Теоретическая информатика это наука объектами изучения которой являются: Лекционные материалы по разделу «Информация и информационные процессы» по дисциплине «Информатика и ИКТ»

Содержание

Основные составляющие информатики

Информатика Основные составляющие информатики

просмотров — 238

В информатике выделяют следующие основные направления:

· Теоретическая информатика

· Семиотика

· Кибернетика

· Программирование

· Искусственный интеллект

· Информационные системы

· Вычислительная техника

· Информатика в обществе

· Информатика в природе

Составляющие данной науки являются: теоретическая информатика, семиотика, кибернетика. Практически информатика реализуется в программировании и вычислительной технике.

Теоретическая информатика является фундаментом для построения общей информатики. Данная дисциплина занимается изучением и построением моделœей, дискретных множеств, которые описывают эти модели. Неотъемлемой частью теоретической информатики является логика. Логика – совокупность правил, которым подчиняется процесс мышления. Математическая логика изучает логические связи и отношения, лежащие в основе дедуктивного (логического) вывода.

Множество информационных сообщений, как правило, можно описывать в виде дискретного множества. А значит, по своему характеру теоретическая информатика близка к дискретной математике, изучающей объекты именно такого типа. По этой причине многие модели теоретической информатики заимствованы из дискретной математики. Но, как правило, эти модели наполнены конкретным содержанием, связанным со спецификой информации — того объекта͵ который нас интересует.

В рамках этого направления развивается такая дисциплина, как теория информации. Теория информации рассматривает информацию как некий абстрактный объект, лишенный какого-то конкретного содержания, и изучает ее общие свойства и законы развития. Теория кодирования занимается вопросами представления содержания информации в той или иной форме, а также теоретическими вопросами передачи информации по зашумленным каналам связи и исправления ошибок, возникающих в этих каналах.

Вместо реальных объектов в компьютере рассматриваются упрощенные описания явлений и процессов. Переход от реальных объектов к их моделям рассматривается в такой науке, как системный анализ. Любая построенная модель требует адаптации к современной вычислительной технике, позволяющей воспроизводить реальные объекты в компьютере. Потребность в специальных методах и приемах, позволяющих обсчитывать модели и проводить численные эксперименты, обусловливает развитие таких наук, как вычислительная математика, теория алгоритмов и параллельных вычислений.

Сама теоретическая информатика распадается на ряд самостоятельных дисциплин. По степени близости решаемых задач их можно условно разделить на пять классов.

A. К первому классу относятся дисциплины, опирающиеся на математическую логику. В них разрабатываются методы, позволяющие использовать достижения логики для анализа процессов переработки информации с помощью компьютеров (теория алгоритмов, теория параллельных вычислений), а также методы, с помощью которых можно на основе моделœей логического типа изучать процессы, протекающие в самом компьютере во время вычислений (теория автоматов, теория сетей Петри).

B. Компьютеры, как известно, оперируют с числами, т. е. с информацией, представленной в дискретной форме. А сами процедуры, реализуемые компьютером, есть алгоритмы, описанные в виде программ. Чтобы составить программу, крайне важно разработать специальные приемы решения задач. Раньше математики не заботились о возможности перевода своих методов решения задач в такую форму, которая допускает программирование, т. е. перевод в программы, реализуемые на вычислительной машинœе. В результате развития устройств, автоматизирующих вычисления, появились современные компьютеры, и это стимулировало развитие в математике специальных приемов и методов решения задач. Так возникли дисциплины, лежащие на границе между дискретной математикой и теоретической информатикой. Это вычислительная математика и вычислительная геометрия. Слово «вычислительная» подчеркивает, что эти науки направлены на создание методов, ориентированных на реализацию в компьютерах.

C. Специально изучением информации как таковой (т. е. в виде абстрактного объекта͵ лишенного конкретного содержания), выявлением общих свойств информации, законов, управляющих ее рождением, развитием и уничтожением, занимается теория информации. К этой науке близко примыкает теория кодирования, в задачу которой входит изучение тех форм, в которые может быть «отлито» содержание любой конкретной информационной единицы (передаваемого сообщения, гранулы знаний и т. п.). В теории информации имеется раздел, специально занимающийся теоретическими вопросами передачи информации по различным каналам связи.

D. Информатика имеет дело с реальными и абстрактными объектами. Информация, циркулируя в реальном виде, овеществляется в различных физических процессах, но в информатике она выступает как некоторая абстракция. Такой переход вызывает крайне важность использования в компьютерах специальных абстрактных (формализованных) моделœей той физической среды, в которой «живет» информация в реальном мире. Другими словами, вместо реальных объектов в компьютерах нужно использовать их модели.

Переход от реальных объектов к моделям, которые можно использовать для изучения и реализации в компьютерах, требует развития особых приемов. Их изучением занимается системный анализ — наука, возникшая чуть более трех десятилетий назад. Системный анализ изучает структуру реальных объектов и дает способы их формализованного описания. Частью системного анализа является общая теория систем, изучающая самые разнообразные по характеру системы с единых позиций. Системный анализ занимает пограничное положение между теоретической информатикой и кибернетикой. Такое же пограничное положение занимают еще две дисциплины. Имитационное моделирование — одна из них. В этой науке создаются и используются специальные приемы воспроизведения процессов, протекающих в реальных объектах, в тех моделях этих объектов, которые реализуются в вычислительных машинах. Вторая наука — теория массового обслуживания изучает специальный, но весьма широкий класс моделœей передачи и переработки информации, так называемые системы массового обслуживания.

E. Последний класс дисциплин, входящих в теоретическую информатику, ориентирован на использование информации для принятия решений в самых различных ситуациях, встречающихся в окружающем нас мире. Сюда, прежде всœего, входит теория принятия решений, изучающая общие схемы, используемые людьми при выборе нужного им решения из множества альтернативных возможностей. Такой выбор часто происходит в условиях конфликта или противоборства. Модели такого типа изучаются в теории игр. Всегда хочется среди всœех возможных решений выбрать наилучшее или близкое к такому. Проблемы, возникающие при решении этой задачи, изучаются в дисциплинœе, получившей название математическое программирование (не путать с программированием для компьютеров, слово «программирование» здесь употребляется в ином смысле). При организации поведения, ведущего к нужной цели, принимать решения приходится многократно. По этой причине выбор отдельных решений должен подчиняться единому плану. Изучением способов построения таких планов и их использованием для достижения поставленных целœей занимается еще одна научная дисциплина — исследование операций.

В этой же науке изучаются и способы организации различного рода процессов, ведущих к получению нужных результатов. В случае если решения принимаются не единолично, а в коллективе, то возникает немало специфических ситуаций: образование партий, коалиций, появление соглашений и компромиссов. Эти проблемы частично изучаются в уже упомянутой теории игр, но в последнее время активно развивается новая дисциплина — теория коллективного поведения, для которой задачи коллективного принятия решений — предмет специального изучения.

Семиотика исследует знаковые системы, составляющие которых – знаки – могут иметь самую разнообразную природу, лишь бы в них можно было выделить три составляющие, связанные между собой договорными отношениями: синтаксис (или план выражения), семантику (или план значения) и прагматику (или план использования). Семиотика позволяет установить аналогии в функционировании различных систем как естественного, так и искусственного происхождения. Ее результаты используются в компьютерной лингвистике, искусственном интеллекте, психологии и других науках.

Кибернетика возникла в конце 40-х годов, когда Н. Винœер выдвинул идею, что правила управления живыми, неживыми и искусственными системами имеют много общих черт. Актуальность выводов Н. Винœера была подкреплена появлением первых компьютеров. Кибернетика сегодня может рассматриваться как направление информатики, рассматривающее создание и использование автоматизированных систем управления разной степени сложности.

Кибернетика больше всœего интересуется общими принципами управления в объектах различной природы. По этой причине ее весьма интересуют равновесные состояния в таких системах и способы их достижения. Равновесие тесно связано с идеей устойчивости, а именно устойчивость и способность сохранять длительное время свою форму, структуру и жизнедеятельность — характерное свойство не только живых, но и целœесообразных искусственных систем.

Программирование своим появлением полностью обязано ВМ. Этот термин встречается и в другом смысле, когда говорится о математическом программировании, линœейном программировании и т. п., ᴛ.ᴇ. о программировании как специальной вычислительной процедуре. Встречаются и иные случаи использования термина «программирование». К примеру, одно время весьма популярным методом обучения было программированное обучение.

В начальный период своего развития программирование не имело под собой прочной теоретической базы, но с накоплением опыта программирования нащупывались общие идеи и положения, лежащие в основе построения программ для компьютеров и в самих процедурах программирования. Это повлекло за собой постепенное создание теоретического программирования, в котором сейчас можно выделить несколько направлений.

Одно из них связано с созданием разнообразных языков программирования, предназначенных для облегчения взаимодействия человека с вычислительных машин (ВМ) и информационных систем (ИС). Кроме разработки языка, на котором пользователь записывает программы, необходимы еще специальные средства, обеспечивающие автоматический перевод записи программы на некотором языке программирования в форму, воспринимаемую устройствами компьютера. Этот перевод осуществляется специальными программными системами — трансляторами, разработка которых, как и создание языков программирования и решение еще целого ряда задач, связанных с обеспечением взаимодействия пользователя и машины, есть поле деятельности системных программистов. Системное программирование— особая отрасль, в которой трудятся профессионалы высокого уровня, создающие программный продукт, тиражируемый вместе с математическим обеспечением.

Другая область деятельности системных программистов — создание операционных систем (ОС), без которых не может функционировать никакая ВМ. Программисты такого профиля работают, как правило, на тех фирмах и в тех организациях, где производятся или разрабатываются компьютеры.

Тенденцией последних десятилетий стал переход от отдельных ВМ к объединœениям многих разнотипных машин в единую сеть сбора, обработки и передачи данных. Чтобы различные компьютеры «понимали» сообщения друг друга, нужны специальные языки, записи на которых одинаково понятны всœем абонентам сети. Такие языки называются протоколами связи. Разработкой протоколов также занимаются системные программисты.

Кроме системного выделяют проблемно-ориентированное программирование. Специалисты, работающие в этой сфере, создают пользовательские программы, нацелœенные на решение задач в той или иной области человеческой деятельности, к примеру для решения задач из области аэромеханики, банковских задач, задач медицинской диагностики и т. п. Эти же программисты создают специальные пакеты прикладных программ — удобное средство для пользователя, работающего в фиксированной проблемной области.

Следует упомянуть о создании программ для различных ИС, к примеру для банков данных.


Читайте также


  • — Основные составляющие информатики

    В информатике выделяют следующие основные направления: · Теоретическая информатика · Семиотика · Кибернетика · Программирование · Искусственный интеллект · Информационные системы · Вычислительная техника · Информатика в обществе · Информатика в природе . .. [читать подробенее]


  • Информатика и ИКТ — Информатика как наука

    Информатика как наука.

    Формирование информатики как науки происходило в XX веке, что было связано с развитием вычислительной техники.

    Само понятие информатики возникло где-то в 60-х гг. во Франции. Так решили назвать область знаний, изучающую применение электронных вычислительных машин для автоматизации обработки информации. Слово информатика образовано путем слияния французских слов информация и автоматика. В англоязычных странах вместо «информатики» часто используют термин «computer science» (компьютерная наука).

    Отсюда следует, что появление информатики неразрывно связано с существованием компьютерной техники. Хотя вычислительные машины существовали и до 70-80-х годов, их относительно массовое распространение пришлось именно на эти годы. Именно в это время заговорили и об информатике как о научной дисциплине.

    Изначально компьютер был инструментом для автоматизации трудоемких вычислений. Однако постепенно эволюционировал в инструмент для работы фактически с любой информацией, а не только числовой. Получая исходную информацию в виде чисел, таблиц, изображений, текстов программное обеспечение вычислительных машин способно преобразовывать ее в другую информацию, а также сохранять и передавать в той или иной форме.

    Наука информатика стала заниматься разработкой информационных моделей объектов реального мира, для которых вообще можно создать информационную модель. Т.к. материальный мир весьма разнообразен, то и объекты изучения информатики также очень разнообразны. В связи с этим информатика – очень разнородная наука, что затрудняет ее однозначное определение.

    В свое время Е.П. Ершов определил информатику так:

    Информатикаэто находящаяся в процессе становления наука, изучающая законы и методы накопления, передачи и обработки информации с помощью ЭВМ, а также область человеческой деятельности, связанная с применением ЭВМ.

    Можно предположить, что теоретическая информатика – это наука, возможно до сих пор, находящаяся в становлении и развитии.

    Информатика тесно связана с математикой, т.к. опирается на ее достижения. Это объясняется тем, что объекты естественных и технических наук, а также социальные явления можно описать с помощью понятий математики – функций, систем уравнений, неравенств и др. При этом предмет изучения информатики – информация – общенаучное и социальное понятие.

    В настоящее время активно протекают процессы, связанные с переводом информации, накопленной цивилизацией, в электронный вид. Можно ожидать, что многие вещи, к которым мы привыкли в реальном мире, в скором времени обретут электронную форму существования.

    История развития информатики.

    Информатика как наука стала развиваться с середины прошлого столетия, что связано с появлением ЭВМ и начавшейся компьютерной революцией. Появление вычислительных машин в 1950-е гг. создало для информатики необходимую аппаратную поддержку, т.е. благоприятную среду для ее развития как науки. Всю историю информатики принято подразделять на два больших этапа: предысторию и историю.

    Предыстория информатики такая же древняя, как и история развития человеческого общества. В предыстории также выделяют (весьма приближенно) ряд этапов. Каждый из них характеризуется резким возрастанием, по сравнению с предыдущим этапом, возможностей хранения, передачи и обработки информации.

    Начальный этап предыстории информатики – освоение человеком развитой устной речи. Членораздельная речь, язык стали специфическим социальным средством хранения и передачи информации.

    Второй этап – возникновение письменности. На этом этапе резко возросли возможности хранения информации. Человек получил искусственную внешнюю память. Организация почтовых служб позволила использовать письменность и как средство передачи информации. Кроме того, возникновение письменности было необходимым условием для начала развития наук (вспомним, например, Древнюю Грецию). С этим же этапом, по всей видимости, связано и возникновение понятия «натуральное число». Все народы, обладавшие письменностью, владели понятием числа и пользовались той или иной системой счисления.

    Третий этап – книгопечатание. Его можно смело назвать первой информационной технологией. Воспроизведение информации было поставлено на поток, на промышленную основу. По сравнению с предыдущим на этом этапе не столько увеличивалась возможность хранения информации (хотя и здесь был выигрыш: письменный источник – это часто один-единственный экземпляр, печатная книга – это целый тираж экземпляров, а следовательно, и малая вероятность потери информации при хранении), сколько повысилась доступность информации и точность ее воспроизведения.

    Четвертый (последний) этап предыстории информатики связан с успехами точных наук (прежде всего математики и физики) и начинающейся научно-технической революцией. Этот этап характеризуется возникновением таких мощных средств связи, как радио, телефон и телеграф, а позднее и телевидение. Появились новые возможности получения и хранения информации – фотография и кино. К ним очень важно добавить разработку методов записи информации на магнитные носители (магнитные ленты, диски).

    С разработкой первых ЭВМ принято связывать возникновение информатики как науки, начало ее истории. Для такой привязки имеется несколько причин. Во-первых, сам термин «информатика» появился благодаря развитию вычислительной техники, и поначалу под ним понималась наука о вычислениях (первые ЭВМ большей частью использовались для проведения числовых расчетов). Во-вторых, выделению информатики в отдельную науку способствовало такое важное свойство современной вычислительной техники, как единая форма представления обрабатываемой и хранимой информации. Вся информация, вне зависимости от ее вида, хранится и обрабатывается на ЭВМ в двоичной форме. Так получилось, что компьютер в одной системе объединил хранение и обработку числовой, текстовой (символьной) и аудиовизуальной (звук, изображение) информации. В этом состояла инициирующая роль вычислительной техники при возникновении и оформлении новой науки.

