Frof. Ryszard S. Michalski o naturze uczenia się
dakiyczny do nauki języka A D A / S M
Analizator-łesłer protokołów
N r 2
M ie się c z n ik R o k X X I I I
Luty 1988
Organ Komitetu
Naukowo-Technicznego NOT ds. Informatyki
K O L E G IU M R E D A K C Y J N E :
M g r J a r o s ł a w D E M IN E T , d r in ż . W a c ła w IŚ Z K O W S K I, m g r T e r e s a J A B Ł O Ń S K A ( s e k r e t a r z r e d a k c j i ) , W ła d y s ł a w K L E P A C Z ( r e d a k t o r n a c z e l n y ) , d r i n ż . M a r e k M A C IIU R A , d r in ż . W i k t o r R Z E C Z K O W S K I, m g r in ż , J a n R Y Z K O ,
m g r H a n n a W Ł O D A R S K A , d r in ż . J a n u s z Z A L E W S K I (z a s tę p c a r e d a k t o r a n a c z e ln e g o ) .
P R Z E W O D N IC Z Ą C Y R A D Y P R O G R A M O W E J :
P r o f . d r b a b . J u l i u s z L e ę b K U L IK O W S K I
M a te r i a łó w n ie z a m ó w i o n y c h r e d a k c j a n ie z w r a c a
R e d a k c j a : 01-517 W a r s z a w a , u l. M ic k i e w ic z a 18 m . 17, te ł . 39-14-34
Z a k ł . G r a f . „ T a m k a ” . Z a m . 1033-1300/87.
O b j. 4,0 a r k . d r u k . N a k ła d . 8650 e g z . U-23.
IS S N 0542-9951. IN D E K S 36124
C e n a e g z e m p l a r z a 200 zł P r e n u m e r a t a r o c z n a 2400 zł
WYDAWNICTWO
SIGMA
00-950 Warszawo skrytka poczlowa 1004
u l Biała 4
jt 1988
W NUMERZE: S tr.
Ję zy k i obiektow e (2)
A ntoni K reczm ar 1
O n a tu rz e uczenia się — problem y i k ie ru n k i badaw cze (1)
R yszard S. M ichalski 4
S ystem d y daktyczny do n a u k i języka ADA/SM
K a ta rzyn a L u b iń sk a 8
S tru k tu ra system u operacyjnego PC-D O S (5)
oprać. A n n a S y fe r t, A n d rze j R a zn o w iecki 10 M onitor ek ran o w y ■ M azovii 1016
R obert Jaw o rski, K r z y s z to f P łow ieć 13
Język C. S k o jarze n ia p a ra m e tró w z arg u m e n tam i
J a n B ielecki 16
M ikrokom puterow y a n a liz a to r-te s te r protokołów
Z b ig n iew F ryźlew icz 17
Im p le m en ta cja d ed u k cy jn ej bazy dan y ch H olm es (1)
M ichał K irp lu k , P iotr S o b o le w sk i 20
ZE ŚWIATA 23
W p racow niach IBM
P asc al n a m ik ro k o m p u tery IBM PC P ro je k t k o m p u teró w p ią te j g en e racji
TERMINOLOGIA 31
Czy m ożna lekcew ażyć n iech lu jstw o językow e?
* -- ■ ’ s#*
W N A J B L I Ż S Z Y C H N U M E R A C H :
e M a c ie j M . S y s ło o m a w i a w y b r a n e m e t o d y r o z w i ą z y w a n i a t r z e c h p r o b l e m ó w k o m b i n a t o r y c z n y c h : p l e c a k o w e g o , k o l o r o w a n i a g r a f u d r z e w a r o z p i n a j ą c e g o w s ie c i.
p r z y k ł a d o w y c h i n a j k r ó t s z e g o
O A r t u r K r ę p s k j i n a u g u r u j e c y k l t r z e c h a r t y k u ł ó w n a t e m a t s y s t e m u p r o g r a m o w a n i a S m a llta lk - 8 0 , p r e z e n t u j e z a s a d n i c z e c e c h y s y s t e m u i d ą ż y d o j e g o s p o p u l a r y z o w a n i a w P o ls c e .
