Текст книги "Звуки и знаки"

Автор книги: Александр Кондратов

сообщить о нарушении

Текущая страница: 5 (всего у книги 18 страниц)

Информатика – наука деловая

Информационным взрывом называют иногда процесс, начавшийся в середине нашего столетия. Научно-технический прогресс – причина этого взрыва, лавинообразно нарастающего потока информации в самых различных областях науки и техники. Укротить эту лавину необходимо. Только в нашей стране трудится около миллиона научных работников; число их на земном шаре гораздо больше. И все эти миллионы людей, несмотря на их старания и желания, не могут работать с полным КПД своего мозга. Ибо не в состоянии прочитать литературу по своей специальности, выходящую в мире.

«Если бы химик, свободно владеющий 30 языками (условие невероятное), начал с 1 января 1964 г. читать все выходящие в этом году публикации, представляющие для него профессиональный интерес, и читал бы их по 40 часов в неделю со скоростью 4 публикации в час, то к 31 декабря 1964 г. он прочитал бы лишь 1/20 часть этих публикаций», – говорил академик А. Н. Несмеянов. А ведь с 1964 года число публикаций по химии из года в год увеличивалось, и сейчас наш химик-полиглот не прочел бы и одной тридцатой всей литературы по специальности.

Поток публикаций возрастает, а вместе с тем ежегодно возрастает и необходимость чтения этих публикаций. Все чаще и чаще обращаются к научным публикациям инженеры и техники. Их в мире не миллионы, а десятки миллионов. Больше века прошло со времени открытия электрического тока Гальвани до создания первой электростанции. Полстолетия потребовалось телефону, чтобы из научного открытия воплотиться в техническое изобретение. Но такие темпы характеризовали XVIII и XIX столетия. В нашем веке с момента открытия деления ядер урана до создания атомного реактора прошло лишь три года, а до запуска первой атомной электростанции – пятнадцать лет. Научные открытия используются сейчас почти моментально, если мерять время темпами прошлых лет. Зато, в отличие от прошлого, поиск нужной информации в океане книг, статей, журналов, патентов отнимает уйму времени.

И не только времени, но и денег. Ежегодно на доку ментальный поиск в США тратится свыше миллиарда долларов. И тем не менее в тех же США – на неоправданное дублирование тратится не менее десяти процентов всех средств, что отпущены на научно-исследовательские и конструкторские работы. Вот два характерных примера. На эксперимент по засеву облаков было израсходовано более четверти миллионов долларов. Результаты этого эксперимента появились в публикации, но затерялись в потоке отчетов и статей. И вскоре эксперимент был повторен, причем дублирование его обошлось уже в три миллиона долларов. Национальное управление по аэронавтике и исследованию космического пространства потратило год и восемнадцать миллионов долларов на разработку ракетной системы «Атлас-Вега». Одновременно столько же времени и средств ушло на разработку аналогичной системы «Атлас-Агена В», которой занималось министерство ВВС Соединенных Штатов.

Вполне понятно, что на службу информации различные фирмы, исследовательские институты, министерства и управления зарубежных стран не жалеют средств – эти средства окупаются сторицей.

В нашей стране информационная служба централизована. О создании единой общегосударственной системы сбора и обработки информации для учета, планирования и управления записано в «Основных направлениях развития народного хозяйства СССР на 1976–1980 годы», утвержденных XXV съездом КПСС. Совет Министров СССР принял специальное постановление, возложив на Государственный комитет по науке и технике руководство научно-технической информацией в нашей стране, определение дальнейшего развития системы этой информации, координацию исследовательских и технических работ, методическое руководство всей сетью научно-технической информации, разграничение функций между отдельными органами информации и контроль над их деятельностью.

Сеть информационных органов СССР включает такие специальные институты, как ВИНИТИ – Всесоюзный институт научной и технической информации, где работают тысячи штатных сотрудников и десятки тысяч переводчиков, ЦНИИПИ – Центральный научно-исследовательский институт патентной информации, ВНИИКИ—Всесоюзный научно-исследовательский институт научно-технической информации, классификации и кодирования. В каждой отдельной отрасли, как правило, существуют свои институты, а отделы или бюро научно-технической информации есть почти во всех солидных научно-исследовательских и проектно-конструкторских институтах, на предприятиях промышленности, сельского хозяйства, транспорта и связи.