    На сегодняшний день информатика представляет собой комплексную научно-техническую дисциплину. Под этим названием объединен довольно обширный комплекс наук, таких, как кибернетика, системотехника, программирование, моделирование и др. Каждая из них занимается изучением одного из аспектов понятия информатики. Учеными прилагаются интенсивные усилия по сближению наук, составляющих информатику. Однако процесс их сближения идет довольно медленно, и создание единой и всеохватывающей науки об информации представляется делом будущего.

    Кибернетика и управление.

    Основы кибернетики были заложены трудами по математической логике американского математика Норберта Винера, опубликованными в 1948 г.

    Кибернетика – это наука об общих принципах управления в различных системах: технических, биологических, социальных и др. Управление является центральным понятием кибернетики, и оно пронизывает все сферы деятельности человека и общества.

    Часто возникает путаница в понятиях «информатика» и «кибернетика». Существует спорное мнение, что информатика является одним из направлений кибернетики.

    Информатика появилась благодаря развитию компьютерной техники, базируется на ней и без нее немыслима. Кибернетика же развивается сама по себе, строя различные модели управления объектами, хотя и очень активно использует все достижения компьютерной техники.

    Основная концепция, заложенная Н. Винером в кибернетику, связана с разработкой теории управления сложными динамическими системами в разных областях человеческой деятельности. Кибернетика существует независимо от наличия или отсутствия компьютеров.

    Информатика занимается изучением процессов преобразования и создания новой информации более широко. Поэтому может сложиться впечатление об информатике как о более емкой дисциплине, чем кибернетика. Однако, с другой стороны, информатика не занимается решением проблем, не связанных с использованием компьютерной техники.

    Можно сказать, что кибернетика и информатика различаются в расстановке акцентов. Если в информатике важны свойства информации и аппаратно-программные средствах ее обработки, то в кибернетике – это разработка концепций и построение моделей управления. Информатика и кибернетика – разные науки, сферы деятельности которых, однако, сильно пересекаются.

    Управление – это целенаправленная организация того или иного процесса, протекающего в системе.

    Процесс управления – это информационный процесс, который включает в себя сбор информации, ее переработку и анализ, принятие решений, выработку управляющих воздействий и их доведение до объектов управления.

    Каждая фаза процесса управления протекает во взаимодействии с окружающей средой при воздействии разного рода помех.

    Через объект управления проходят в основном материальные потоки и в значительно меньшей степени – информационные; в то же самое время через управляющий орган проходят только информационные потоки. Именно поэтому процесс управления является информационным процессом, а все люди, занятые в сфере управления, имеют дело только с информацией.

    Из чего состоит информатика.

    Информатика – это очень обширная наука. Она включает в себя различные научные направления, разработку технологий, изучение техники и производства. Единственное, что привязывает все эти различные области окружающего мира к информатике – это обработка любой информации с помощью вычислительной техники.

    При изучении предмета «информатика» обычно выделяют такие части науки как аппаратное обеспечение (hardware), программное обеспечение (software) и алгоритмы (brainware).

    С другой стороны, у информатики, помимо теоретического, есть и практическое значение. Информатика – это не только наука, но и сфера деятельности людей, прикладная дисциплина, имеющая широкое практическое применение. Например, существуют организации, занимающиеся производством компьютерной техники и программного обеспечения.

    Особую роль информатике придает ее влияние на все отрасли производства. Развитие информатики и внедрение ее достижений позволяет увеличивать производительность труда.

    Увеличение влияния информатики на все сферы жизни человека также связано с тем, что мы живем в информационном обществе и с каждым годом «потребляем» все больше информации.

    Если смотреть на информатику как теоретическую науку, то можно увидеть, что она занимается

    • разработкой методов, обеспечивающих процесс управления данными с использованием вычислительных машин;
    • исследованием понятия «информационные системы», их роли, структуры, функционирования, закономерностей.

    Теоретическая информатика выявляет и исследует общее во всех информационных системах.

    Прикладная информатика, в частности, занимается тем, что разрабатывает конкретные информационные системы для различных областей деятельности.

    Так или иначе, информатика разрабатывает методы и средства по обработке различной информации. Отсюда вытекают ее задачи:

    • изучение всех известных информационных процессов;
    • создание техники и технологий для обработки информации;
    • эффективное внедрение вычислительных машин в подавляющее большинство сфер человеческого общества.

    Итак, информатика – это комплексная научно-техническая наука, которая создает новые оборудование и технологии для решения информационных и управленческих задач в других областях. От информатики зависит прогресс во всех сферах общества.

    Понятие об информационном обществе.

    Информация настолько важна, что в историческом развитии общества выделяют так называемые информационные революции, при наступлении которых человечество поднималось на новый уровень, обретало новые свойства. Так, например, первая информационная революция ознаменовалась появлением письменности, вторая – книгопечатания, третья дала человечеству электричество, а четвертая – компьютер. После каждого такого нововведения информационные обмены в обществе, так или иначе, менялись.

    Появление вычислительной техники позволило обрабатывать информацию намного эффективнее и быстрее. Появление глобальной сети Интернет невероятно ускорило информационный обмен.

    Начали появляться специальные технические средства по обработке информации, разрабатываться методы и технологии по организации знаний и даже их появлению.

    Особую роль стали играть телекоммуникации и средства связи. Компьютерные сети стали обычным способом распространения информации.

    Все вышеперечисленное не может не сказаться на человеческом обществе. Знания стали ценностью, потребность в которых все время растет. Поэтому появляются новые способы их получения.

    Сегодняшнее общество – это информационное общество, в котором можно выделить ряд особенностей, самая главная из которых – это использование информации почти во всех сферах жизни. Так же следует отметить постоянное увеличение автоматизации производства.

    Считается, что информационное общество – это изменение не только в производстве, но и в мировоззрении людей. Увеличивается роль умственного труда, люди начинают больше потреблять информации, чем материальных ресурсов. Важным свойством человека становится способность к творчеству. Развитие информационного общества приведет к тому, что большинство населения будет занято получением, хранением и обработкой информации. Материальное производство будет возложено на машины.

    В информационном обществе существует ряд опасностей. Например, информационный стресс, обусловленной информационной лавиной. Не каждый человек способен грамотно ориентироваться в обилии информации, отсекать информационный мусор и выявлять знания как высшую форму информации. Как результат на сознание человека возрастет влияние средств массовой информации. С развитием различного рода электронных устройств появляется угроза неприкосновенности частной жизни.

    Информационное общество предрасполагает к появлению единой цивилизации, поэтому каждый человек должен иметь возможность доступа к информационным ресурсам.

    Информационное общество характеризуется следующими основными признаками:

    • Большинство работающих в информационном обществе заняты в информационной сфере, т.е. в сфере производства информации и информационных услуг.
    • Обеспечены техническая, технологическая и правовая возможности доступа любому члену общества практически в любой точке территории к нужной ему информации.
    • Информация становится важнейшим стратегическим ресурсом общества и занимает ключевое место в экономике, образовании и культуре.

    Если предшествующие этапы развития человечества длились каждый около трех веков, то ученые прогнозируют, что информационный этап продлится значительно меньше. Срок его существования ограничится, вероятно, сотней лет. Это означает, что большинство регионов мира войдут в развитое информационное общество в XXI в. и тогда же начнется переход к постинформационному обществу.

    Таким образом, информационное общество – это общество, структуры, техническая база и человеческий потенциал которого приспособлены для оптимального превращения знаний в информационный ресурс и переработки последнего с целью перевода его пассивных форм (книги, статьи и т. п.) в активные (модели, алгоритмы, программы, проекты). Но особое значение для активизации информационного потенциала общества имеет создание современных баз знаний. Это достигается за счет качественного преобразования традиционных баз данных (БД), рожденных ранними поколениями ЭВМ в базы знаний (БЗ).

    Понятие информатизации. Роль информатизации в развитии общества.

    Чем человек или группа людей легче и эффективней оперируют информацией, тем успешней развивается их деятельность. Это современная тенденция. Поэтому большинство видов деятельности должны начинаться со сбора и анализа информации, нахождению оптимальных решений планируемых задач, формированию творческого подхода.

    Ситуация осложняется тем, что где-то во второй половине XX века цивилизация начала испытывать информационный бум, количество информации резко возросло, ориентироваться в ней человеку стало достаточно трудно.

    Возрос документооборот, количество печатных изданий, стали доступны данные из разных сфер человеческой деятельности. В результате умственная нагрузка на человека возросла. Кроме того, появились большие объемы информационного мусора, увеличивающие эту нагрузку. Начали вырисовываться такие проблемы как сокрытие информации, с одной стороны, и ее беспрепятственное распространение, с другой.

    Возникла проблема, когда люди не могут в полной мере воспользоваться накопленным огромным количеством данных из-за своих ограниченных возможностей. Такая ситуация приводит к информационному кризису, и перед человечеством появляется задача выхода из него.
    Несмотря на то, что компьютеры и вычислительные сети сами в большой степени поспособствовали информационному кризису, они легли в основу так называемой информатизации общества. Информатизация общества – это процесс, затрагивающий все сферы общества (социальную, экономическую, техническую и научную) и направленный на создание лучших условий для удовлетворения информационных потребностей всех видов организации и людей.

    Информатизация была отмечена в первую очередь в странах Запада и США, а также в Японии (60-80-е годы XX века). Производству требовалось информационно обслуживание, направленное на обработку большого количества информации.

    Информатизация стала возможной благодаря появлению компьютеров, которые представляют собой универсальное средство для работы с информацией и обеспечивают широкие возможности для коммуникации. Социальный прогресс на сегодняшний день не возможен без информатизации, а, следовательно, и без компьютеров. Поэтому часто говорят о компьютеризации общества, где особое место уделяют развитию и внедрению вычислительных машин. Однако информатизация общества – это не то же самое, что компьютеризация общества. При информатизации на первый план выходит комплекс мероприятий, целью которых является использование знания и данных во всех сферах цивилизации. Поэтому информатизация – это более широкое понятие, чем компьютеризация. Информатизация – это как бы надстроечный процесс, происходящий на базе компьютеризации, процесс формирования новой, автоматизированной среды зарождения знаний, их переработки, распространения и превращения в силу, в материальный фактор.

    Появление компьютеров и сетей оказало влияние на производительность труда. Поэтому во многих странах мира уделяется особое внимание процессу информатизации, т.к. ее игнорирование может привести к потере рынков труда и сбыта, резкому снижению конкурентоспособности страны.

    На государственном уровне могут приниматься такие решения как увеличение инвестиций в исследования, улучшение образования, повышение качества труда и т.п.
    Особое внимание информационным технологиям уделяют еще и потому, что они лежат в основе развития всех других отраслей.

    Развитие информатизации может потребовать от государства отказа от стремления во чтобы то ни стало обеспечить экономический рост страны, активное внедрение наукоемких технологий, развитие новых форм инфраструктуры, использование научных достижений, затрат значительных средств на информатизацию.

    Говоря о сегодняшнем дне, отмечают переход общества от индустриального к информационному типу, где главными ценностями становятся знания, а не материальные ресурсы.

    При этом следует помнить, что бездумная и слишком активная информатизация общества может привести к социальному регрессу, подорвав устоявшиеся веками коммуникационные связи. Поэтому следует уделять внимание и информационной культуре, т.е. умению работать с информацией и техникой, осуществляющей ее обработку.

    Альтернативы информатизации нет. Это объективный этап социального прогресса во всех областях, прежде всего в экономике, управлении, науке и технологии.

    К первоочередным проблемам информатизации следует отнести психологическую проблему готовности населения к переходу в информационное общество. Этот переход в настоящее время затрудняется низким уровнем информационной культуры населения, недостаточной компьютерной грамотностью, а отсюда и низкими информационными потребностями и отсутствием желания их развивать. Наблюдается невосприимчивость экономики к достижениям в инфосфере.

