах этой идентификации библиографу, когда отвечает на вопрос: «Что вас интересует?»

     Теперь нам надо построить систему распознавания книг. Сначала необходимо найти параметры и их значения для распознавания. Это система ключевых слов, использующихся в книге. Мы по определенной методике находим эти слова, что позволяет нам определить, какие читатели будут читать данную книгу. Всё. Классификационная модель построена. Мы можем сгруппировать книги на полках в соответствии с их вхождением в те или иные понятия. Само это вхождение мы определяем по ключевым словам. Здорово? Да, но не очень. Ведь в соответствии с пожеланиями читателя нам надо пускать его в хранилище книг к тем разделам, которые мы сформировали. Поэтому мы сделаем хитрее.

     Мы заменим понятия, реализованные в виде книг, сгруппированных на полках, на имена этих понятий, специальным образом построенные. Мы построим эти имена так, чтобы они в точности отражали систему понятий книг, вытекающую из отношения чтения: большое количество читателей имеет мало общих книг, и наоборот. Также и с именами: книги общего содержания, имеющие много читателей, получат имена, состоящие из малого количества слов, а книги специального содержания, имеющие ограниченное число читателей, получат имена, состоящие из большого числа слов. В качестве слов мы будем использовать обычные десятичные цифры, разделенные точкой. Что у нас получится? Универсальная десятичная классификация или коды УДК!

     Теперь мы может отделиться от надоевшего реального мира и повысить эффективность. Мы создадим каталог – прототип языковой модели, но только для книг и только для одного отношения. Мы туда запустим людей с их самоидентификацией, и пусть парятся там хоть до вечера.

- Скажите, Басмач, а какие же предложения получаются в вашем языке, если это, конечно, язык?- удивлённо заметил Дорожная Пыль.

- Очень даже нормальный язык. И предложения здесь нормальные, просто они скрыты. Точнее, здесь из-за специфики  всегда одно типовое предложение. В качестве подлежащего выступает имя самоидентификации читателя. Оно у него в голове и не произносится, поскольку он сам потребитель этого предложения. В качестве глагола всегда выступает один и тот же глагол «читать», поэтому он тоже не произносится. А в качестве дополнения выступает код УДК или его словесная расшифровка. Возражения есть?