Отпустить необходимые средства, создать единую сеть службы информации – это, так сказать, задача общественная, социальная, государственная. И она в нашей стране решается. Но есть еще задачи сугубо внутренние, связанные с самой спецификой проблемы. Решить их должна особая наука об информации, или, как ее называют ныне, информатика (известный советский логик В. А. Успенский предложил термин «документалистика», однако в нашей литературе первый термин получил гораздо большее распространение).

«Информатика – это научная дисциплина, изучающая структуру и свойства (а не конкретное содержание) научной информации, а также закономерности научно-информационной деятельности, ее теорию, историю, методику и организацию, – пишут А. И. Михайлов, А. И. Черный и Р. С. Гиляровский в монографии «Основы информатики». – Целью информатики является разработка оптимальных способов и средств представления (записи), сбора, аналитико-синтетической переработки, хранения, поиска и распространения научной информации. Информатика имеет дело со смысловой (семантической) информацией, но не занимается качественной оценкой этой информации. Такая оценка может производиться лишь специалистами в соответствующих областях науки или практической деятельности».

Информатика находится в начале своего становления. Как и всякая другая наука, она сначала собирает факты и обобщает их, затем анализирует и выявляет общие закономерности. И, как считают все специалисты, основная теоретическая задача информатики в наши дни – это выяснение закономерностей, по которым происходит создание семантической, смысловой информации, передача этой информации и практическое использование в самых различных сферах человеческой деятельности, начиная с доказательства математических теорем и кончая применением достижений науки и техники в повседневном быту.

Содержание, семантика, смысл кодируется с помощью специальных языков науки и техники и прежде всего с помощью нашего человеческого языка, сложного и неоднозначного. Перевод с этого языка на язык информатики– так можно сформулировать задачу номер один, которая стоит перед современными исследователями.

В поисках языка

Язык машины – язык чисел. На этот язык в принципе должна быть переведена вся информация, накопленная человечеством в области науки и техники, вообще вся сумма знаний, запечатленных в печатной продукции. Кодирование числами началось задолго до появления ЭВМ и информационного взрыва. Списки книг и произведений составлялись и древними греками, и египтянами, и жителями Двуречья. Уже в VII веке до н. э. на глиняных табличках из библиотеки ассирийского царя Ашшурбанипала давалось заглавие, номер таблички или собрания табличек, образующих «глиняную книгу» и т. д. Более ста лет назад, в 1876 году, американский библиотековед Мелвил Дьюи предложил классифицировать книги, относящиеся к различным областям знания, с помощью десятичных чисел.

Каждый основной раздел этой классификации обозначался одной цифрой, от нуля до девяти. При дальнейшем его делении к этой цифре присоединяется вторая, а затем и третья цифра. А чтобы индексы были всегда трехзначные, к однозначным и двузначным числам Дьюи добавлял нули. Например, естественные науки получают индекс 500, математика тогда будет под индексом 510, астрономия – 520, физика – 530, химия – 540, геология – 550, палеонтология – 560 и т. д.

Сведения о той или иной сфере могут быть в периодических изданиях, словарях и других публикациях. Они могут касаться истории вопроса, могут говорить о практическом применении и о многом другом. Дьюи разработал список таких делений, занумеровал его, и теперь тот или иной номер может присоединяться к трехзначному числу, индексу любого раздела классификации. Например, физика имеет индекс 530, а ее раздел механика – индекс 531. Тогда словари по механике кодируются как 53103 (словари обозначены в списке Дьюи числом 03), история механики – 53109 (09 – обозначение «истории вопроса»).

А как быть со странами или языками? Дьюи предложил для обозначения их использовать окончания индексов филологии и истории, которые зафиксировали различные языки и страны мира. И тогда геология Европы получает обозначение 55040 (первые три цифры – индекс геологии, две вторые – Европы), геология Азии – 55050, геология Африки – 55060 и т. п.