    Информатика как наука: развитие и перспективы реферат по информатике

    ГОУ ВПО «Курский Государственный Медицинский Университет» Кафедра Информатики и вычислительной техники Реферат по информатике на тему «Информатика как наука: развитие и перспективы» Выполнил: студент 1-го курса Ларин Сергей Проверил: Артеменко Виктор Сергеевич Курск, 2009 Введение Прогресс невозможен без систематизации, накопления, передачи и сохранения знаний. Наши предки на каменных поверхностях пещер, на глиняных дощечках, на пергаменте и папирусе, пытались передать и сохранить свои знания для потомков. Заметим, что осуществлять строительство, проводить научные исследования, заниматься торговлей и т.д. очень трудно на основе лишь собственного ума и жизненного опыта. По мере накопления человечеством знаний стали актуальными вопросы сохранения, тщательного отбора и систематизации имеющейся информации. Так постепенно человечество пришло к науке, называемой информатикой. 0 3 0 1Информатика (ср. нем. Informatik, фр. Informatique, англ. computer science — компьютерная наука — в США, англ. computing science — вычислительная наука — в Великобритании) — наука о способах получения, накоплении, хранении, преобразовании, передаче и использовании информации. Она включает дисциплины, так или иначе относящиеся к обработке информации в вычислительных машинах и вычислительных сетях: как абстрактные, вроде анализа алгоритмов, так и довольно конкретные, например, разработка языков программирования. Было бы уместным привести слова известного нидерландского ученого Эдсгер Дейкстра: «Информатика не более наука о компьютерах, чем астрономия — наука о телескопах». И действительно – эта сравнительно молодая наука, поистине велика по своим масштабам развития – всего за полвека она приобрела статус практически мировой науки, без которой сейчас не сможет работать ни одно предприятие, да что уж там – ни одна экономика любой страны не сможет существовать без этой науки. Сегодня информатика стала также и мировой индустрией. Кризис, затронувший все сферы жизни никак не смог повлиять на сферу информационных технологий. Самые богатые люди мира по версии журнала «Forbes» задействованы в сфере информационных технологий. Попробуем разобраться в истории этой науки, её структуре, а так же в перспективах её развития. 1. Появление и развитие информатики 1.1 Этап иероглифической символики Изначально носителем информации была речь. Развитие речи, языка — объективный процесс в развитии общества. Как отмечал Ф. Энгельс, “развивающиеся люди развились до того, что им стало необходимо что-то сказать друг другу”. Труд сыграл свою роль в развитии человека. Речь (как отражение мыслительных процессов) повлияла на развитие человека не в меньшей степени. Язык обладает в среднем 20% избыточностью, т.е. любое сообщение можно было бы без потери информации сократить на 1/5, однако при этом резко уменьшается помехоустойчивость и воспринимаемость информации. К самым ранним знаковым системам относятся: приметы, гадания, знаменья, язык, изобразительное искусство, музыка, графика, пластика, танец, пантомима, архитектурные сооружения, костюм, народные ремесла, обряды. Первые примеры информационной символики были предоставлены в каменном веке в виде пиктографического письма (рисунков) на камне. В бронзовом веке появились изображения повторяющихся систем понятий – идеограмм, которые с конца IV века до н.э. превратились в рисуночное иероглифическое письмо. В то же время, благодаря развитию производства и торговли совершенствуется числовая символика, которая вначале возникла в виде счета из двух цифр 1 и 2. Все остальные количества обозначались понятием “много”. Дальнейшее развитие счета произошло, благодаря нашим физиологическим особенностям наших рук — пальцам (счёт с 5 до 10). Клинописная запись счета появилась в Вавилоне в III тыс. до н.э. Далее появились различные способы записи счета, например, вавилонская, критская, арабская, латинская и др. Вавилонская система счета позволяет вести запись чисел в пределах 1 млн. и выполнять действия с простыми дробными числами. В 5-4 в. до н.э. на острове Крит применяется удобная для техническая графика получила в эпоху Возрождения в связи с конструированием сложных машин и механизмов, например, военного характера и возведением крупных городов. Значительно позже развиваются элементы виртуализации связей и отношений в картинах многих известных художников (Дюрер, Эшер и др.). В эпоху Возрождения также предпринимаются попытки не только визуализации, на и аудирования, искусственного создания звуков (озвучивания информации). Появились модели говорящих машин. Например, в 1770 г. в Петербургской Академии наук сотрудник Санкт-Петербургского университета Краценштейн смоделировал акустические резонаторы, имитирующие голос человека. Затем, позже, Вольфганг фон Кемпелен разработал, а Уитстон построил «говорящие меха», создававшие воздушный поток для возбуждения вибрирующих язычков, игравших роль голосовых связок. В 1876 г. Александр Грейам Белл получил американский патент на устройство, названное телефоном. Бумажный этап развития информатики можно отсчитывать, видимо, с X в., когда бумага стала производиться на предприятиях в странах Европы. Эпоха Возрождения сыграла исключительную роль в развитии не только литературы и искусства, но и информатики, особенно, её гуманитарных основ и приложений. С расширением торговли и ремесел появились городские почты: с XV в. – частная почта, с XVI в. – королевская почта. Благодаря этим стабильным коммуникациям информационная деятельность начинает расширяться, появляются первые университеты (Италия, Франция), которые начинают играть роль центров хранения и передачи информации, центров культуры и знания. Классическое университетское образование базируется на фундаментальности, универсальности, гармонизации образования, методов и средств актуализации информации. 1.4 Этап книгопечатания Книгопечатание было изобретено в Германии в XV в. как массовая деятельность и стало началом нового научного этапа в естествознании (станок Гуттенберга, 1440-1450). Главным качественным достижением того времени стало возникновение систем научно-технической терминологии в основных отраслях знаний, появились журналы, газеты, энциклопедии, географические карты. Происходило массовое тиражирование по пространству информации на материальных носителях, что приводило к росту профессиональных знаний и развитию информационных технологий. “Книгопечатание явилось могучим орудием, которое охраняло мысль личности, увеличило ее силу в сотни раз” (В.И. Вернадский). 1.5 Этап технической (индустриальной) революции 19 в. Книгопечатание развивало науки, способствовало систематизации и формализации знаний по отраслям. Эти знания можно было теперь быстро тиражировать (налицо появление ещё одного важного свойства информации). Знания стали доступны многим, в том числе и территориально удаленным друг от друга, а также удаленным по времени участникам трудового процесса (усиливаются пространственно-временные свойства информации). Появляются признаки параллелизма в передаче и актуализации информации, знаний. Начала раскручиваться спираль технической цивилизации: текущее знание – текущее общественное производство – новое знание – новое общественное производство. Печатный станок резко повысил пропускную способность социального канала обмена знаниями. Новый этап в развитии информатики, связанный с технической революцией 19 в., ассоциируется с началом создания регулярной почтовой связи, как формы стабильных международных коммуникаций. Затем возникли фотография (1839 г.), телеграф (1832 г.), телефон (1876 г.), радио (1895 г.), кинематограф (1905 г.), беспроволочная передача изображения (1911 г.), промышленное телевидение (1920 г.), цифровые фотография и телевидение, сотовая связь, IP-телефония (конец XX-го века). большим трудом. Численность людей в информационной сфере к началу 80- х годов в большинстве развитых стран составляло около 60% от общего числа занятых в производстве и продолжало расти, т.е. ЭВМ применялась там, где существовала формальная постановка задач, алгоритм. Кроме этого, ЭВМ использовалась для хранения и обработки больших наборов данных по стандартным процедурам. В то же время, область профессионально- человеческой деятельности, которая поддается пока формализации, алгоритмизации, а, следовательно, — и автоматизации с помощью ЭВМ, составляет только небольшую часть формализованных знаний, большая часть айсберга знаний пока плохо формализована и плохо структурирована. Общую структуру накопленных человечеством профессиональных знаний можно представить в виде пирамиды. Пирамида – это универсальная и замечательная структура — инвариант многих развивающихся процессов (возможно, этим объясняется тяга к построении пирамид в древности). В основании этой пирамиды лежит слой знаний, в данный момент практически недосягаемый, в частности, неотделимый от их авторов (существующий, например, на уровне подсознания) и не формализуемый. Следующий слой – это простые (“ремесленнические”) знания, которые могут быть переданы по принципу “делай как я”. Выше расположены знания, доступные для объяснения, но не всегда формально описываемые. Затем идут формально описываемые знания. Самый верхний, относительно меньший по объёму слой составляют аксиоматически построенные теории. 1.8 Этап автоформализации знаний Этот этап тесно связан с развитием когнитологии, персональных компьютеров и вычислений, делающих возможным формальное описание (а, следовательно, актуализацию, передачу, хранение, сжатие) исследователями накопленного знания, опыта, профессиональных умений и навыков. Развиваются когнитивные методы и средства, позволяющие строить решения проблем “по ходу решения, на лету”, особенно эффективно в тех случаях, когда исследователю неизвестен путь решения. Развиваются методы виртуализации и визуализации. Этот этап очень важен для информатики, ибо он стал позволять решать межпредметные задачи, как правило, плохо структурируемые и формализуемые, а также позволил использовать типовые инструментальные системы. Используется когнитивная графика – графика, порождающая новые решения, а также “виртуальный мир” – искусственное трехмерное пространство (одну из осей координат можно условно считать “пространственной”, другую — “временной”, третью — “информационной”) и визуальные среды (например, Visual-среды). 2. Структура 2.1 Теоретическая информатика Теоретическая информатика – это научная область, предметом изучения которой являются информация и информационные процессы; в которой осуществляется изобретение и создание новых средств работы с информацией. Как любая фундаментальная наука, теоретическая информатика (в тесном взаимодействии с философией и кибернетикой) занимается созданием системы понятий, выявлением общих закономерностей, позволяющих описывать информацию и информационные процессы, протекающие в различных сферах (в природе, обществе, человеческом организме, технических системах). 2.2 Математическая логика Математическая логика (теоретическая логика, символическая логика) — раздел математики, изучающий доказательства и вопросы оснований математики. «Предмет современной математической логики разнообразен.» Согласно определению П. С. Порецкого, «математическая логика есть логика по предмету, математика по методу». Согласно определению Н. И. Кондакова, «математическая логика — вторая, после традиционной логики, ступень в развитии формальной логики, применяющая математические методы и специальный аппарат символов и исследующая мышление с помощью исчислений (формализованных языков).» Это определение соответствует определению С. К. Клини: математическая логика — это «логика, развиваемая с помощью математических методов». Так же А. А. Марков 0 3 0 1 0 3 0 1 0 3 0 1Биоинформатика или вычислительная биология — одна из дисциплин биологии, развивающая использование компьютеров для решения биологических задач. Под биоинформатикой понимают любое использование компьютеров для обработки биологической информации. На практике, иногда это определение более узкое, под ним понимают использование компьютеров для обработки экспериментальных данных по структуре биологических макромолекул (белков и нуклеиновых кислот) с целью получения биологически значимой информации. Термины биоинформатика и вычислительная биология часто употребляются как синонимы, хотя последний чаще указывает на разработку алгоритмов и конкретные вычислительные методы. Считается, что не всякое использование вычислительных методов в биологии является биоинформатикой, например, математическое моделирование биологических процессов — это не биоинформатика. 0 3 0 12.7 Программирование 0 3 0 1Программирование — процесс и искусство создания компьютерных программ и/или программного обеспечения с помощью языков программирования. Программирование сочетает в себе элементы искусства, фундаментальных наук (прежде всего информатика и математика), инженерии, спорта и ремесла. В узком смысле слова, программирование рассматривается как кодирование алгоритмов на заданном языке программирования. Под программированием также может пониматься разработка логической схемы для ПЛИС, а также процесс записи информации в ПЗУ. В более широком смысле программирование — процесс создания программ, то есть разработка программного обеспечения. 3. Кибернетика и информатика Современная кибернетика началась в 1940-х годах как междисциплинарные исследования, соединяющее области систем управления, теории электрических цепей, машиностроения, логического моделирования, эволюционной биологии, неврологии. Системы электронного управления берут начало с работы инженера Bell Telephone Laboratories Harold S. Black в 1927 году по использованию отрицательной обратной связи, для управления усилителями. Идеи также имеют отношения к биологической работе Ludwig von Bertalanffy в общей Теории Систем. Ранние применения отрицательной обратной связи в электронных схемах включали контроль артиллерийских установок и радарной антенны во время Второй Мировой Войны. Jay Forrester, аспирант в Лаборатории Сервомеханизмов в Массачусетском технологическом институте, работавший во время Второй Мировой Войны с Gordon S. Brown, над совершенствованием систем электронного управления для американского Флота, позже применил эти идеи к общественным организациям, таким как корпорации и города как первоначальный организатор Школы Индустриального Управления Массачусетского технологического института в MIT Sloan School of Management. Forrester известен как основатель Системной Динамики. W. Edwards Deming, гуру комплексного управления качеством, для которого Япония назначила свою главный послевоенный индустриальный приз, был молодым специалистом в Bell Telephone Laboratories в 1927 и, возможно, был под влиянием сетевой теории (по-русски — Сетевой анализ). Deming сделал «Понимающие Системы» одним из четырёх столпов того, что он описал как «Глубокое Знание» в его книге «Новая Экономика». Многочисленные работы возглавляли соединение в этой области. В 1935 российский физиолог Анохин Пётр Кузьмич издал книгу, в которой организаций, которые человечество обнаруживает в природе — организации, которые он самостоятельно не изобрёл. Возможность того что эта новая кибернетика могла также составлять социальные формы организации, оставалась объектом дебатов среди теоретиков на самоорганизации в 1980- ых. В политологии Проект Cybersyn попытался ввести кибернетически административно-командную экономику в течение начала 1970-ых. В 1980- ых, в отличие от её предшественника, новая кибернетика интересуется взаимодействием автономных политических фигур и подгрупп, и практического и рефлексивного сознания предметов, создающих и воспроизводящих структуру политического сообщества. Основное мнение — рассмотрение рекурсивности, или само-зависимости политических выступлений, как в отношении выражения политического сознания, так и путями, в которых системы создаются на основе себя. Geyer и van der Zouwen в 1978 обсуждали много особенностей появляющейся «новой кибернетики». Одна особенность новой кибернетики — то, что она рассматривает информацию как построенную и восстановленную человеком, взаимодействующим с окружающей средой. Это обеспечивает эпистемологическое основание науки, рассматривая это как зависимое от наблюдателя. Другая особенность новой кибернетики — свой вклад к соединению «микромакро-промежутка». Таким образом, это связывает человека с обществом. Geyer и van der Zouwen также отметили, что переход от классической кибернетики к новой кибернетике приводит к переходу от классических проблем к новым проблемам. Эти изменения в размышлении включают, среди других, изменения от акцента на управляемой системе, к управляющей, и фактору, который направляет управляющие решения. И новый акцент на коммуникации между несколькими системами, которые пытаются управлять друг другом. Недавние усилия в истинном направлении кибернетики, системы контроля и поведения на стадии становления, в таких смежных областях, как теория игр (анализ группового взаимодействия), и Metamaterials (исследование материалов со свойствами вне ньютоновых свойств их составляющих атомов), системы обратной связи в эволюции, и метаматериал (изучение материалов со свойствами за Ньютоновскими свойства их составных атомов), привели к возрождению интереса в этой всё более актуальной области. Объектом кибернетики являются все управляемые системы. Системы, не поддающиеся управлению, в принципе, не являются объектами изучения кибернетики. Кибернетика вводит такие понятия, как кибернетический подход, кибернетическая система. Кибернетические системы рассматриваются абстрактно, вне зависимости от их материальной природы. Примеры кибернетических систем — автоматические регуляторы в технике, ЭВМ, человеческий мозг, биологические популяции, человеческое общество. Каждая такая система представляет собой множество взаимосвязанных объектов (элементов системы), способных воспринимать, запоминать и перерабатывать информацию, а также обмениваться ею. Кибернетика разрабатывает общие принципы создания систем управления и систем для автоматизации умственного труда. Основные технические средства для решения задач кибернетики — ЭВМ. Поэтому возникновение кибернетики как самостоятельной науки (Н. Винер, 1948) связано с созданием в 40-х гг. 20 в. этих машин, а развитие кибернетики в теоретических и практических аспектах — с прогрессом электронной вычислительной техники. Кибернетика является междисциплинарной наукой. Она возникла на стыке математики, логики, семиотики, физиологии, биологии, социологии. Ей присущ анализ и выявление общих принципов и подходов в процессе научного познания.

    ИМСС УрО РАН — Что изучает дисциплина информатика. Понятие архитектуры систем. Примеры архитектур.

    Информация о материале
    Категория: Лекции
    Опубликовано: 21 апреля 2016
    Просмотров: 2908

    1. Введение

    2. Что изучает дисциплина информатика

    3. Понятие архитектуры систем

    4. Примеры архитектур

    Литература


    1. Введение

    Целью изучаемой нами дисциплины является рассмотрение внутренностей информационно-вычислительных систем и сетей для последующего осмысленного их использования в дальнейшей профессиональной деятельности. Причем надо понимать, что изучить в нашем курсе все о системах и сетях невозможно. Поэтому задача преподавателя — донести в лекционных материалах самые существенные, основополагающие, то есть фундаментальные качества и черты изучаемых в курсе систем. И ориентироваться преподавателю и студенту надо не на принцип образование на всю жизнь, а на принцип образование через всю жизнь. Следствием этого принципа является постоянная работа с литературными источниками и приобретение профессионального опыта в конкретной области. Как правило, преподаватель имеет перечень приоритетных направлений исследований и актуальных практических задач, которые могут и должны использоваться для углубленной проработки интересующих студентов тем.

    Накопленный мною опыт работы в области, которая сейчас называется информатика, подтверждает важность выделения и последующего осмысления в ней самых существенных, фундаментальных, устойчивых и долгоживущих знаний. Другими словами, только получив представление об изучаемых объектах, проблемах их проектирования и создания, тенденциях развития возможен правильный последующий выбор траектории обучения. Дилемма преподавания заключается в подборе для изучения такого состава изучаемого материала, который с одной стороны должен учитывать образовательный стандарт специальности (стандарт пересматривается каждые пять лет и это чрезвычайно редко для такой динамически развивающейся области знаний, как информатика), а с другой стороны быть актуальным для текущего времени в регионе. Поэтому-то и формируются разные учебные модули, которые удовлетворяют требованиям стандарта специальности, но при этом имеют разный рейтинг актуальности, сказывающийся в конечном итоге на рейтинге кафедры и учебного заведения в целом.

    Выделенные в предыдущем тексте курсивом выражения имеют философский смысл. Поясним смысловую нагрузку слова информатика и некоторые подходы к изучению нашей дисциплины.

     

     

    2. Что изучает дисциплина информатика

    Вся история развития человеческой деятельности неразрывно связана с развитием средств отбора, накопления и передачи информации. Так еще в 4000 — 1300 до н. э. представители первой известной шумерской цивилизации записывают информацию на покрытых глиной дощечках, а в 3000 до н. э. в Вавилоне были изобретены счеты. Известно также, что наука как осознанное исследование закономерностей явлений природы и общества возникла у древних греков. Человек уже в ту пору в полной мере осознал, как чрезвычайно трудно осуществлять строительство, проводить научные изыскания, вести коммерческие и торговые дела, прибегая к помощи одного лишь ума, который к тому же был крайне ненадежным «информационным банком». Смерть обрывала нити жизни, а вместе с нею в бездне Аида оказывались и многие ценнейшие открытия, утрачивались секреты древних мастеров. Книга — это первый и, может быть, самый главный этап информационной революции. Изобретение пишущей машинки, телефона, телеграфа, радио, диктофона, телевидения, компьютера, современных средств наземной и космической связи — таковы этапы и пути становления и триумфа информационной эры. Создается впечатление, что утверждение Н. Винера «действительно жить — это значит жить, располагая правильной информацией» не потеряло своей актуальности.