O J a n B i e l e c k i o p i s u j e w y b r a n e e l e m e n t y A N S I j ę z y k a C.
9 A n d r z e j W a r d a p r z e d s t a w i a s z c z e g ó ł o w y o p is p a m i ę c i d y s k o w y c h M a z o v ii 1016.
• D o r o t a I n k i e l m a n p r e z e n t u j e k o m p u t e r o w y k u r s j ę z y k a A d a d la r ó w IB M P C , o p r a c o w a n y p r z e z f i r m y A ls y s i C a s s ie .
m i k r o k o m p u t e -
O J a r o s ł a w D e m i n e t p r z e d s t a w i a D o m H a n d l o w y N a u k i , o p i s u j e z m i e r z a j ą c e d o z a k u p u m i k r o k o m p u t e r ó w k l a s y IB M P C z D a l e k i e g
j e g o d z i a ł a n i a o W s c h o d u .
Języki obiektowe (2)
ANTONI KRECZMAR Instytut Informatyki Uniwersytet' Warszawski
P O L S K IE T O W A R Z Y S T W O IN F O R M A T Y C Z N E
W d rugiej części a rty k u łu om ówiono dziedziczenie jedno- i w ielopoziom owe, dalsze w łaściw ości k la s oraz różnice m iędzy dziedziczeniem a zagnieżdżaniem :
DZIEDZICZENIE
T ak ja k k la sy i obiekty, dziedziczenie w y s tę p u je ' we w szystkich języ k ach obiektow ych. J e s t to niezw ykle w ażne i ciekaw e n arzędzie. P ozw ala tw o rzy ć h ie ra rc h ię k las (a w ięc h ie ra rc h ię w św iecie wzorców). T ak a h ie ra rc h ia ze św iata w zorców przenosi się au tom atycznie n a h ie ra rc h ię w św iecie obiektów .
Rozpocznę — ja k poprzednio — od przykładu. N iech po
niższa k la sa re p re z e n tu je w zorzec dla typu pojazd:
vehicle :class d e a d -w e ig h t:rc a l;
end vehicle;
Jeżeli należałoby rozw inąć tę k la sę w n a tu ra ln y sposób n a k lasy ’’c a r”, "sh ip ”, ’’ta n k ” itp., nie trzeb a p ow tarzać w każdym z tych w zorców za każdym razem a try b u tó w klasy ’’veh icle”. W ystarczy skorzystać w łaśn ie z dziedzicze
nia. K lasy ’’c a r”, ’’sh ip ” i ’’ta n k ” m ogą dziedziczyć w szyst
kie cechy k lasy .’’veh icle”. P rzykładow o, definicje tych klas m ogą w y glądać n astęp u jąco :
car of v ehicle:class (licence~ num ber:integer);
end car;
ship of vehicle :class d isp lacem en t:in tcg er;
end ship;
ta n k of vehicle:class c re w -siz e:in teg c r;
end tan k ;
Można ta k postępow ać dalej, ro zbudow ując m ianow icie k la sę "c a r” n a k la sy ’’b u s”, ’’lo rry ”, ”p a s s e n g e r-c a r” :
bus of car:class seats :integer;
end bus;
lo rry of ca r ¡class capacity:real;
end lo rry ;
p a s se n g e r-c a r of car:class (b ra n d :te x t);
end p a s se n g e r-c a r;
vehicle
R y s. 1. H i e r a r c h i a u t w o r z o n y c h k l a s
P oniew aż cała h ie ra rc h ia tro ch ę się .skom plikow ała, w a r
to podsum ow ać, ja k ie a try b u ty m a ją poszczególne k lasy (rys. 1 — strz a łk i ilu s tru ją k ie ru n e k dziedziczenia). J a k w idać na ry su n k u , a try b u ty są dziedziczone i nie m a po
trzeby pow tarzać ich d efinicji w k lasie dziedziczącej. O- biekty k la s dziedzicznych g en e ru je się w ta k i sposób, ja k
I n f o r m a t y k a n r 2, 1088
obiekty klas zw ykłych. P rzypuśćm y, że istn ie ją n a s tę p u ją ce d ek larac je:
T _32:tank, M ercedes-B enz:bus, F o rd :p a sse n g er_ ca r;
W ówczas m ożna utw orzyć o biekty oraz określić ich a try b u ty w sposób n astęp u jący :
T -3 2 := n e w tan k , T -3 2 .d ea d _ w eig h t:= 1 0 -0 0 0 ; T -3 2 .ca r_ se iz e := 8 ;
M e rc ed e s_ B e n z:= n e w bus (19876);
M erced e s-B en z .d e ad _ w eig h t:=10-000; M ercedes_B enz.seats:= 89;
F o rd := n e w p a s s e n g e r-c a r (1111, ’’G ra n a d a ”);
J a k w iadom o k la sa może m ieć określone pew ne akcje.