Десятичной классификацией Дьюи пользуются почти девяносто процентов библиотек США и Великобритании. Однако в большинстве стран мира, в том числе и в нашей стране, используется другая десятичная классификация, именуемая универсальной, сокращенно УДК. Создана она была в начале нашего столетия и с тех пор продолжает совершенствоваться и расширяться. В последних изданиях УДК содержится более ста тысяч руб-рик, охватывающих самые различные области человеческого знания. Полный объем ее таблиц составляет около пятисот авторских листов, то есть десяток томов по триста – пятьсот страниц в каждом.

Тысячи учреждений почти в сотне стран мира пользуются системой УДК. По сути дела, это своеобразный международный язык-посредник. Ведь тексты, выходящие на множестве различных языков мира, индексируются с помощью числового кода УДК. Зная этот код, мы можем перевести его символы средствами своего родного языка.

Система УДК. представляет собой иерархию. Вершина ее – десять цифр, от нуля до девяти, обозначающих главные разделы: 0 – общий отдел, 1 – философия, 2 – религия, 3 – общественные науки и т. д. Далее по тому же десятичному принципу каждый из разделов дробится на отдельные подразделы, те, в свою очередь, на группы, группы—на подгруппы и так до тех пор, пока сохраняется необходимость членения. Чем больше развита та или иная область знания, тем больше и глубина деления.

Например, в минералогии и кристаллографии она достигла десятой степени, то есть отдельные понятия записываются в виде десяти цифр (структура кальцита обозначается числом 548.736.442.2, где цифра 5 обозначает математику и естественные науки, 4 – химию и т. д.). Там, где надо, глубина может увеличиваться безгранично.

Приведем для образца запись на УДК фрагмента текста на русском языке. Фраза «Строительство из стали с экономической точки зрения» будет записана так: 624.94.003.1. Первая цифра, шестерка, кодирует прикладные знания, медицину, технику; вторая – двойка – технику и инженерное дело. Сочетание цифр 624.94. обозначает строительство, каркасные конструкции. А цифры 003.1 – определитель «экономической точки зрения».

И все-таки какой бы совершенной ни была УДК или любая другая классификация этого типа, она не решает главных проблем, возникших в связи с информационным взрывом. Ибо такие системы, если можно так выразиться, одномерны. А поиск информации в наши дни идет по самому различному набору признаков, в многочисленных «измерениях». Специалисты по информатике иллюстрируют это на убедительном и наглядном примере.

Допустим, мы размещаем книги библиотеки по цвету их переплета. В одну группу помещаем книги в красном, в другую – в желтом, в третью – в голубом переплете. Но вот к иам попадает книга в зеленом переплете. Куда ее поместить? Мы выделяем еще одну группу. Когда у нас будет слишком много книг в светло-голубых переплетах, мы эти книги выделим в отдельную подгруппу или даже группу. Оттенки спектра бесчисленны. И мы можем, если потребуется, дробить и дробить эту группировку, используя тот или иной цвет или его оттенок.

Именно так и поступает УДК или подобная ей система. Только вместо бесконечного спектра здесь используется бесконечный ряд чисел. Но представим, что в нашу библиотеку попадает книга, переплет которой частью красный, а частью голубой. Куда ее отнести? К голубым или красным? Если мы отнесем ее и к голубым, и к красным книгам, получится двусмысленность, да и неточность; ведь книга-то не красная и не голубая, а красно-голубая.

Между тем в наше время то и дело возникают именно такие вот «красно-голубые», смешанные области знания, возникшие на стыке наук. Практические же применения их, если продолжить наше сравнение, вообще «серо-буро-малиновые»: медицина переплетается с электроникой, психологией, математикой. Лингвистика, как вы сами убедились, читая эту книгу, стыкуется с инженерией, статистикой и т. д. и т. п. УДК и другие подобные ей системы малопригодны для информационного поиска по любым, заранее не предусмотренным сочетаниям предметов. И совсем непригодны они для поиска по единичным предметам, а также предметам межотраслевого характера, рожденным стыком наук или неожиданным контактом техники и нового открытия в пауке…

Это вывод современных специалистов по информатике. Но задолго до рождения этой науки, еще в 1933 году, выдающийся индийский ученый Шиали Рамамрита Ранганатан указал на слабости цифровой классификации по типу УДК, обозначения «предметов и книг порядковыми числами, необходимого для достижения специфических целей». И не только указал на недостатки старой системы, но и разработал свою систему, весьма оригинальную. Принципы ее и по сей день используют ученые, работающие в области ИПЯ – информационно-поисковых языков. В наши дни создано несколько тысяч таких ИПЯ, так что по своему количеству они могут соперничать с естественными языками.