    Что же сегодня представляет собой информатика? Информатика — это «комплекс проблем и научных направлений, связанных с методами, средствами и процессами описания, получения, передачи и обработки информации в различных областях человеческой деятельности». В литературе на английском языке синонимом термина информатика является, по-видимому computer sciences — компьютерные науки. Следует понимать также, что информатика как область знания включает в себя или взаимодействует с такими научными направлениями, как вычислительная техника, вычислительная математика, математическая логика, теория массового обслуживания, теория связи, микроэлектроника, точная механика, лингвистика, исследование операций, искусственный интеллект, распознавание образов и рядом других.

    К настоящему времени мировым сообществом: осознан высоко развивающий потенциал информатики и ей придан статус фундаментальной дисциплины; определена структура предметной области информатики и разработана концепция преподавания информатики, охватывающей все уровни образования. Применительно к системе образования в России подготовка по информатике подразделяется на базовую и специальную. Цель базовой подготовки — дать обучаемым знания по основам информатики, необходимые в дальнейшем для получения специальной подготовки в конкретных предметных областях деятельности. Центр тяжести базовой подготовки в структуре системы образования России (основные этапы -дошкольное, начальная и средняя школа, высшая школа, аспирантура, докторантура) имеет естественную тенденцию по мере систематизации знаний по информатики к смещению с более высоких уровней на низшие.

    Как в большинстве наук, в информатике можно условно выделить два важнейших направления: теоретическую информатику и прикладную информатику. В соответствии с современной концепцией структуры предметной области информатики теоретическая информатика, являясь математической дисциплиной, широко использует методы математического моделирования для обработки, передачи и использования информации, создавая тем самым фундамент, на котором покоится все здание информатики. Прикладная информатика — это огромнейший набор средств информатики, включающий в себя информационно-вычислительную технику, сети и комплексы ЭВМ, технические средства связи и компьютерные телекоммуникационные системы, аудио- и видео- системы, системы мультимедиа, программные средства, вычислительные и информационные среды. К прикладной информатике принято относить и информационные технологии обучения, проектирования, управления объектами, процессами, системами.

    Примером нового подхода к исследованиям в области информатики может служить перечень приоритетных направлений фундаментальных исследований РАН, в разделе Технические науки которого информатика представлена по следующим направлениям:

    • Разработка научных основ информатики, информационно-вычислительных систем и сетей, системный анализ.
    • Математическое моделирование, методы вычислительной и прикладной математики и их применение к фундаментальным исследованиям в различных областях знаний.
    • Фундаментальные проблемы построения систем автоматизации, математические методы исследования сложных управляющих систем и процессов.
    • Проблемы искусственного интеллекта, распознавания образов, принятия решения и экспертные системы.
    • Теория информации и управления, информационные процессы в системах и сетях, биоинформатика.
    • Параллельные вычисления, системы массового параллелизма, программное обеспечение
    • Интегрированные информационно-телекоммуникационные системы и сети.
    • Архитектура, системные решения и программное обеспечение информационно-вычислительных комплексов новых поколений.
    • Нейроинформатика и оптико-нейронные системы обработки информации.
    • Микроэлектроника, наноэлектроника и твердотельная электроника как база развития информатики.

    Основным выводом данного раздела, по моему мнению, следует некорректное использование словосочетаний типа «информатика и вычислительная техника» или «компьютерные сети и информатика». Поскольку и вычислительная техника, и компьютерные сети являются разделами информатики. Вряд ли в наше время мы найдем, например, название «кафедра высшей математики и дифференциального исчисления», поскольку понимаем, что дифференциальное исчисление является разделом высшей математики. Не будем же злоупотреблять повсеместным использованием слова информатика в сочетании с другими словами, конкретизирующими смысловую нагрузку слова информатика.

     

    3. Понятие архитектуры систем

    При изучении информатики необходимо обозначить границы (или глубину) изучаемой предметной области. В нашем курсе вычислительные системы, комплексы и сети для анализа и синтеза достаточно сложных объектов выбран широко используемый способ расчленения объекта на разнообразные элементы (уровни) с последующим исследованием множества получаемых структур их взаимодействия. Это направление анализа и синтеза сложных систем получило название АРХИТЕКТУРЫ СИСТЕМ. В зависимости от объекта исследования мы будем рассматривать архитектуры вычислительных систем, комплексов и сетей. Под архитектурой изучаемых нами объектов (в широком смысле) понимается совокупность их свойств и характеристик, рассматриваемых с различных точек зрения.

    Так, например, для Пользователя системы важными являются такие характеристики, как производительность на классе задач, для решения которых она приобретается, система (системы) программирования, размер доступной для использования памяти, способ доступа к системе и т.д. С точки зрения Персонала, обслуживающего данную систему, важны такие свойства системы, как мониторинг (средства наблюдения, управления, конфигурирования, тестирования) и надежность системы. С точки зрения Конструктора системы наиболее важными являются способы построения (архитектурные решения) системы, удовлетворяющие сформулированным заказчиком требованиям. В начале проектирования системы Конструктор в целом представляет систему в виде совокупности функциональных блоков, определенным образом связанных (ЛОГИЧЕСКИЕ компоненты системы). Далее Конструктор системы на основании состояния дел и перспектив развития выбирает элементную базу, среды передачи данных (ФИЗИЧЕСКИЕ компоненты системы), операционную систему, системы программирования (ПРОГРАММННЫЕ компоненты системы).

    Наиболее строгое определение понятие АРХИТЕКТУРЫ СИСТЕМ, по-видимому, приведено у Э.А.Якубайтиса [3]: — «АРХИТЕКТУРА СИСТЕМЫ является емким понятием, включающем три важнейших вида взаимосвязанных структур: ФИЗИЧЕСКУЮ, ЛОГИЧЕСКУЮ и ПРОГРАММНУЮ. Кроме того, анализируя другие аспекты архитектуры, часто рассматривают структуры административного управления, обслуживания и ремонта. Каждая из этих структур определяется набором элементов и характером их взаимосвязи. Связь структур друг с другом образует АРХИТЕКТУРУ рассматриваемой СИСТЕМЫ. Элементами ФИЗИЧЕСКОЙ СТРУКТУРЫ являются технические объекты. В зависимости от того, какие задачи решаются, этими объектами могут быть полупроводниковые кристаллы, части вычислительных машин, а также комплексы, составленные из последних. Элементами ЛОГИЧЕСКОЙ СТРУКТУРЫ являются функции, определяющие основные операции. Очень важной характеристикой архитектуры системы является также ее ПРОГРАММНАЯ СТРУКТУРА. Эту структуру образуют взаимосвязанные программы: программы обработки информации, и др. Таким образом, АРХИТЕКТУРА СИСТЕМЫ (вычислительной сети, терминального комплекса, вычислительной машины, полупроводникового кристалла) является концепция взаимосвязи большого числа различного типа элементов. Она в основном характеризуется переплетением ФИЗИЧЕСКОЙ, ЛОГИЧЕСКОЙ И ПРОГРАММНОЙ СТРУКТУР этой системы».

     

    4. Примеры архитектур

    Результатом изучения курса должно быть понимание внутреннего устройства систем и сетей. Как уже ранее отмечалось, все системы и сети мы не сможем изучить, но используемые подходы и методы к изучению наиболее важных из них должны послужить основой для анализа, проектирования или эксплуатации других имеющихся или вновь возникающих систем. Так, например, изображенные на рисунках 1, 2, 3 архитектура почтовой системы в Internet дает целостное понимание ее функционирования и в зависимости от дальнейшей профессиональной ориентации указывает путь (траекторию познания) дальнейшей специализации.

    В нашем случае это конфигурирование отдельных компонент или/и системное администрирование почтовой системы и т. д. При рассмотрении изучаемого объекта необходимо постоянно ставить перед собой и отвечать на основные взаимосвязанные вопросы любопытной детворы: что, зачем, почему и как? И если вы, прослушав курс, поймете хотя бы часть понятий, изображенных на рисунках, то будете, по крайней мере, знать, что же вы не знаете. Вот такая тавтология — я знаю, что не знаю! Да поможет нам бог — вам в изучении предмета, а мне в изложении материала — памятуя: на бога надейся, а сам не плошай.

    Рис. 1.1 Физическая структура почтовой системы Internet.

     

    Рис.1.2. Логическая структура почтовой системы.

     

    Рис. 1.3. Программная структура почтовой системы.

     

    Литература

    1. Политика в области образования и новые информационные технологии / Национальный доклад Российской Федерации на II Международном конгрессе Юнеско; Образование и информатика / Журн. Информатика и образование. N5.- 1996 г.
    2. Смирнов А.Д. Архитектура вычислительных систем: Учеб. пособие для вузов. М.: Наука. Гл. ред. физ.мат. лит., 1990. 320 с.
    3. Якубайтис Э.А. Архитектура вычислительных сетей. М.: Статистика, 1980. 279 с., ил.

    Государственная поддержка компьютерных исследований | The National Academys Press

    NSF в конечном итоге финансировал большую часть теоретических работ в этой области (к 1980 г. он поддержал около 400 проектов в области вычислительной теории), многие из которых имели большой успех. Хотя финансирование теоретической информатики сократилось в процентах от бюджета NSF на компьютерные исследования (оно составляло 7 процентов бюджета в 1996 году по сравнению с 20 процентами в 1973 году), в реальном долларовом выражении оно немного выросло. 1 Целевые агентства, такие как Национальное управление по аэронавтике и исследованию космического пространства или Агентство перспективных исследовательских проектов Министерства обороны, как правило, не финансируют теоретическую работу напрямую из-за их акцента на развитии компьютерных технологий, но некоторые теоретические достижения были достигнуты в рамках их более масштабные исследовательские программы.

    Модели машин: машины состояний

    Конечный автомат — это вездесущие модели для описания и реализации различных аспектов вычислений.Совокупность теории и методов реализации, выросших вокруг конечных автоматов, способствует быстрому и точному построению и анализу приложений, включая компиляторы, механизмы текстового поиска, операционные системы, протоколы связи и графические пользовательские интерфейсы.

    Идея конечного автомата проста. Система (или подсистема) характеризуется набором состояний (или условий), которые она может принимать. Система получает ряд входных данных, которые могут привести к тому, что машина выдаст результат или войдет в другое состояние, в зависимости от ее текущего состояния.Например, упрощенная диаграмма состояний телефонной активности может идентифицировать такие состояния, как бездействие, гудок, набор номера, звонок и разговор, а также события, вызывающие переход из одного состояния в другое, такие как снятие трубки, прикосновение к телефонной трубке. набрать цифру, ответить или повесить трубку (см. рис. 8.1). Конечный автомат, такой как телефон, может находиться только в одном из ограниченного числа состояний. Более мощные модели конечных автоматов допускают большее, теоретически бесконечное, количество состояний.

    Понятие конечного автомата как модели всех вычислений было описано в знаменитой статье Алана Тьюринга о вычислимости в 1936 году, до того, как были построены какие-либо компьютеры общего назначения.Тьюринг из Кембриджского университета предложил модель, состоящую из бесконечно длинной ленты и устройства, которое может читать или записывать на эту ленту (Turing, 1936). Он продемонстрировал, что такая машина может служить универсальным компьютером. Как в академических кругах, так и в промышленности родственные модели предлагались и изучались в течение следующих двух десятилетий, что привело к окончательной статье 1959 года Майкла Рабина и Даны Скотт из IBM Corporation (Rabin

    ).

    Логика и задачи информатики

    Глава состоит из двух совершенно разных частей.
    Первая часть представляет собой обзор (включая некоторые новые результаты) по теории конечных моделей. Особого внимания заслуживает один момент. В информатике стандартной вычислительной моделью является машина Тьюринга, входными данными которой являются строки; другие входные данные алгоритма должны быть закодированы строками. Однако в комбинаторике, теории баз данных и т. д. обычно не различают изоморфные структуры (графы, базы данных и т. д.). Например, запрос к базе данных должен предоставлять информацию о базе данных, а не о ее реализации.В таких случаях возникает проблема со строковым представлением входных объектов: не существует известной, легко вычислимой строковой кодировки классов изоморфизма структур. Существует ли вычислительная модель, машины которой не различают изоморфные структуры и точно вычисляют свойства PTime? Этот вопрос тесно связан с вопросом Чандры и Харела в «Структура и сложность реляционных запросов», J. Comput. и системные науки 25 (1982), 99-128. Мы формализуем вопрос как вопрос о том, существует ли логика, улавливающая полиномиальное время (без предположения о наличии линейного порядка), и предполагаем отрицательный ответ.Первая часть основана на лекциях, прочитанных в Летней школе Удине по теории вычислений в 1984 г., и обобщена в техническом отчете «Логика и задачи компьютерных наук», CRL-TR-10-85, сентябрь 1985 г., Лаборатория компьютерных исследований, Университет. Мичиган, Анн-Арбор, Мичиган.

    Во второй части мы представляем новую модель вычислений: эволюционирующие алгебры (позже переименованные в абстрактные конечные автоматы). Этот новый подход к семантике вычислений и, в частности, к семантике языков программирования подчеркивает динамические и ограниченные ресурсами аспекты вычислений.Это показано на примере Паскаля. Упомянутый выше технический отчет содержал более раннюю версию части 2. Окончательная версия была написана в 1986 году.

    Вычислительная наука: перенос акцента с инструментов на модели

    Версия 2. F1000Res. 2014; 3: 101.

    Konrad Hissen

    1 Centre de Biophasique Moléculaire (UPR4301 CNRS), Rue Charles Sadron, 45071 Орлеан, Франция

    2 Synchrotron Soleil, разделение Expéri, ST AUBIN, 91192 GIF SUR YVETTE, Франция

    1 Центр молекулярной биофизики (UPR4301 CNRS), Rue Charles Sadron, 45071 Orléans, France

    2 Synchrotron SOLEIL, Division Expériences, St Aubin, 91192 Gif sur Yvette, Франция Конкурирующие интересы: Автор заявляет об отсутствии конкурирующих интересов.

    Эта статья находится в открытом доступе и распространяется в соответствии с лицензией Creative Commons Attribution, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии надлежащего цитирования оригинальной работы.

    Данные, связанные со статьей, доступны в соответствии с условиями отказа от данных Creative Commons Zero «Права не защищены» (CC0 1.0 Посвящение в общественное достояние).

    Эта статья была процитирована другими статьями в PMC.

    Изменения версии

    Пересмотрено.Изменения из версии 1

    Исправлено ошибочное утверждение о вычислимости трансцендентных функций. Различие между математическим языком и математическими инструментами было сделано явно. Уточнено различие между вероятностными моделями и недетерминированными эвристиками.

    Abstract

    За последние несколько десятилетий вычислительные методы произвели революцию во многих аспектах научных исследований. Экспериментаторы используют вычисления для анализа данных, обрабатывая все большие наборы данных.Теоретики вычисляют прогнозы на основе все более сложных моделей. Однако традиционные статьи не позволяют публиковать большие наборы данных или сложные модели. Как следствие, эти важные фрагменты информации больше не попадают в научные записи. Более того, они стали заложниками научного программного обеспечения: многие модели существуют только как программные реализации, а данные часто хранятся в проприетарных форматах, определенных программным обеспечением. В этой статье я утверждаю, что такой акцент на программных инструментах, а не на моделях и данных, в долгосрочной перспективе наносит ущерб науке, и предлагаю способ, с помощью которого это можно изменить.

    Введение

    Компьютеры стали важным инструментом во многих аспектах науки: они помогают собирать и обрабатывать данные наблюдений, оценивать теоретические модели и общаться с коллегами-учеными. В течение нескольких десятилетий, в течение которых ученые использовали компьютеры, вычислительная техника изменилась очень быстро. Эти изменения позволили добиться значительного прогресса во многих областях науки. Однако они также привели к смещению акцента с научных вопросов на технологические, поскольку ученые охотно применяли новые вычислительные технологии для изучения все более сложных систем.Наиболее заметным последствием этого является то, что сегодня высокая производительность часто имеет приоритет над надежными результатами в вычислительной науке, хотя лишь немногие ученые открыто признают это предпочтение.