Jeżeli k la sa dziedziczy k la sę z akcjam i, to ak c je te w y k o n u ją się w trak c ie g en ero w an ia ob iek tu k la sy przed w yko
n an iem ak c ji k lasy w łaściw ej. Je że li w yżej określone k lasy będą m ia ły pew ne a k c je (po p rzero b ien iu ich deklaracji):
v ehicle:class (d ead_w eight:real);
begin
if d e a d _ w e ig h t< 0 or d e a d -w e ig h t > 1.0E20 then
call a la rm end;fi;
bus of car:class (seats :integer);
p a s se n g e r-se a ts:in te g e r;
begin
p a s se n g e r_ se a ts:= se a ts—1;
end;
to w yk o n an ie in stru k c ji g en ero w an ia obiek tu ’’b u s” spo
w oduje, po p rze k aza n iu p ara m etró w , spraw dzenie, czy
’’dead w eig h t” sp ełn ia w a ru n k i brzegow e, a n astęp n ie — określenie w arto ści zm iennej ’’p assen g e r se a ts”:
M e rc e d e s-B e n z := n e w bus (10-000,19876,89);
R y s. 2. I l u s t r a c j a r ó ż n i c y m ię d z y d z i e d z i c z e n i e m i z a g n i e ż d ż a n i e m
Dziedziczenie je st fo rm ą s tr u k tu r a ln ą zupełnie inną niż zagnieżdżanie. Zagnieżdżenie k la sy B w k lasie A decy d u je o tym , że po g enerow aniu obiek tu k la sy A m ożna w yge
n erow ać w iele obiektów klasy B zależnych od tego w yge
nerow anego o biektu k lasy A (p. przy k ład y k la s y ’’dom ek”, gdzie g en e ru je się w iele obiektów k la sy ’’izb a”). Z dzie
dziczeniem je st cąłk iem inaczej. Je że li k la sa B dziedziczy k la sę A, to decyduje o tym , że k ażde w y generow anie o- b ie k tu k la sy B autom atycznie tw orzy stow arzyszony obiekt k la sy A tylko n a p otrzeby tego ob iek tu k la sy B. T w orze
n ie takiego o biektu je st autom atyczne i nie trze b a dla niego stosow ać oddzielnie in stru k c ji new (p. p rz y k ła d o sta t
ni). T ę różnicę m iędzy dziedziczeniem i zagnieżdżaniem zilustrow ano n a rys. 2.