«Пусто – Непусто», БИТ, «Коран»…

Рассказ о различных информационных языках потребовал бы не очерка, а целой книги. Мы ограничимся лишь несколькими ИПЯ, наиболее известными или интересными.

«Пусто – Непусто» – так назывался первый в нашей стране информационный язык, разработанный в ВИНИТИ в начале шестидесятых годов. Этот ИЯ предназначался для поиска рефератов по электротехнике с помощью ЭВМ. Знаменательные слова, или, говоря языком информатики, дескрипторы кодировались трехзначными числами. Например, фраза «данные о напряжении тока» на этом языке записывалась так: 153.414.883 (153 – данные, 414 – напряжение, 883 – ток). Информационный язык «Пусто – Непусто» применен был для текстов на двух языках – русском и английском.

В 1965 году В. И. Тарасовым был предложен информационный язык «Кристалл». В отличие от «Пусто – Непусто» кодирование в нем смешанное, с помощью слов и цифр. Слова текста записываются в исходной форме, без грамматических форм. С помощью чисел обозначаются отношения между словами. В наши дни язык «Кристалл» применяется в самых различных сферах: с его помощью отыскивается информация в области химии, медицины, приборостроения, легкой промышленности и т. д. Свыше ста тысяч различных документов переведено на этот информационно-поисковый язык.

Для того чтобы облегчить поиск публикаций по органической химии с помощью машин, разработан информационный язык, получивший название «ИЯ стандартных фраз». Специфика этого языка в том, что он имеет дело не с простыми текстами, представляющими линейную последовательность букв, а с химическими формулами. Формулы же органической химии, как известно, структурны, они располагаются в двумерном пространстве. Поэтому пришлось разрабатывать особый код, с помощью которого двумерные формулы превращались в линейную последовательность цифр.

Наиболее сложный и четкий по своей логике ИЯ был разработан в нашей стране группой сотрудников Института кибернетики АН УССР под руководством Э. Ф. Скороходько. Язык этот получил наименование БИТ. Термины на нем могут быть представлены в трех вариантах: в виде формул, графиков и таблиц. Первый вариант записи наиболее экономичен, второй – нагляден, третий—пригоден для машинной обработки текста (киевские кибернетики разработали специальные программы, которые позволяют ЭВМ переводить текст с естественного языка на искусственный язык БИТ).

В основе этого информационного языка лежит мысль о том, что структура внешнего мира состоит из единиц двух видов: предметов и их отношений. Эти первичные единицы порождают производные – ситуации. Предметы обозначаются символом X, который может иметь различные индексы вверху и внизу. Так, термин «изображение» получит символ Х⁰ ₀₂₄, где верхний нолик означает, что мы имеем дело с элементарным понятием, а нижнее число показывает номер данного термина в списке. Более узкий термин, например «полупроводниковый триод», закодируется в виде символа Х²₃₀₁.

Отношения между предметами – релатемы – кодируются латинской буквой R, которой также приписаны верхние и нижние индексы. Ситуации на языке БИТ записываются в виде предложений, состоящих из соединения символов X и R, имеющих различные индексы. Словарь терминов в этом языке разработан для текстов по радиоэлектронике, но, судя по всему, БИТ может пополняться новыми терминами и понятиями.

Естественно, что появление нового предмета требует нового индекса. Для отношений это не обязательно: производные релатемы могут образовываться сочетанием основных (например, сочетание релатемы «быть местом» и «иметь субъект» образует релатему «быть местом действия»).