    В последнее время некоторые негативные последствия стремления вперед в быстром темпе стали слишком очевидны, чтобы их можно было игнорировать. 1– 3 : ошибки из-за недостаточно проверенного программного обеспечения, отсутствие воспроизводимости из-за неполной публикации данных и кодов и слепого доверия к программному обеспечению без более глубокого понимания применяемых методов.Безумие становиться все быстрее постепенно уступает место более трезвому отношению, которое восстанавливает надежность и проверяемость как основные ценности науки. Движение воспроизводимых исследований 4 утверждает, что воспроизводимость, один из основных принципов науки, должна требоваться в вычислительной науке, а также в других науках, что требует публикации всего программного обеспечения и наборов данных, которые используются в вычислительном исследовании. С несколько иной точки зрения движение открытой науки К такому же выводу приходит и 5 , целью которого является доступ всех желающих к процессу исследования.В результате этих усилий публикация научных данных и программного обеспечения стала не только возможной, но и простой, и журналы начинают поощрять или даже требовать такую ​​публикацию, сопровождающую традиционную статью, описывающую методы и результаты исследования.

    Если код и входные данные вычислительного исследования опубликованы, любой может повторить вычисление и убедиться, что оно дает опубликованные результаты. Это часто называют воспроизводимость .В настоящее время нет единого мнения о том, является ли воспроизводимость полезной характеристикой научного исследования; ссылки 6 и 7 показаны две противоположные точки зрения. Воспроизводимость ограничивает мошенничество, доказывая, что авторы действительно могут вычислить результаты, которые они показывают в статье. Это также можно рассматривать как доказательство обеспечения качества, поскольку оно демонстрирует, что авторы записали свой полный вычислительный рабочий процесс, что еще не является общепринятой практикой. Однако воспроизводимость не означает, что авторы делали то, что они описывают в своей статье, и не помогает читателям лучше понять примененные методы.Минимальная воспроизводимость (например, предоставление образа виртуальной машины, выполняющей вычисления) также не означает открытости, поскольку читатели не могут применять опубликованные методы к различным ситуациям или анализировать данные, используя свои собственные методы.

    Воспроизводимость явно отличается от традиционного понятия воспроизводимости в науке. Последнее требует, чтобы другие ученые разрабатывали своих собственных экспериментов или вычислений, которые включают ключевые элементы оригинальной работы, но отличаются в точках, которые считаются неважными, и дают аналогичные результаты.В отличие от тиражирования, воспроизведение научного исследования добавляет новую информацию, которая помогает определить, что имеет значение, а что не имеет значения для получения конкретного результата. Таким образом, чтобы компьютерное исследование воспроизводилось, необходимо объяснить методы, лежащие в его основе, таким образом, чтобы было четко указано, какие аспекты считаются важными.

    Центральный вопрос вычислительной науки: почему мы должны доверять результатам нетривиальных вычислений? Все мы знаем по опыту, что в программах есть ошибки, и мы также знаем, что использование компьютеров часто связано с человеческими ошибками.Более того, ученые-вычислители должны знать о сложности своего программного обеспечения и, следовательно, должны быть обеспокоены тем, что оно может не делать того, что, по их мнению, оно делает. Создание доверия к результатам вычислений требует проверки на всех возможных уровнях: нам нужна воспроизводимость воспроизводимость и , а также увеличение усилий по объяснению наших вычислительных моделей и методов нашим коллегам. Фундаментальная проблема заключается в том, что научное программное обеспечение слишком сложно, чтобы быть эффективным способом передачи этих моделей и методов, и нет другого точного представления.Детальное понимание того, что делает данная часть программного обеспечения, часто ограничено авторами программного обеспечения.

    В этой статье я объясню, почему текущая ситуация неудовлетворительна, и предложу пути ее улучшения. Я проиллюстрирую свои объяснения примерами из моей области исследований — биомолекулярного моделирования. Однако после многочисленных дискуссий с учеными-вычислителями из других прикладных областей я пришел к выводу, что ситуация очень похожа везде, где компьютеры используются для задач, которые невозможно выполнить вручную.

    Чтобы прояснить мою точку зрения, я сначала кратко расскажу о роли моделей в науке и о роли вычислений в научных моделях. Это подготовит почву для следующего обсуждения текущего состояния научного программного обеспечения. Затем я предложу конкретные действия, которые можно предпринять для улучшения ситуации, и обозначу выгоды, которые мы можем от них ожидать.

    Модели

    Центральным понятием, представленным в этой статье, является понятие научная модель .Роль моделей в науке была предметом многочисленных споров среди философов науки. 8 . Хороший общий обзор, написанный ученым для ученых 9 и иллюстрация в контексте физического образования 10 были даны Хестенесом. Схема процесса научного исследования (см. ) иллюстрирует фундаментальную роль научных моделей: науку можно обобщить как процесс, входами которого являются данные, полученные в результате научных наблюдений, а выходом — набор моделей с соответствующей проверочной информацией.По мере того, как становится доступным больше данных, создаются новые пары модель/проверка, которые могут быть уточнениями старых моделей, но также и совершенно новыми моделями. Определяющей характеристикой научной модели является то, что ее можно использовать для вывода поддающихся проверке утверждений об наблюдаемых аспектах природы, что позволяет проверять и уточнять модель с использованием новых данных последующих наблюдений.

    Схема процесса научного исследования.

    Основным входом являются данные наблюдений, основным выходом являются модели с соответствующими областями проверки.

    Модели не обязательно должны быть количественными. Метаболические пути в биохимии являются хорошо известным примером неколичественных моделей. Однако в контексте вычислительной науки почти все модели являются количественными, поскольку они предсказывают числа, которые сравниваются с числами, полученными в результате реальных измерений. Далее я ограничу обсуждение количественными моделями.

    Модели, наиболее часто обсуждаемые в контексте научных исследований, — это модели природных систем, которые мы пытаемся понять.Однако мы также используем физические модели для описания инструментов, которые мы используем для наблюдений, и нефизические феноменологические модели для объяснения аспектов, которые мы не понимаем в деталях. Наиболее распространенными моделями последней категории являются модели статистических ошибок, такие как очень часто (и обычно молчаливое) предположение о том, что наблюдаемое значение является «реальным» значением плюс «экспериментальная ошибка», описываемая гауссовским распределением вероятностей. Вычислительные исследования, изучающие модели систем в природе, называются «моделированием» и часто выполняются на моделях, которые считаются точными, с целью получения информации, которую трудно или невозможно получить из наблюдений.Моделирование, включающее модель научных инструментов, часто называют «виртуальным экспериментом». Вычислительные исследования с применением статистических моделей к данным называются «анализом данных» и обычно имеют целью определение набора параметров модели, которые лучше всего описывают данные, полученные в результате наблюдения или моделирования. Аргументы, которые я привожу в этой статье, применимы ко всем этим категориям.

    Многие научные модели формулируются в рамках теория , которая определяет общие правила для большого класса моделей.Примером может служить классическая механика — теория, описывающая динамику систем точечных масс или твердых тел конечного объема. В рамках классической механики модель конкретной системы может быть определена одной функцией, называемой гамильтонианом. Теории играют важную роль в наиболее зрелых областях науки (например, в физике), но не являются необходимыми для определения моделей. Младшие дисциплины, например. системной биологии, строить модели в более ad hoc мода без четкой базовой теории.Еще одним подходом является построение моделей, полученных из нескольких теорий в мультидисциплинарной среде, например. в исследованиях климата. Для аспектов, которые я обсуждаю в этой статье, не имеет значения, разрабатывается ли модель в контексте какой-либо теории.

    Вычислимые модели — это модели, представляющие наибольший интерес в вычислительной науке. Вычислимая модель — это вычислимая функция, определенная в теории вычислимости. 11 , результат которого можно сравнить с данными наблюдений.Поскольку проверка требует сравнения конкретных результатов с наблюдаемыми данными, можно было бы ожидать, что все количественные модели в науке являются вычислимыми моделями. Удивительно, но это не так. Фактически, большинство математических моделей, используемых в науке, не поддаются вычислению.

    Рассмотрим, например, описание солнечной системы в терминах классической механики, восходящее к Исааку Ньютону: набор точечных масс (солнца и планет), взаимодействующих посредством ньютоновского закона тяготения и движущихся согласно ньютоновским законам тяготения. движение.Последние представляют собой дифференциальные уравнения для положений и скоростей небесных тел. Вместе с набором параметров, полученных из наблюдений (например, положения и скорости всех небесных тел в данный момент времени), эти уравнения определяют положения и скорости в любой момент времени в прошлом или будущем. Однако они не дают рецепта вычисления реальных чисел, которые можно было бы сравнить с наблюдениями. Вдобавок приближение необходимо для получения вычислимой модели.Для простейшего случая системы всего двух небесных тел можно получить аналитическое решение дифференциальных уравнений. Это решение содержит трансцендентные функции (синусы и косинусы), вычисляемые с любой требуемой точностью. Однако, когда в модель включены три или более небесных тела, аналитическое решение недоступно, и дифференциальные уравнения должны быть аппроксимированы уравнениями в конечных разностях. 12 . Разработка вычислимых приближений к ньютоновской модели небесной динамики остается активной темой исследований (см.грамм. 13 ). В более общем смысле можно рассматривать всю область численного анализа как посвященную построению вычислимых аппроксимаций невычислимых математических моделей.

    Может показаться удивительным, что большинство математических моделей, используемых в самых зрелых областях науки, строго говоря, не заслуживают ярлыка «научные», потому что они не могут делать прогнозы, которые сразу же сопоставимы с наблюдаемыми данными. Объясняется это тем, что вычисления долгое время считались второстепенной задачей, не заслуживающей внимания выдающегося математика или ученого, который должен сосредоточиться на математических и логических рассуждениях.Как Доуек 14 объясняет в увлекательном отчете о взаимодействии рассуждений и вычислений в математике и логике в ходе истории, важная роль вычислений в формальных рассуждениях стала очевидной только в 20-м веке. Хотя сегодня это общепринято математиками и логиками, большинство теоретиков естественных наук по-прежнему считают вычисления низшим подходом к изучению научных моделей, который используется только по необходимости, когда другие методы не сработали.Я подозреваю, что это отсутствие интереса «настоящих теоретиков» к вычислительным аспектам науки могло способствовать возникновению проблем, которые я обрисовал во введении. Это также объясняет, почему компьютерное обучение до сих пор в значительной степени отсутствует в учебных программах по естественным наукам во всем мире.

    Научные модели могут быть записаны разными способами: математическими уравнениями, диаграммами, простым языком и т. д. Одна и та же модель может быть представлена ​​разными обозначениями. Например, в принципе любое математическое уравнение можно заменить словесным описанием.Вычислимые модели могут быть выражены на любом полном по Тьюрингу формальном языке и, в частности, на любом из широко используемых языков программирования, что делает их наиболее точными и однозначными научными моделями. Сам факт того, что программа запускается и выдает результаты, доказывает, что спецификация модели является полной и однозначной, при условии, что сама вычислительная система (аппаратное обеспечение, операционная система, компилятор и т. д.) работает корректно и что язык программирования, на котором она написана, четко определен. определенная семантика (что, к сожалению, не относится к широко используемым языкам, таким как C 15 .На полезность вычислений в процессе понимания и документирования науки указывали Сассман и Уисдом. 16 , но еще не получил широкого признания в научном сообществе. Прекрасную иллюстрацию из инженерной области (дизайн музыкальных инструментов) дает Мэйрсон. 17 , который разработал вычислимую нотацию для описания геометрических конструкций, которые использовались в течение нескольких столетий для создания струнных инструментов. Его нотация должна быть как набором инструкций для компьютера, так и точным и недвусмысленным описанием для людей.

    Последний важный момент, касающийся вычислимых моделей, — это важность правильного определения, понимания и документирования аппроксимаций. Ученые часто делают приближения к вычислительным моделям, не признавая их таковыми, и поэтому не документируют эти приближения в своих публикациях. Хорошим примером является использование чисел с плавающей запятой конечной точности вместо действительных чисел. Большинство ученых считают это технической необходимостью при реализации модели на компьютере и, следовательно, деталью реализации вычислительного программного обеспечения.Однако числа с плавающей запятой обладают свойствами, которые существенно отличаются от действительных чисел (например, сложение и умножение неассоциативны), а конечная точность обязательно изменяет результаты вычислений. Явное определение таких аппроксимаций также будет способствовать рассмотрению альтернатив, например. использование интервальной арифметики. В общем, любая модификация компьютерной программы, которая изменяет ее результаты, предполагает приближение к исходной вычислительной модели.Это также включает в себя такие методы, как сжатие выходных данных с потерями, которые также обычно считаются деталями реализации.

    Таким образом, вычислительная наука включает в себя работу с вычислимыми научными моделями, которые либо построены на основе первых принципов, либо, чаще, как приближения к невычислимым моделям. Публикация, описывающая вычислительное исследование, должна содержать полное описание моделей, которые фактически использовались в расчетах. Для моделей, полученных как аппроксимации, это означает, что конечное приближение, несмотря на предшествующие этапы вывода, также должно быть дано для документирования процесса.Вычислимые модели могут быть однозначно выражены на полном по Тьюрингу формальном языке. Подходящий полный по Тьюрингу язык должен быть предпочтительной формой для публикации моделей.

    Инструменты и методы

    Ученые используют различные инструменты для сбора данных наблюдений, изучения предсказаний моделей и выполнения их сравнений. Я использую термин «инструмент» в общем смысле, который включает как физические объекты (например, микроскопы, лазеры и т. д.), так и математические теоремы или процедуры (например,грамм. исчисление или алгебра), но не математические аксиомы и определения, которые формируют язык математики, а не ее инструментарий. Таким образом, и компьютеры, и программное обеспечение, работающее на них, считаются инструментами. Инструменты оцениваются по тому, насколько хорошо они помогают нам выполнять работу, что приводит к таким критериям, как точность, производительность, эффективность, удобство и цена. В научных публикациях инструменты описаны в разделе «Методы». Вычислительный метод соответствует запуску одного или нескольких программных инструментов с определенными входными параметрами.

    Люди, использующие инструменты не только в науке, развивают ментальная модель того, как инструменты работают и что они делают. Такие ментальные модели в основном являются эмпирическими и вырабатываются путем обучения и опыта. Они индивидуальны и никак не формализованы. Принципиальной разницы в том, как мы формируем мысленные модели автомобиля, микроскопа и работающего на компьютере текстового редактора, нет. Наши ментальные модели ограничены теми аспектами инструментов, которые мы должны знать, и не включают внутреннюю работу этих инструментов или детали конструкции.Например, чтобы управлять автомобилем, нам нужно понимать ускорение, торможение и рулевое управление, но не процесс сгорания в двигателе. Точно так же мы можем использовать микроскоп или текстовый редактор, обладая гораздо меньшими знаниями, чем требуется для их проектирования и создания. Однако область применения и точность, которую мы можем ожидать от результатов, являются частью ментальных моделей, которые ученые должны иметь для своих инструментов.

    Хотя инструменты необходимы для проведения научных исследований, они не считаются частью результатов науки, которые состоят из утвержденных моделей.Статьи, документирующие научные исследования, описывают инструменты и методы, которые использовались в экспериментах или вычислениях, чтобы дать возможность читателям судить об уместности выводов, сделанных на основе результатов. Разработка новых инструментов также описывается в научных публикациях, поскольку эти инструменты являются важными продуктами научно-исследовательского процесса. Тем не менее, эти два аспекта (инструменты и результаты) должны быть разделены. Заключение научного исследования должно быть независимым от конкретного инструмента, чтобы заслужить название «научный».Другой ученый должен иметь возможность прийти к тому же заключению, используя другие инструменты, что является частью требования воспроизводимости.