1
KLASY I STRUKTURY DANYCH
J e d n ą z ciekaw szych w łaściw ości k la sy je st możliwość w yposażenia jej w a try b u ty p roceduralne. A try b u ty takie mogą być w yw oływ ane w obiektach k la sy w sposób zd al
ny. D aje to program iście narzędzie w yśm ienicie n ad a ją ce się do im plem entow ania s tru k tu r danych. M ożna to zilus
tro w ać o klepanym już przy k ład em stru k tu ry stosu:
p u sh -d o w n :c la ss (size¡integer);
s ta c k :a rra y [l:size] of object;
top:intcger;
push:proccdure (xiobject);
begin
if top > size then w rite ("stack o v erflow ”) else
stack [topj : = x ; t o p : = t o p + l fi
end push;
pop:function:object;
begin
if top < —1 th e n w rite (’’em p ty sta c k ”) else
to p := to p —1; n o p := s ta c k [top]
fl end pop;
begin to p : = l end p u sh -d o w n ;
K lasa ’’p u sh -d o w n ” m a tzw. pole zm iennych w spólnych, tj. tablicę ’’sta c k ” i zm ienną ’’top”, oraz dw ie p rocedury
’’p ush” i ’’pop”. P rocedury te działają n a w spólnym polu danych. Jeżeli utw orzy się obiekt klasy ’’p ush dow n” to m ożna w yw oływ ać w sposób zdalny obie p rocedury, uzysku
jąc zam ierzony efek t — tzn. m ożna w staw ić i w yjm ow ać z ta k utw orzonego stosu p otrzebne obiekty! Nie należy trosz
czyć się. przy tym o w ew n ętrz n ą s tru k tu rę tej klasy, gdyż zam knięta „w p u d le” użycza sw oich możliwości tylko przez „w ystaw ione na zew n ątrz” procedury. O biektów sto
su m ożna utw orzyć tyle, ile potrzeba w program ie, i każdy z nich będzie m iał sw oje niezależne w spólne pole danych:
sto re l, store2, store3: p u sh -d o w n ; o b i, ob2, ob3:object;
n.m :integcr:
s to r e l:—new p u sh -d o w n (1000):
sto re 2 := n e w push_dow n 200);
sto re 3 := n e w p u sh -d o w n (n + m );
sto rel.p u sh (o b l); store2.push(ob2);
ob3 := sto re2 .p o p ; store3.push(ob3);
Ze w zględu na specyfikę k o rzy sta n ia z a try b u tó w pro ceduralnych, w języku S m alltalk p rzyjęto dla nich n ie tra - dycyjną nazw ę, nazy w ając je m ianow icie m etodam i, w od
różnieniu od zm iennych, k tó re są zw ykłym i atry b u tam i.
K lasa w ra z z m etodam i d aje opis s tru k tu ry danych, a try b u ty n ie p ro c ed u raln e są n ato m iast pom ocniczym i jed n o st
kam i służącym i do praw idłow ego zrealizow ania operacji.
S tru k tu ry danych też m ogą tw orzyć hierarchię. W tw o
rzen iu ta k iej h ie ra rc h ii może być pom ocne dziedziczenie.
Jed n ak ż e nie w każdym języ k u obiektow ym w szystkie m o
żliwości dziedziczenia są jednakow o w ykorzystane. Ma to istotny w pływ w łaśnie n a tw orzenie h ie ra rc h ii s tr u k tu r da
nych. P o staram sie k ró tk o omówić te różnice.
DZIEDZICZENIE A ZAGNIEŻDŻANIE
J a k w spom niałem w poprzednich p u n k tach , dziedziczenie je st zupełnie in n ą form ą s tru k tu ra ln ą niż zagnieżdżanie.
Je d n ak ż e te dw ie form y m uszą jakoś w spółistnieć. N ieste
ty, n ie tru d n o je st w prow adzić do ję zy k a w iele k o n stru k cji, ale znacznie tru d n ie j je s t znaleźć d la nich w szystkich efek ty w n ą im plem entację. P onadto może się zdarzyć, że w prow adzone bardzo sw obodne pom ysły nie d a ją jednolitej, niesprzecznej sem antyki — a to ju ż m oże prow adzić do o- k ro p n y ch nieszczęść. Z dziedziczeniem m am y w łaśnie ta k ą sytuację. J a k w tych c z te re c h języ k ach obiektow ych w y
brn ięto z pow yższych kłopotów ?
. W języKu Sim ula-67 je st zagnieżdżanie i dziedziczenie.
Je d n ak ż e n a dziedziczenie, w łaśnie ze w zględów im plem en
tacyjnych, nałożono w iele ograniczeń. N ajisto tn iejszy do
tyczy zw iązku m iędzy poziom em zagnieżdżenia w k lasie
dziedziczącej i dziedziczonej. Otóż definicja języ k a m ówi, że poziom zagnieżdżenia obu tych k la s m usi być te n sani, tzn. k la sa z „płytszego” poziom u zagnieżdżenia n ie może być dziedziczona w „głębszym ” poziom ie zagnieżdżenia, jak k o lw iek je st w idoczna. T akie dziedziczenie nazyw a się jednopoziom owym . N a ' rys. 3 zilustrow ano sytu ację, gdy dziedziczenie nie spełnia takiego w aru n k u .