Информационный язык БИТ – это усовершенствованный вариант так называемого Кливлендского семантического кода. Код разрабатывался группой американских ученых в городе Кливленд для механизированного поиска информации по металлургии. Алфавитом кода служат не только латинские буквы, но и специальные знаки и числа от 000 до 999. Каждое знаменательное слово, то есть дескриптор, записывается в виде сочетания трех согласных букв. После второй согласной оставляется пробел, который заполняется какой-либо гласной. Вставная буква указывает на определенное отношение, например: А – это «принадлежность, быть предметом»; О – «производить» и т. п. Из простых дескрипторов строятся составные, более сложные. Так, для записи слова телефон используются дескрипторы прибор, передача, электричество, информация (ведь телефон – это и есть прибор, предназначенный для передачи информации при помощи электричества).

Таким образом, мы имеем дело с набором элементарных понятий, или, как назвали их создатели Кливлендского семантического кода, смысловыми множителями – по аналогии с физическими базисными величинами (хотя, конечно, никакого умножения тут не происходит, лишь из кирпичиков простых дескрипторов строятся более сложные).

Многие специалисты по информатике считают, что в первую очередь надо создавать не всеобщие ИЯ, а специализированные, нацеленные на какую-то одну область знания. Таков, например, язык «Коран», предназначенный для поиска сведений, содержащихся в священной книге мусульман. Словарь ИЯ «Коран» содержит около пятисот терминов, набитых на перфокарты с указанием, в каком месте священной книги встретилось то или иное слово. Любой отрывок из писания мусульман может быть закодирован на языке «Коран» в виде условных символов и ключевых слов: так, d₁обозначает Аллаха, d₄– ангелов, d₅,– демонов, d₆– джиннов и т. д.

Специальные ИЯ создаются также для записи неязыковой информации. Например, для поиска картографических материалов, различных объектов, интересных для археологов (ваз, монет, мозаики, орнамента, оружия), для классификации товарных знаков по изображению, цвету, геометрической форме.

Тезаурус – это сокровище!

Мы начали наш рассказ с Раймонда Луллия, жившего в эпоху, весьма далекую от эры ЭВМ, однако предвосхитившего идею механического «усилителя разума». В том же XIII веке была выпущена книга, давшая название теме, которая является самой актуальной в создании информационных языков (а те, в свою очередь, – ключ к решению основной задачи информатики). Речь идет о создании так называемых тезаурусов.

Термин этот происходит от греческого слова, имеющего значение: сокровище, богатство, клад, запас. От греков это слово попало и в латынь, где стало обозначать сокровищницу, кладовую, склад. Флорентиец Брунетто Латини, живший в XIII веке, назвал «Книгой о сокровище» свою систематизированную энциклопедию знаний той эпохи. В XVI столетии отец и сын Этьенны выпустили толковый словарь языка древних греков, озаглавленный «Сокровищница греческого языка». Этот труд не утратил своего значения и поныне.

А вслед за тем выходят тезаурусы-словари, которые являются своего рода «перевернутыми» толковыми словарями. В толковых словарях вроде знаменитого словаря Даля слова расположены в алфавитном порядке. Значения их раскрываются примерами, взятыми из обыденной речи, из художественной литературы, из народных говоров. В тезаурусах слова и выражения систематизированы не по написанию или произношению, а по их значению. Недаром же тезаурусы называют еще идеологическими словарями.

В 1808 году был выпущен тезаурус санскрита. Все слова в нем объединялись в классы: Небеса, Погода, Время, Добродетели, Пороки, Ад и т. д. А те, в свою очередь, делились на подклассы (например, Ад подразделялся на Ад как таковой, Души умерших, Страдание, Боль).