    В вычислительной науке различие между моделями и методами не всегда очень четкое, потому что и то, и другое принимает форму алгоритмов. Некоторые дисциплины, напр. биоинформатики, очень ориентированы на методы и редко ссылаются на модели. Биоинформатик скорее предложит «метод предсказания фолдинга белка», чем «модель фолдинга белка». Отчасти это связано с различиями в научном жаргоне между дисциплинами, но также отражает более глубокие проблемы, касающиеся роли вычислений в науке.Глобальный минимум основанного на знаниях потенциала белков явно является научной моделью нативной структуры. Это даже вычислимая модель в смысле теории вычислимости, поскольку существуют известные алгоритмы, которые могут найти глобальный минимум за конечное время с любой заданной точностью. Однако это конечное время на современных компьютерах настолько велико, что глобальный минимум невозможно вычислить на практике. Поэтому биоинформатики создают эвристические методы, которые в большинстве случаев быстро находят структуры, близкие к глобальному минимуму.Если эти эвристические методы являются детерминированными, их следует рассматривать как приближение к исходной модели. Это не вариант для эвристических методов, включающих случайный выбор, поскольку они не дают уникального результата для заданных входных данных и, следовательно, не могут считаться научными моделями.

    Важно отличать использование случайности в эвристике от использования вероятностных моделей, т. е. моделей, которые предсказывают наблюдаемые величины как средние по вероятностным распределениям.Последние относятся к той же категории, что и рассмотренный выше пример с глобальным минимумом: числа, которые они предсказывают, четко определены и вычислимы, хотя их вычисление часто выходит за пределы современных вычислительных технологий. Напротив, такой метод, как k означает кластеризацию, шаг инициализации которой требует произвольного случайного выбора, дает каждый раз разный результат, и нет никаких оснований придавать какое-либо значение статистическому распределению этих результатов.На самом деле дистрибутив, используемый на этапе инициализации, почти никогда не документируется, поскольку считается неактуальным. Роль таких эвристик в вычислительной науке еще предстоит выяснить.

    Двойная роль программного обеспечения для научных исследований

    Доминирующая роль программного обеспечения в нашей жизни — это роль инструментов. Компьютерная программа делает что-то: воспроизводит видео, управляет банковскими счетами, моделирует динамику белков и т. д. Программное обеспечение разрабатывается специально для чего-то и оценивается по тому, насколько хорошо оно выполняет поставленную задачу.В большинстве ситуаций, когда используется программное обеспечение, существует четкое различие между программным обеспечением как инструментом и содержимым, с которым работает инструмент. Видеоплеер отличается от фильмов, которые он воспроизводит, и это различие видно всем: для каждого фильма на компьютере существует один файл, а для видеоплеера — один файл (или набор файлов). Один и тот же видеоплеер может воспроизводить множество фильмов, и для каждого файла фильма существует несколько компьютерных программ, которые могут их воспроизводить. Такое же четкое различие существует между программным обеспечением, управляющим банковскими счетами, и базами данных, содержащими фактические данные.Тем не менее, это , а не подходят для моделирования динамики белка. Моделирование — это вычисление прогноза на основе модели, но нет компьютерного файла, содержащего модель динамики белка, и другого файла, содержащего программу моделирования. Модель является неотъемлемой частью программы моделирования. Файлы, читаемые этой программой, содержат некоторые параметры модели (например, начальная структура белка), но не сама модель. Нет четкого разделения между инструментом и моделью, с которой он работает.

    Такое слияние моделей и инструментов в вычислительной науке проблематично, потому что модели и инструменты играют очень разные роли в науке и оцениваются по очень разным критериям. Размывание границ приводит к ряду нежелательных последствий:

    Отсутствие понимания: В теоретических науках исследователи должны знать и понимать в деталях модели, которые они применяют. Эти модели используются исследовательским сообществом и формализованы с использованием подходящей стандартной нотации, чтобы уменьшить двусмысленность в общении.У ученых нет такого же подробного понимания своих инструментов. Исследователи, использующие научное программное обеспечение (в отличие от тех, кто его разрабатывает), работают с эмпирической ментальной моделью этого программного обеспечения, как объяснялось выше. Когда научные модели скрыты внутри программного обеспечения, становится очень трудно развить требуемый для них более высокий уровень понимания. Как следствие, исследователи не могут сделать осознанный выбор между различными моделями и часто выбирают более удобную или более эффективную программу, независимо от модели, которую она реализует.

    Отсутствие верификации: Новые инструменты следует тестировать, запуская их на хорошо известных моделях в качестве тестовых случаев, для которых они должны давать точно такие же результаты. Новые модели следует тестировать, сравнивая их с известными, используя точно такие же инструменты. Программное обеспечение, которое неразрывно сочетает в себе сложные модели и сложные технологии, становится практически не поддающимся оценке. Кроме того, формальные доказательства могут использоваться для проверки программных инструментов на соответствие формальной спецификации. Но формальные доказательства не могут работать с научными моделями (они проверяются на основе наблюдений), и поэтому они также не могут работать с инструментами со встроенными моделями.Инструменты могут быть проверены с использованием формальных доказательств только в том случае, если они работают на внешних моделях.

    Взаимозависимость: Модели и инструменты должны развиваться независимо: модели совершенствуются с развитием науки, тогда как вычислительные инструменты совершенствуются в соответствии с изменениями в вычислительных технологиях или просто за счет увеличения усилий. Когда модели являются частью инструментов, становится трудно отличить улучшенный инструмент от улучшенной модели. Более того, изменения в инструментах по техническим причинам (т.е. ускорение вычислений с использованием графических процессоров (GPU)) часто требует аппроксимации встроенных моделей, которые, как правило, остаются недокументированными, поскольку не распознаются как таковые.

    Все эти последствия можно наблюдать в области моделирования белков. В сообществе специалистов по моделированию белков общепринято, что невозможно получить одинаковые числа для данной системы из двух разных программ моделирования (отсутствие проверки). Большинство ученых понимают, что это связано с тем, что не существует двух программ, реализующих одну и ту же модель.Однако мало кто из практиков может объяснить, чем именно отличаются эти модели (отсутствие понимания). Также считается неизбежным, что разные версии одной и той же программы или даже два исполняемых файла, скомпилированных с разными компиляторами или параметрами компилятора, дают несколько разные результаты для того, что должно быть одной и той же моделью (взаимозависимость).

    Важно понимать практические различия между вычислимой научной моделью и программным инструментом. С точки зрения теоретической информатики оба являются программами и оба выражаются на языке, полном по Тьюрингу.Однако модель определяет только результат вычислений. Программный инструмент определяет, как эффективно выполнять вычисления с данными, считываемыми и записываемыми в постоянное хранилище, в рамках ограничений данного физического компьютера. Это требует обработки таких аспектов, как использование ресурсов (память, ЦП), ввод-вывод и, возможно, распараллеливание. Практически полезный программный инструмент также требует внимания к пользовательскому интерфейсу, форматам файлов и другим характеристикам инструмента. В типичном научном программном инструменте, который интегрирует модели, подавляющее большинство исходных кодов посвящено этим техническим аспектам, до такой степени, что может быть трудно идентифицировать модели в исходном коде.

    Интересно проанализировать, почему слияние моделей и программных средств возможно и как оно произошло. В упомянутых выше случаях с видеоплеерами и управлением банковскими счетами разделение инструментов и данных кажется очевидным. Инструменты состоят из инструкций для компьютера, а данные, в конечном счете, представляют собой просто последовательность чисел. Любой, кто писал простые программы, может с первого взгляда увидеть разницу между программным обеспечением (текстовые файлы, содержащие инструкции на языке программирования) и данными (таблицы чисел и текста для банковских счетов, сжатые двоичные файлы для фильмов).Архетип научной модели представляет собой набор математических уравнений. Это кажется гораздо более похожим на программу, чем на данные, тем более, что большинство языков программирования предоставляют синтаксис для математических формул, похожий на письменную математику. Более того, как объяснялось выше, вычислимые модели на самом деле требуют полных по Тьюрингу обозначений. Таким образом, язык программирования вполне подходит: очень просто преобразовать вычислительную модель в программный код. С другой стороны, совсем не просто написать программу, которая считывает научную модель так же, как она считывала бы «обычные» данные.Получается, что научные модели на самом деле являются программами, а не данными.

    Однако различие между «программой» и «данными» не выдерживает критики. Программы — это данных. Они хранятся в файлах, их можно копировать, отправлять по электронной почте и т. д., как и любые другие данные. Компиляторы читают файлы исходного кода как данные и преобразовывают их в исполняемые файлы, что является просто преобразованием данных в другую форму. Различие между программами и данными, которое кажется столь очевидным для практиков вычислительной науки, — просто историческая случайность.Язык программирования Фортран 18 , который сделал возможными крупномасштабные научные вычисления в конце 1950-х годов, сделал это различие по практическим причинам: он позволил разработать простые и эффективные компиляторы. Лисп 19 , еще один язык программирования, разработанный в конце 1950-х годов для исследований в области искусственного интеллекта, сделал противоположный выбор: программа — это просто конкретная интерпретация структуры данных. Программисты на Лиспе обычно собирают структуры данных, а затем выполняют их как программы.Однако ранние реализации Лиспа были медленнее по сравнению с Фортраном и поэтому так и не стали популярными в вычислительной науке, за заметным исключением систем компьютерной алгебры.

    На заре вычислительной науки теоретик определял модель с помощью карандаша и бумаги, а затем писал программу для выполнения конкретных вычислений на основе этой модели, таких как вычисление интеграла или численное решение дифференциального уравнения. Вычисления на компьютере просто заменили прежнюю практику ручных вычислений.Модели публиковались в журнальных статьях, как и в докомпьютерную эпоху. Компьютерная программа считалась реализация модели и тестирование программы включали сравнение ее выходных данных с результатами аналитической обработки модели для подходящих входных значений.

    С быстрым увеличением вычислительной мощности ученые могли работать со все более сложными моделями, и в частности с моделями, слишком сложными для работы с карандашом и бумагой. Но научная публикация оставалась в мире карандаша и бумаги еще несколько десятилетий, потому что электронное общение стало возможным только с появлением Интернета в 1990-х годах.Таким образом, ученые могли работать с вычислительными моделями, которые были слишком сложны для публикации, и в результате они прекратили публикацию своих моделей. Из-за того, что вычислительные инструменты не поощряют разделение моделей и программ, а также при отсутствии какой-либо мотивации формулировать вычислительные модели независимо от программ для связи, слияние моделей и программ стало почти неизбежным.

    Программное обеспечение как нотация научного знания

    В предыдущем разделе я объяснил нежелательные последствия того факта, что вычислительные модели часто неразрывно переплетаются с программными инструментами, которые на них работают.Существует еще одна важная проблема, возникающая в результате слияния инструментов и моделей, которая связана с разными временными масштабами, в которых в настоящее время развиваются наука и вычислительная техника. Эта проблема может исчезнуть в маловероятном случае замедления прогресса в вычислительных технологиях в будущем, но в настоящее время она требует немедленного внимания, если мы хотим сохранить научное наследие последних десятилетий.

    Срок жизни знаний ограничен. Даже если бы носители информации могли быть сохранены навсегда, смысл содержащейся в них информации в конечном итоге теряется, поскольку семантический контекст, в котором она была закодирована, не может быть записан.Лучшими примерами являются исторические письменные документы, которые сегодня никто не может прочитать, потому что использовавшиеся в то время языки и системы письма исчезли. 20 .

    Письменные человеческие языки представляют собой самые стабильные семантические контексты, которые у нас есть: они меняются во времени от столетий до тысячелетий. Научный жаргон и научные обозначения еще более недолговечны. Журнальные статьи, написанные 100 лет назад, трудно понять современным ученым. Оригинальные труды Галилея или Ньютона могут быть поняты только учеными, специализирующимися в области истории науки.Шкала времени, в течение которой оригинальные публикации остаются понятными, составляет несколько десятилетий. Это не означает, что знания быстро теряются. По мере того как исходные тексты становятся все менее и менее ясными, аспекты, признаваемые особо важными, постоянно переформулируются в обзорных статьях, монографиях и учебниках. Вот почему идеи Галилея и Ньютона до сих пор доступны для современных физиков.

    Программное обеспечение как средство представления знаний имеет гораздо более короткий срок службы, чем научная запись и математическая запись.Существует два подхода к пониманию программного обеспечения: (1) его теоретическое изучение путем чтения исходного кода и документации и (2) наблюдение за его поведением путем запуска программы. Практика показала, что для успешного понимания нетривиального ПО необходимо сочетать оба подхода. Чтение исходного кода позволяет выдвигать гипотезы о том, что делает программа, которые затем проверяются запуском ее на подходящих входных данных. Исходный код остается понятным до тех пор, пока активно используется язык, на котором он написан.В зависимости от языка это подразумевает временную шкалу от нескольких лет до в лучшем случае одного или двух десятилетий. Запуск нетривиального программного обеспечения без модификаций редко возможен спустя более чем несколько лет. Программное обеспечение требует регулярного «обслуживания», чтобы оставаться пригодным для использования. Это обслуживание заключается в обновлении исходного кода и процедур установки, чтобы адаптировать их к изменениям в вычислительной среде (компиляторы, операционные системы и т. д.) и в зависимостях (библиотеки и т. д.). Сопровождение дорого и экономически целесообразно только для широко используемых программ.Более того, как правило, это происходит параллельно с усовершенствованием моделей и методов, реализуемых программным обеспечением. Сегодняшняя рабочая версия научного программного обеспечения не обязательно отражает модели и методы, которые были реализованы в его предшественнике, использовавшемся несколько лет назад для важного вычислительного исследования. Технические решения, такие как использование систем контроля версий и архивирование точного кода, используемого для конкретного научного исследования, могут помочь облегчить эту проблему, но они не являются панацеей: они не обеспечивают код, который работает через 30 лет и реализует сегодняшние модели и методы.

    Следствием различных временных масштабов, в которых развиваются научные знания и вычислительные технологии, является то, что мы теряем научные знания, закодированные в форме программного обеспечения, быстрее, чем они могут быть интегрированы в процесс переформулирования науки. Для многих вычислительных исследований, выполненных в течение последних десятилетий, уже невозможно найти точные модели и методы, которые использовались. Применяя рекомендации движения «Воспроизводимые исследования», то есть публикуя и архивируя программное обеспечение и данные, мы можем сохранить исходные выражения этого научного знания, но не семантический контекст.

    Эта проблема гниения знаний касается не только моделей и методов, встроенных в научное программное обеспечение, но и данных, хранящихся в закрытых форматах и, таким образом, определяемых программным обеспечением, которое их считывает и записывает. Когда программное обеспечение становится непригодным для использования, данные становятся нечитаемыми. Этот аспект получил гораздо более широкое признание, и среди экспертов в области управления научными данными существует общее мнение о том, что проприетарные форматы данных не подходят для целей публикации и архивирования.Такого же отношения следует придерживаться и в отношении моделей.

    Смещение акцента с инструментов на модели

    Решение проблем, о которых я говорил выше, в первую очередь потребует смещения фокуса в вычислительной науке. Вместо того, чтобы концентрироваться на инструментах, которые затем включают в себя модели и заключают в себе данные, мы должны сосредоточиться на моделях и данных как на основных объектах, представляющих интерес для науки. Прежде чем задуматься над вопросом «Как мне лучше всего выполнить это вычисление?», мы должны сначала рассмотреть вопросы «От каких данных и моделей зависит это вычисление?» и «Каков будет результат этого вычисления?»

    Такое смещение фокуса не происходит в одночасье.Наоборот, я ожидаю, что это займет много лет, а может быть, и десятилетий. Ниже я расскажу о некоторых конкретных шагах, чтобы это произошло. Во-первых, я расскажу о краткосрочных действиях, которые можно предпринять немедленно и которые не требуют глубоких изменений в научном программном обеспечении и рабочих процессах, которые мы используем сегодня. Эти действия улучшат понимание моделей, реализованных в научном программном обеспечении, и сделают возможным обсуждение моделей в научной литературе. Затем я опишу второй набор действий, которые требуют серьезных исследований и разработок, но также предлагают значительные преимущества взамен: возможность превратить научные модели в первоклассные цифровые объекты, которые можно публиковать и архивировать, а также возможность проверки научное обеспечение формальными доказательствами.