R y s . 3. N i e d o p u s z c z a l n e d z ie d z ic z e n i e k l a s w S im u li-6 7
K lasa A re p re z e n tu je s tru k tu rę danych d ziałającą n a o b iektach klasy B, zagnieżdżonej w k lasie A (jest to do
syć typow a sytuacja). K lasa C je s t rozszerzeniem k la sy A, a w ięc ją dziedziczy. K lasy E i F są rozszerzeniem klasy B, zatem ją dziedziczą. N atom iast ze w zględów org an iza
cyjnych, w klasie. C należy pow iązać ze sobą k lasy E i, F przez zagnieżdżenie ich w pom ocniczej k la sie (lub proce
durze) D. Podobnie należy p ostąpić z k lasam i H 1 I, za
gnieżdżonym i w k la sie G. W ówczas poziom k la sy B m usi być in n y niż poziom k las E, F, H oraz I, gdyż m iędzy tym i poziom am i m usi w ystąpić poziom klas D i G.
W Sim uli-67 je st jeszcze in n e n iep rzy jem n e ograniczenie.
M ir-nowicie klasa, w k tó rej zagnieżdżono in n ą klasę, nie m oże być używ ana bezpośrednio do tw orzenia obiektów , a ' jed y n ie jako pom ocnicza klasa, k tó rą m ożna dziedziczyć w bloku (nie będę tego technicznego zjaw isk a szerzej w y
jaśniać, bo to nie m a w iększego teoretycznego znaczenia).
K o n stru k cja , k tó rą przedstaw iono n a sam ym początku, z
’’dom kiem ” w k tó ry m zagnieżdżono ’’k u ch n ię”, nie jest v e rb a tim w y ra ż a ln a w Sim uli.
W języku S m alltalk m ożna zagnieżdżać jed y n ie pro ced u ry i fu n k cje (czyli m etody). Ję zy k m a s tr u k tu rę p ła sk ą — są k lasy i dziedziczenie, nie m a n ato m ia st możliwości za
gnieżdżenia klas.
W języku L oglan zniesiono ograniczenie Sim uli, zarów no dotyczące jednopoziom owości dziedziczenia, ja k rów nież o- graniczonej używ alności klasy, w k tó rej zagnieżdżono inną klasę. W szystkie możliwości dziedziczenia i zagnieżdżenia są w ykorzystane.
Ję zy k P a ra g o n idzie jeszcze dalej. D ziedziczenie p rze d sta
w iano dotąd jako form ę stru k tu ra ln ą pozw alającą n a k o le j
n e rozszerzenia klasy, a w ięc N definiow ana k la sa dziedzi
czyła bezpośrednio co najw y żej je d n ą klasę. Oczywiście, k la sa dziedziczona może być także klasą dziedziczącą, nie
m niej w jed n y m k ro k u dziedziczenia zakładano istnienie tylko jednego przodka. M ożna w yobrazić sobie bard ziej u n iw ersa ln ą form ę s tru k tu ra ln ą , pozw alającą n a dziedzicze
n ie jednoczesne w ielu klas — ta k i m echanizm dopuszcza P aragon.
A by zilustrow ać ta k i sposób dziedziczenia, w rócę do p rzy k ła d u dotyczącego klasy ’’v ehicle”. Otóż w p rzykładzie tym w y stę p u ją klasy: ’’veh icle”, ’’c a r”, ’’sh ip ”, ’’ta n k ” itd.
K lasy ’’c a r”, ’’sh ip ” i ’’ta n k ” dziedziczą ’’v ehicle”. P rz y puśćm y, że należy w prow adzić k la sę dziedziczącą ’’sh ip ” i . ’’ta n k ”, np.:
m o n ito r of ship, ta n k :class cannon:integer;
end monitor;
W k lasie ’’m o n ito r” k la sa ’’veh icle” je s t dziedziczona d w u
k rotnie, raz za pośrednictw em ’’sh ip ”, a d rugi ra z za po
śred n ictw em ’’ta n k ”. A zatem ob iek t tej klasy może posia
dać dw a raz y pole danych- k lasy "vehicle”, ale nie musi.