«Нельзя ли подобным образом рассортировать по смыслам слова не мертвого санскрита или древнегреческого, а живого английского языка?» – такой мыслью задался П. М. Роджет. Ведь подобный словарь принес бы большую пользу в смысла «облегчения выражения понятий», а также «при написании сочинений».,

Роджет выпустил свой «Тезаурус английских слов и фраз» в 1852 году. С той поры его словарь выдержал около сотни изданий. Тезаурус Роджета делит значения всех слов, входящих в него, на шесть основных категорий: абстрактные отношения, пространство, материя, разум, воля, чувственные и моральные силы. Категории эти подразделяются на двадцать четыре подкласса, те – на восемьдесят шесть подподклассов и т. д. Всего тезаурус включает тысячу различных категорий, по которым и разносятся значения слов. Если слово имеет несколько значений, то оно попадает в несколько рубрик. Например, слово кпо! входит в группу 45 (связь), а также 59 (запутанность), 72 (группа), 219 (пересечение), 249 (округлять), 321 (плотность), 704 (трудность) и т. д.

Словарь Роджета при многочисленных своих переизданиях не раз и перерабатывался. Но общая схема его не менялась, добавлялись лишь новые слова и понятия. Между тем этой схемой невозможно охватить необыкновенно расширившуюся в нашем веке сферу науки и техники (напомним, что Роджет жил более ста лет назад). Вот почему, составляя современные тезаурусы, ученые стремятся избежать ограниченности словаря Роджета.

Наиболее полным словарем такого типа считается идеологический словарь немецкого языка, составленный Францем Дорнзайфом. В нем уже не шесть, как у Роджета, а двадцать основных категорий, каждая из которых делится на несколько десятков подклассов. Подклассов может быть от десяти до девяноста, но зато они являются последней рубрикой. В словаре Дорнзайфа нет подподклассов, излишне усложнявших тезаурус Роджета. (Так, первый класс Роджета абстрактные отношения делился на 1.1. Бытие. 1.1.1. Абстрактное. 1.1.1.1. Бытие. 1.1.1.2. Небытие. 1.1.2. Конкретное. 1.1.2.1. Вещественность. 1.1.2.2. Невещественность и т. д. Нетрудно запутаться во всех этих рядах единичек, точек и двоек.)

Сразу после заглавного слова, опять-таки в отличие от тезауруса Роджета, даются ссылки на другие классы и подклассы, что очень удобно для работы со словарем. Вот как выглядит самая краткая из словарных статей класса под номером тринадцать (Знак, Сообщение, Язык): 13.17. Значение, (см. 9.44. Значимость. 12.31. Понимать. 13.44. Объяснение. 13.53. Перевод. 14.12. Указатель слов). Это значит. Значит, Хочу сказать. Именно. Итак. В этом смысле. Собственно. Буквально. Выражать. Значить. Свидетельствовать. Означать. Обозначить. Иметь целью. Намекать. Извещать. Показывать. Иметь в виду. Относиться к. Служить для. Покрывать. Семантически. Семасиологически. Выражение. Значение. Содержание. Дух. Понимание. Значение слова. Смысл слова. «Синоним». Наука о значении. Семантика. Семасиология.

В словаре Дорнзайфа приведена классификация царства животных и растений, что создана современной наукой, дана систематика минералов, разработанная геологией, и систематика болезней, принятая медициной. При переиздании этот тезаурус пополняется новой лексикой (так, в последнее издание введены слова спутник, водородная бомба и т. д.). И все-таки как бы ни был полон словарь Дорнзайфа, он не в состоянии охватить всей поистине необозримой терминологии, что существует в современной науке и технике. Да и отношения между смыслами слов слишком общи для того, чтобы можно было вести направленный поиск информации по ним. Вот почему с начала шестидесятых годов в различных странах мира создаются специальные тезаурусы, цель которых – охватить терминологию той или иной области науки и техники. И не просто охватить, но и служить путеводителем в поисках научно-технической информации.

В наши дни созданы десятки тезаурусов в самых различных сферах. Есть тезаурус Евроатома, тезаурус терминов по целлюлозе и бумаге, химико-технологический тезаурус, тезаурус по металлургии и т. д. Принципы их построения совпадают с принципами классических тезаурусов-словарей. Они, как говорят специалисты по информатике, предназначены как для нахождения разных способов выражения одной и той же мысли, так и для оптимизации решения информационно-поисковых задач. Только, в отличие от словарей Роджета и Дорнзайфа, специализированные тезаурусы стремятся не к всеобщему охвату значений, а к детальному и углубленному охвату терминологии той или иной области науки и техники.