    Основное краткосрочное действие, которое необходимо предпринять, — это тщательное документирование научных моделей, реализованных в программном обеспечении. Такая документация должна объяснять модели простыми словами и в математической записи и указывать читателю на соответствующие части исходного кода. Кроме того, следует обсудить, как параметры компиляции и установки, а также данные во входных файлах влияют на модели. В качестве руководства для принятия решения о том, принадлежит ли данная функция модели или инструменту, рассмотрите интерпретацию результатов вычислений.Все, что изменяет эти результаты таким образом, что это необходимо понимать для их интерпретации, является частью модели. Вычислительные исследования должны ссылаться на модельную документацию используемого программного обеспечения и предоставлять значения всех соответствующих параметров компилятора и установки, а также входных параметров.

    Соответствующим краткосрочным действием является написание эталонных реализаций научных моделей в форме программ, оптимизированных для ясности, а не производительности или гибкости. Такие эталонные реализации в то же время являются точной документацией модели и исполняемых программ, результаты которых можно использовать для проверки результатов более сложного программного обеспечения, написанного для использования в качестве инструмента.Написание эталонных реализаций, как и написание более качественной документации, требует времени, поэтому одним из условий для этого является создание подходящих стимулов.

    Дальнейшие полезные действия могут быть предприняты для улучшения научного программного обеспечения без внесения каких-либо серьезных изменений. Пользовательские интерфейсы, категория, которая включает в себя параметры командной строки и синтаксис входных файлов, могут быть переработаны, чтобы четко отделить информацию, относящуюся к модели (обычно параметры модели), от информации, относящейся к инструменту.Четкое разграничение помогает пользователям лучше понять методы, которые они применяют. Разработчики программного обеспечения также могут стремиться к большей модульности в отношении моделей: исходный код программы можно реструктурировать, чтобы сконцентрировать аспекты, связанные с моделями, в как можно меньшем количестве файлов исходного кода.

    Чтобы воспользоваться всеми преимуществами разделения моделей и инструментов, необходимы более глубокие изменения в структуре научного программного обеспечения. Модели и инструменты должны стать отдельными объектами, которые разрабатываются, тестируются и публикуются независимо друг от друга.Инструменты считываются из спецификаций модели как входные данные. Такой подход технически осуществим сегодня благодаря огромному прогрессу, достигнутому информатикой с 1950-х годов. Предметно-ориентированные языки могут быть разработаны для определения научных моделей и переведены с помощью инструментов, основанных на технологии компиляции, в эффективный код для современных и будущих компьютеров. Предстоит еще провести значительный объем исследований и разработок, но это оправдано повышением качества вычислительной науки, которое это сделает возможным.

    Самым непосредственным преимуществом является то, что модели станут четко определенными цитируемыми объектами. Модель, которая была указана в формальной машиночитаемой нотации, может быть опубликована и процитирована с помощью цифрового идентификатора объекта (DOI). Инструменты могут быть написаны для определения, исследования, изменения и оценки моделей. В частности, для создания аппроксимаций и комбинаций научных моделей можно использовать инструменты, очень похожие по духу на современные системы компьютерной алгебры. Теоретики смогут работать с вычислимыми моделями в электронном виде так же, как раньше они работали с математическими моделями на бумаге.Спецификации формальных моделей не подвержены быстрому развитию вычислительных технологий, и поэтому можно ожидать, что они будут гораздо более стабильными с течением времени, чем сегодняшние модели, встроенные в программные средства.

    Формализованные модели также могут играть важную роль в будущих взаимодействиях человека с наукой, поскольку они используются для сообщения результатов и обучения студентов. Ожидается, что статические публикации, такие как сегодняшние статьи, будут заменены динамическими и интерактивными методами представления и визуализации (см. 21 и 22 для примера).Создание таких презентаций поверх исполняемых моделей обеспечивает согласованность между объяснениями и приложениями. Поскольку модели представляют собой цифровые объекты с четкой семантикой и стабильной ссылкой через DOI, они становятся доступными для извлечения контента и библиометрического анализа. Можно будет составить базы данных моделей, использованных в опубликованных исследованиях, которые затем можно будет аннотировать проверочной информацией. Результаты науки, показанные в станет более формализованной, чем сейчас, что, вероятно, повысит качество науки в целом.

    Еще один важный выигрыш в надежности можно ожидать от технологии программного обеспечения. Разрабатываемые в настоящее время методы автоматической проверки программ (см. 23 для нетривиального практического применения) станет доступным для научного ПО 24 . Эти подходы используют автоматические доказательства для проверки того, что вывод программы соответствует ее спецификации. Их нельзя применить к сегодняшнему научному программному обеспечению, потому что оно не имеет формальной и, следовательно, машиночитаемой спецификации.Причиной этого являются интегрированные модели. Методы математического доказательства не могут подтвердить достоверность модели, поскольку ее достоверность определяется сравнением с данными наблюдений. Однако при наличии формализованной модели методы математического доказательства могут подтвердить, что программный инструмент правильно реализует эту модель. Это, вероятно, самый важный элемент для повышения доверия к научному программному обеспечению и, следовательно, к вычислительной науке. Однако для того, чтобы это произошло, в будущем потребуется гораздо более тесное сотрудничество ученых-вычислителей и ученых-компьютерщиков.

    Арифметика с плавающей запятой

    Специфика арифметики с плавающей запятой заслуживает специального обсуждения, как из-за ее центральной роли во многих научных программах, так и из-за ее репутации источника неразрешимых проблем.

    Прежде всего, стоит отметить, что арифметика с плавающей запятой может быть определена так же строго, как и арифметика с целыми числами. Стандарт IEEE 754 25 обеспечивает четкое представление данных на уровне битов и набор четко определенных детерминированных операций.Большая часть таинственного поведения, приписываемого арифметике с плавающей запятой, связана с тем, что программисты и разработчики языков программирования рассуждают о числах с плавающей запятой, как если бы они были реальными числами, в частности, предполагая ассоциативность для сложения и умножения. Отчасти это происходит по ошибке (непонимание арифметики с плавающей запятой), а отчасти из желания создать больше возможностей для оптимизации кода компиляторами (см. обсуждение в 23).

    К сожалению, ни один из языков программирования, популярных в настоящее время для научных вычислений, не определяет семантику операций с плавающей запятой достаточно точно, чтобы дать программисту полный контроль над результатом вычисления.Как следствие, вывод любой программы, использующей арифметику с плавающей запятой, зависит от выбора, сделанного авторами компилятора. Таким образом, научная модель, специфицированная с точной семантикой с плавающей запятой, не может быть правильно реализована с использованием современных научных языков программирования. Эта ситуация на самом деле является следствием отношения, которое я описал во введении: вычислительная наука так сильно сосредоточена на производительности вычислений и так мало на правильности результатов, что у разработчиков и разработчиков языков нет стимула улучшить ситуацию.

    Однако это не означает, что действия, описанные мной выше, обречены на провал. Цель состоит в том, чтобы изменить доминирующие в настоящее время взгляды. Это также должно привести к разработке инструментов программирования, обеспечивающих полный контроль над операциями с плавающей запятой. Более того, совсем не очевидно, что числа с плавающей запятой будут продолжать играть доминирующую роль в научных вычислениях в долгосрочной перспективе. Их популярность в основном обусловлена ​​по крайней мере кажущейся простотой, которую они предлагают для построения вычислимых приближений к научным моделям докомпьютерной эры, которые используют действительные числа для описания непрерывных физических величин.Вполне возможно, что в будущем будут использоваться другие представления чисел. Недавно предложенный формат DEC64 26 , который призван заменить как целые числа, так и числа с плавающей запятой, показывает, что все еще существует интерес к улучшению обработки чисел в компьютерном программном обеспечении.

    Связанные идеи и подходы

    Проблема, заключающаяся в том, что технические детали затмевают важные для результата аспекты в исходном коде программы, не является специфичной для научных вычислений. Среди многих подходов к разработке программного обеспечения, направленных на улучшение ситуации, проектирование на основе моделей 27 наиболее похож на описанный мной подход.Он вводит понятие модели как спецификации того, что программа должна делать. Затем генераторы программ производят эффективную реализацию. Однако, как и вся разработка программного обеспечения, разработка на основе моделей направлена ​​на создание более качественных инструментов. Модели представляют собой не более чем спецификации инструментов и обычно недоступны для пользователей готового программного обеспечения.

    Некоторые пакеты научного программного обеспечения основаны на предметно-ориентированных языках (DSL), которые позволяют пользователям записывать определенные аспекты своей проблемы в более компактной и знакомой нотации, чем язык программирования.Примером является Пакет FEniCS для решения дифференциальных уравнений 28 , DSL которого позволяет записать дифференциальное уравнение в форме, близкой к традиционной математике. Однако основное внимание уделяется математическим уравнениям, а не вычислимой модели, которая состоит не только из уравнений (граничных условий, сеток и т. д.). Различие между DSL и языком реализации сделано для удобства записи, а не для разделения задач.Эту характеристику разделяют и другие известные мне научные DSL. Эти DSL имеют целью облегчить технически наиболее сложную часть кодирования науки в компьютерной программе, но они явно делают это в контексте разработки инструментов.

    Фруктовый сад и рис 29 предлагает «повестку дня исследований языков программирования» в вычислительной науке, которая затрагивает многие темы, обсуждаемые здесь, с точки зрения исследований языков программирования. Их повестка дня представляет собой продолжение подхода DSL, описанного в последнем абзаце.Авторы особенно настаивают на разделении проблем между научными моделями и деталями реализации программного обеспечения и предлагают путь развития существующего научного программного обеспечения. Их статья содержит много ссылок на предыдущие работы, представляющие интерес.

    Мюррей-Раст и «Воспроизводимый декларатрон» Мюррея-Раста 30 предлагает и реализует идеи, во многом схожие с тем, что я изложил в этой статье. Их подход основан на долгосрочных усилиях по повышению точности и в то же время машиночитаемости научных документов за счет добавления семантической разметки.Например, в текстовом предложении «эксперимент проводился при температуре 21 градус» спецификация температуры будет заменена элементами XML, указывающими тип величины (температура), значение (21) и единицу измерения ( градусов Цельсия), причем каждая часть имеет четко определенное значение, записанное в словаре. «Воспроизводимый декларатрон» добавляет к этой структуре вычисления, применяя принцип, согласно которому формулы и алгоритмы являются данными. Авторы не делают явного различия между вычислимыми моделями и вычислительными инструментами.Они проводят различие между «формулой» и «вычислением», которое для обсуждаемых ими примеров очень похоже на различие между моделью и инструментом, но ограничено моделями, полученными из математических уравнений. Выдающейся особенностью их подхода является то, что он переносит формулы и вычисления из вычислительных инструментов в научные публикации.

    Наконец-то моя собственная проект ActivePapers 31 обеспечивает основу для вычислительной науки, которая делает первый шаг в направлении, которое я отстаиваю в этой статье: он смещает акцент с выполнения вычислений на публикацию вычислительных методов и результатов.ActivePaper — это публикуемый и цитируемый пакет наборов данных, включая исполняемые коды в качестве другого типа данных. Каждый набор данных в опубликованном ActivePaper имеет автоматически разрешаемую ссылку. Кроме того, структура была специально разработана для включения преобразования кода и генерации кода. Однако подходящие языки моделей для предметной области и инструменты, которые работают с ними, еще предстоит разработать.

    Заключение

    В предыдущих разделах я объяснил, что (1) то, как мы в настоящее время реализуем и публикуем вычислительную науку, неудовлетворительно и что (2) мы можем и должны улучшать наши отношения и технологии.Описанная мной ситуация является признаком отсутствия обмена между естественными науками и исследованиями в области информатики. Современные ученые-вычислители рассматривают информатику как инженерную дисциплину, которая дает им все больше возможностей для обработки чисел. Их собственное обучение вычислительным методам обычно ограничивается практической работой с программными инструментами. С другой стороны забора ученые-компьютерщики считают научные вычисления почти синонимом высокопроизводительных вычислений.

    В прошлые века большой прогресс в науке был обусловлен взаимодействием между математикой и физикой в ​​области исследований, которая сейчас называется «математической физикой». Его проводили ученые, которые были одновременно прикладными математиками и математически мыслящими физиками. Наука в 21 веке выиграла бы от подобного подхода на стыке вычислений и теоретической науки. Ученые-вычислители обнаружат, что компьютеры — это не только удобные рабы, которым они могут переложить трудоемкие вычисления, но и инструменты, которые могут улучшить наше понимание научных моделей.Ученые-компьютерщики узнают, как вычисления играют фундаментальную роль в наших усилиях по пониманию природных явлений.

    Благодарности

    Автор хотел бы поблагодарить Доминика Орчарда за комментарии к проекту этой статьи.

    Примечания

    v2; статус ссылки: проиндексирован

    Заявление о финансировании

    Автор(ы) заявили, что для поддержки этой работы не привлекались гранты.

    Ссылки

    3. Joppa LN, McInerny G, Harper R, et al.: Вычислительная наука. Тревожные тенденции в использовании научного программного обеспечения. Наука. 2013;340(6134):814–815 10.1126/science.1231535 [PubMed] [CrossRef] [Google Scholar]4. Стодден В: Воспроизводимые исследования: инструменты и стратегии научных вычислений. Инженер по вычислительной технике. 2012;14(4):11–12 10.1109/MCSE.2012.82 [CrossRef] [Google Scholar]8. Фригг Р., Хартманн С.: Модели в науке. В Стэнфордская философская энциклопедия (осеннее издание 2012 г.) EN Zalta, Ed.2012. Справочный источник [Google Scholar]9.Хестенес Д: Примечания к теории моделирования. В Материалы конференции GIREP 2006 г.: Моделирование в физике и физическом образовании , Э. ван ден Берг, А. Эллермейер и О. Слоотен, ред. 2006 г. Справочный источник [Google Scholar] 10. Хестенес Д: Моделирование игр в ньютоновском мире. Am J Phys. 1992; 60 (8): 732–748 10.1119/1.17080 [CrossRef] [Google Scholar] 13. Мармарас Б., Ван Дж.Дж.: Моделирование и визуализация систем с несколькими телами и дифференциальной прецессии Меркурия. Инженер по вычислительной технике. 2014;16(1):42–50 10.1109/MCSE.2013.73 [CrossRef] [Google Scholar]14. Доуек Г: Les métamorphoses du calcul: une étonnante histoire de mathématiques. Париж: Édition Le Pommier.2007. Справочный источник [Google Scholar] 16. Сассман Г.Дж., Уиздом Дж.: Роль программирования в формулировании идей. Лаборатория искусственного интеллекта Массачусетского технологического института, тех. Отчет AIM-2002–018.2002. Справочный источник [Google Scholar] 17. Мэйрсон Х.Г.: Функциональная геометрия и Traté de Lutherie: Функциональная жемчужина. В Материалы 18-й Международной конференции ACM SIGPLAN по функциональному программированию сер.ICFP ’13. Нью-Йорк, штат Нью-Йорк, США: ACM.2013;123–132. 10.1145/2544174.2500617 [CrossRef] [Google Scholar] 18. Бэкус Дж. В., Бибер Р. Дж., Бест С. и др. : Система автоматического кодирования Fortran. В Документы, представленные на Западной совместной компьютерной конференции 26–28 февраля 1957 г .: методы обеспечения надежности , сер. IRE-AIEE-ACM ’57 (западный). Нью-Йорк, штат Нью-Йорк, США: ACM.1957;188–198. 10.1145/1455567.1455599 [CrossRef] [Google Scholar] 19. Маккарти Дж.: Рекурсивные функции символьных выражений и их машинное вычисление, часть I. Коммунальный АКМ. 1960;3(4):184–195 10.1145/367177.367199 [CrossRef] [Google Scholar]23. Болдо С., Журдан Дж. Х., Лерой Х. и др. : Формально проверенный компилятор C, поддерживающий арифметику с плавающей запятой. В ARITH, 21-й Международный симпозиум IEEE по компьютерной арифметике IEEE Computer Society Press.2013;107–115 10.1109/ARITH.2013.30 [CrossRef] [Google Scholar]24. Ионеску К., Янссон П.: Тестирование и проверка в исследованиях воздействия на климат. В 18-й Международный семинар по типам для доказательств и программ (TYPES 2011) , сер.Международные труды Лейбница по информатике (LIPIcs), Н. А. Даниэльссон и Б. Нордстрем, ред., том. 19. Дагштуль, Германия: Schloss Dagstuhl–Leibniz-Zentrum fuer Informatik.2013;41–54. 10.4230/LIPIcs.TYPES.2011.41 [CrossRef] [Google Scholar]25. 754-2008 — стандарт IEEE для арифметики с плавающей запятой. 10.1109/IEEEESTD.2008.4610935 [CrossRef] [Google Scholar]27. Шмидт, округ Колумбия: Введение приглашенного редактора: проектирование на основе моделей. Компьютер. 2006;39(2):25–31 10.1109/MC.2006.58 [CrossRef] [Google Scholar]28.Логг А., Мардал К.А., Уэллс Г.: Автоматизированное решение дифференциальных уравнений методом конечных элементов. сер. Конспект лекций по вычислительной науке и технике.2012; 84 10.1007/978-3-642-23099-8 [CrossRef] [Google Scholar]29. Сад D, рис A: Повестка дня вычислительной науки для исследования языков программирования. В Международная конференция по вычислительной технике , 2014. Справочный источник [Google Scholar] 30. Мюррей Раст П., Мюррей Раст Д.: Воспроизводимая физическая наука и декларатрон.В Реализация воспроизводимых исследований , В. Стодден, Ф. Лейш и Р. Д. Пэн, ред. Чепмен и Холл/CRC.2014. Справочный источник [Google Scholar] 31. Хинсен К: Модель данных и кода для воспроизводимых исследований и исполняемых документов. Профессиональные компьютерные науки. 2011; 4: 579–588 10.1016/j.procs.2011.04.061 [CrossRef] [Google Scholar]

    Теория | College of Computing

    Откройте для себя теоретические основы, лежащие в основе широкого спектра вычислительных дисциплин.

    Тема «Теория» — это вычислительные модели и вопросы масштабирования.Теория количественно определяет в математических терминах эффективность решения проблем по мере увеличения размера экземпляров проблемы.

    В потоке «Теория» учащиеся изучают абстракции универсальных вычислительных моделей, классы сложности, к которым относятся многие естественные проблемы, и абстрактные методы для разработки эффективных алгоритмов и анализа производительности алгоритмов. Ранняя подготовка включает в себя введение в программирование, дискретную математику, методы доказательства, алгоритмы и сложность. Студент, изучающий тему «Теория», в конечном итоге научится формально оценивать и повышать производительность либо в теоретической информатике, либо в прикладной области информатики, либо в другой науке с явным вычислительным компонентом (например, в вычислительной биологии, физике, экономике, математика, оптимизация и др.).

    Учащийся может сочетать теорию с информационными сетями для повышения и количественной оценки производительности сетей или баз данных или обеспечения безопасности и криптографии, или с системами и архитектурой для разработки языков программирования или создания доказуемо эффективных систем и программного обеспечения, или с моделированием и моделированием для решения, с проверенной строгостью, широкий спектр реальных крупномасштабных задач. Учащийся, изучающий теорию, может комбинировать ее с любым другим потоком и улучшать эти навыки с помощью глубокого количественного понимания производительности объектов, изучаемых в другом потоке.Кроме того, в любой рабочей среде, связанной с приложениями, от научно-исследовательской или опытно-конструкторской лаборатории до консалтинговой фирмы или фондового рынка, умение разрабатывать инструменты, формально рассуждать о них и количественно оценивать производительность — это навык, который значительно увеличивает жизненную силу.

    Студент, изучающий теорию в Технологическом институте Джорджии, также является отличным кандидатом на степень доктора философии. в теоретической информатике.

    Теоретическая информатика Ягеллонского университета

    Информация, вычисления и логика определяют концепции современной эпохи.Шеннон заложил основы теории информации, продемонстрировав, что проблемы коммуникации и сжатия могут быть точно смоделированы, сформулированы и проанализированы. Формализованные вычисления Тьюринга определяются как преобразование информации с помощью алгоритмов. Гедель заложил основу современной логики, заложив основы современной информатики и науки об информации.

    Первоначально внимание Шеннона было сосредоточено на восстановлении данных при сжатии и передаче, но информация не просто передается, она также приобретается, представляется, выводится, обрабатывается, агрегируется, управляется, оценивается, защищается и вычисляется.Вычислительная информация исследует те свойства информации, которые можно реально извлечь. Существование объекта имеет ограниченную полезность, если ни один разумный алгоритм не может доказуемо сгенерировать такой объект. Невыполнимость может возникнуть по ряду различных причин: требуемую информацию может быть трудно извлечь с вычислительной точки зрения; информация может быть распределена географически и не может быть извлечена локально; или информация может быть закодирована (квантовыми) физическими способами, которые препятствуют полному извлечению.В отличие от классической теории информации, где в большинстве случаев можно установить точные количественные пределы, в вычислительной среде информация не является качественной, с экспоненциальным разрывом между верхней и нижней границами количества реально извлекаемой информации.

    Мы должны добавить логики в эту парадигму. По своей сути, логика — это изучение последствий. Основная интуиция, мотивирующая включение логики в информацию, заключается в том, что информационное состояние может характеризоваться диапазоном возможностей или конфигураций, совместимых с информацией, доступной в этом состоянии.Но логика может ограничивать диапазон возможностей, напрямую влияя только на информацию. Более того, «необычная эффективность логики в компьютерных науках», от дескриптивной сложности до теории типов (включая однозначную аксиому Воеводского) и рассуждений о знании, замыкает петлю от логики к информации и вычислениям. Понимание того, как использовать его для углубления связи с теорией информации, остается открытым вопросом.

    Есть много вопросов, на которые очень мало удовлетворительных ответов: Есть ли способ объяснить значение или семантику информации? Можем ли мы построить теорию информации, инвариантную к представлению? Что такое дезинформация?

     

    Подробности: https://www.soihub.org/krakow/

    Дискретная математика и теоретическая информатика


    1. Ожидаемый размер дерева в лесу с фиксированной точкой

    Сэмюэл Риган ; Эрик Сливкен.
    Мы изучаем локальный предел леса с фиксированной точкой, древовидную структуру связан с простым алгоритмом сортировки по перестановкам.\mathbb{N}$. Мы обобщаем это случайное дерева и вычислить ожидаемый размер и ожидаемое количество листьев случайного корневое поддерево в обобщенном варианте. Мы также получаем оценки на отклонение размера.

    2. Код для квадратных перестановок и выпуклых перестановок

    Энрика Дучи.
    В этой статье мы рассматриваем квадратные перестановки, естественный подкласс перестановки, определенные в терминах геометрических условий, которые также могут быть описывается в терминах шаблона, избегающего перестановок, и выпуклых перестановок, родственный подкласс полимино.Хотя эти два класса объектов возникли независимо друг от друга в различных контекстах они играют естественную роль в описании некоторых случайных горизонтально и вертикально выпуклых сеточных конфигураций. Мы предлагаем общий подход к перечислению этих двух классов объектов, что позволяет объяснить известную распространенную форму их порождения функций, а также для получения новых уточненных формул и генерации случайных чисел с линейным временем алгоритмы для этих объектов и связанных с ними конфигураций сетки.

    3.Перечисление классов сверхсильной вильфовской эквивалентности перестановок в обобщенный факторный порядок

    Иоаннис Михос; Кристина Саввиду.
    Суперсильные классы эквивалентности Вильфа симметрической группы ${\mathcal S}_n$ на $n$ букв, относительно обобщенного порядка множителей, были показаны как Хаджилукас, Михос и Саввиду (2018) находятся в биекции с пирамидальным последовательности последовательных различий.В этой статье мы перечислим последние давая рекурсивные формулы в терминах двумерного аналога неинтервальные перестановки. В качестве побочного продукта мы получаем рекурсивно определенный набор представителей суперсильных классов эквивалентности Вильфа в ${\mathcal S}_n$. Мы также устанавливаем связь между сверхсильной эквивалентностью Вильфа и геометрическое понятие эквивалентности сдвигов, первоначально определенное Фидлером, Glasscock, Miceli, Pantone, and Xu (2018) для слов, показывая, что альтернативный способ охарактеризовать сверхсильную эквивалентность Вильфа для перестановок: сохраняя только жесткие сдвиги в определении эквивалентности сдвигов.Этот позволяет нам полностью описать классы сдвиговой эквивалентности для перестановок размера $n$ и перечислить их, отвечая на соответствующую задачу, поставленную Фидлером, Гласскок, Микели, Пантоне и Сюй (2018 г.).

    Раздел: Шаблоны перестановок


    4. Классические распределения закономерностей в $\mathcal{S}_{n}(132)$ и $\mathcal{S}_{n}(123)$

    Дунь Цю; Джеффри Реммель.
    Избегание и появление классических паттернов хорошо изучено в симметричных группа $\mathcal{S}_{n}$. В этой статье мы обеспечиваем явное повторение отношения к производящим функциям, считающим номер классического узора вхождение в набор 132-избегающих перестановок и множество 123-избегающих перестановок перестановки.

    Раздел: Шаблоны перестановок


    5.О количестве стопок блинов, требующих сортировки четырех переворотов

    Сауль А. Бланко ; Чарльз Бюрле; Акшай Патидар.
    Использование существующих результатов классификации для 7- и 8-циклов в блине график, мы определяем количество перестановок, которые требуют 4 флипов блина (развороты префикса) для сортировки. Аналогичная характеристика 8-циклов в график подгоревших блинов, по мнению авторов, используется для вывода формулы для количество перестановок со знаком, требующих 4 (сгоревших) флипов блина отсортировано.Кроме того, мы даем аналогичную характеристику 9-циклов в график сгоревших блинов. Наконец, мы представляем численные доказательства того, что полиномиальное существуют формулы, дающие количество знаковых перестановок, требующих $k$ флипов для сортировки с $5\leq k\leq9$.

    6. Последовательные паттерны в инверсионных последовательностях

    Хуан С.Аули; Сержи Элизальде.
    Инверсионная последовательность длины $n$ — это целочисленная последовательность $e=e_{1}e_{2}\dots e_{n}$ такое, что $0\leq e_{i}

    7.Классы Uniquely-Wilf

    Майкл Альберт ; Джин Ли.
    Две перестановки в классе эквивалентны Уилфу, если для каждого размера $n$ число перестановок в классе размера $n$, содержащем каждую из них, есть такой же. Те бесконечные классы, которые имеют только один класс эквивалентности в каждом размере для этого отношения характеризуются при условии, что они избегают, по крайней мере, одна перестановка размера 3 или по крайней мере три перестановки размера 4.

    8. Циклические перестановки, избегающие пар шаблонов длины три

    Миклош Бона; Майкл Кори.
    Завершим перечисление циклических перестановок, избегая двух шаблонов длина три каждая, предоставляя явные формулы для всех, кроме одной из пар для которых таких формул не было известно.Пара $(123,231)$ оказывается самая сложная из этих пар. Мы также доказываем нижнюю границу скорости роста числа циклических перестановок, избегающих одного шаблона $q$, где $q$ является элементом некоторого бесконечного семейства паттернов.

    Раздел: Шаблоны перестановок


    9.Неразрешимость совместного вложения и совместного гомоморфизма для наследственные классы графов

    Сэмюэл Браунфельд.
    Докажем, что свойство совместного вложения неразрешимо для наследственных классы графов, путем сокращения проблемы мозаики. Доказательство тогда адаптирован, чтобы показать также неразрешимость свойства совместного гомоморфизма.

    10.Продуктивные композиции

    Мюррей Таннок ; Майкл Альберт.
    При каких обстоятельствах каждое расширение комбинаторной структуры может содержать больше копий другого, чем оригинал? Это свойство, которое мы называем плодовитостью, в некоторых случаях выполняется универсально (например, конечная линейная порядках) и только тривиально в других (например, перестановках). Целое число композиции или эквивалентные многоуровневые перестановки обеспечивают золотую середину.В в этой обстановке есть плодовитые композиции для данного паттерна тогда и только тогда, когда если этот шаблон начинается и заканчивается на 1. Для каждого шаблона существует легко построенный автомат, который распознает продуктивные композиции для этого шаблона. Некоторые случаи, когда существует уникальная минимально плодовитая композиция для шаблон классифицируются.

    Раздел: Шаблоны перестановок


    11.Статистика линейных хордовых диаграмм

    Найоми Т. Кэмерон ; Кендра Киллпатрик.
    Линейные хордовые диаграммы — это разбиение $\left[2n\right]$ на $n$ блоков размер два называется аккордами. Назовем блок вида $\{i,i+1\}$ коротким аккорд. В данной работе мы изучаем распределение числа коротких хорд на множестве линейных хордовых диаграмм как обобщение схемы Нараяны распределение, полученное при ограничении набором непересекающихся линейных хорд диаграммы.Мы приводим комбинаторное доказательство того, что это распределение является унимодальным. и имеет ожидаемое значение, равное единице. Мы также изучаем количество пар $(i,i+1)$ где $i$ — минимальный элемент хорды, а $i+1$ — максимальный элемент хорды. аккорд. Покажем, что распределение этой статистики на линейной хорде диаграммы соответствует треугольнику Эйлера второго порядка и является логарифмически вогнутым.

    Может ли компьютер разработать теорию всего?

    «Ко времени, когда А.И. возвращается и говорит вам, что мы достигли искусственного всеобщего интеллекта, и вы должны быть очень напуганы или очень взволнованы, в зависимости от вашей точки зрения», — сказал доктор Тегмарк. «Честно говоря, причина, по которой я работаю над этим, заключается в том, что я нахожу наиболее угрожающим, если мы создадим сверхмощный ИИ. и понятия не имеешь, как это работает — верно?»

    «Диалог между человеком и машиной»

    Доктор Талер, который руководит новым институтом в Массачусетском технологическом институте, сказал, что когда-то он был скептиком в отношении искусственного интеллекта, но теперь стал евангелистом.Он понял, что как физик он может закодировать часть своих знаний в машину, которая затем будет давать ответы, которые ему будет легче интерпретировать.

    «Это становится более захватывающим диалогом между человеком и машиной, — сказал он, — вместо того, чтобы просто иметь черный ящик, который вы не понимаете и принимает решения за вас».

    Он добавил: «Мне не особенно нравится называть эти методы «искусственным интеллектом», поскольку этот язык маскирует тот факт, что многие А.I. методы имеют прочную основу в математике, статистике и информатике».

    Да, отметил он, машина может найти гораздо лучшие решения, чем он, несмотря на всю его подготовку: «Но в конечном счете я все равно решаю, какие конкретные цели стоит достигать, и я могу стремиться к еще более амбициозным целям, зная, что, если я смогу четко определить свои цели на языке, понятном компьютеру, тогда ИИ может предоставить эффективные решения».

    Недавно доктор Талер и его коллеги снабдили свою нейронную сеть массивом данных с Большого адронного коллайдера, который сталкивает протоны в поисках новых частиц и взаимодействий.Протоны, строительные блоки атомной материи, сами по себе являются мешками с меньшими сущностями, называемыми кварками и глюонами. Когда протоны сталкиваются, эти более мелкие частицы выбрасываются струями вместе с любыми другими экзотическими частицами, образовавшимися за счет энергии столкновения. Чтобы лучше понять этот процесс, он и его команда попросили систему различать кварки и глюоны в данных коллайдера.

    «Мы сказали: «Я не собираюсь вам ничего рассказывать о квантовой теории поля; Я не собираюсь рассказывать вам, что такое кварк или глюон на фундаментальном уровне», — сказал он.

    Leave a comment