S p ra w a pozostaje do dyspozycji p ro je k ta n ta języka. W i
dać w ięc pew ne niejednoznaczności w sem antyce języka, k tó re m uszą być rozstrzygnięte. Z dru g iej strony, nie uprze
dzony użytkow nik może m ieć w ątpliw ości w zrozum ieniu ta k iej form y stru k tu ra ln e j. Co w ięcej, w y d a je się, że w pew nych sy tu a cjach w ygodniej byłoby m ieć sem an ty k ę z pow tarzaln y m polem danych, a czasem z jednym .
A u to r ję zy k a P arag o n przy jął, z konieczności, se m an ty kę z jed n y m polem danych, jeżeli z pow odu dziedziczenia
I n f o r m a t y k a nr- 2, 1088
je d n a k la sa je st w ielo k ro tn ie dziedziczona. W prow adzone w P aragonie dziedziczenie nazy w a się um ow nie w ielodzie- dziczeniem, chociaż te n te rm in o bejm uje nie jed n ą, ale w szystkie dopuszczalne sem antyki.
D ziedziczenie w S im uli i S m alltalk u je st jednopoziom o
we. W L oglanie dziedziczenie dopuszcza wielopoziom owość.
W P arag o n ie istn ieje m ożliwość w ielodziedziczenia w ielopo
ziomowego. Nie m a tu m iejsca n a analizę trudności se
m antycznych, k tó re p o ja w iają się p rzy ta k skom plikow a
nych k o n stru k cjac h . J e s t to zadanie dla p ro je k ta n tó w ję
zyka i rea liza to ró w jego im plem entacji. T rzeba je d n a k za
znaczyć, że pojaw ien ie się języków obiektow ych, w ra z z różnym i fo rm am i dziedziczenia, stw orzyło now ą dziedzinę in fo rm aty k i, w k tó re j zarów no dośw iadczenie p raktyczne, ja k i zdolności teoretyczne o d g ry w a ją n ie b ag a teln ą rolę.
C zytelnik m ógłby zapytać, czy języki obiektow e i całe to o k ropne w ielodziedziczenie w ielopoziom ow e nie jest zbyt tru d n e w zw ykłym program ow aniu. W ydaje się, że nie pow inien m ieć tak ich obaw. K lasa, o biekt -i dziedziczenie są bardzo n a tu ra ln y m i pojęciam i i należy je rozum ieć w sposób n a tu ra ln y . D ziedziczenie w ielopoziom owe może być przez u żytkow nika n aw e t niedostrzeżone, bo polega n a tym , że w olno dziedziczyć to, co je st w idoczne — pow iedział
bym n a w e t p rzekornie, że dziedziczenie jednopoziom ow e po
w inno drażnić użytkow nika, bo dlaczego m a istnieć ta k ie dziw ne ograniczenie? W ielodziedziczenie je st też n a tu ra l
nym rozszerzeniem jednodziedziczenia i jeżeli użytkow nik nie n a tra fi ja k ie jś skom plikow anej p u ła p k i sem antycznej,
nie będzie się zastan aw iał, co m oże się k ry ć dziwnego za tym i pojęciam i.
M ądre używ anie języka obiektow ego przynosi użytkow ni
kow i w iele korzyści. O trzym uje się szybciej p ro d u k t szyb
ciej działający. Co w ięcej, um ożliw ia ono w elastyczny spo
sób dopasow anie św ia ta pojęć in form atycznych do św iata opisyw anego. Dziedziczenie u ła tw ia h ierarch izację. A na tym o piera się przecież w łaściw a org an izacja w szelkich system ów , także kom puterow ych.
L I T E R A T U R A
[1] B a r t o l W . M . e t a l . : R e p o r t o n t h e L o g l a n 82 p r o g r a m m i n g la n g u a g e . P W N , W a r s z a w a , 1984
[2] B a r t o l W . M ., K r e c z m a r A ., L l t w i n i u k A ., O k t a b a H . : S e m a n t i c s a n d i m p l e m e n t a t i o n of. p r e f i x i n g a t m a n y l e v e l s . L e c t u r e N o t e s i n C o m p u t e r S c i e n c e , V o l. 148, p p . 45— 80, 1980
[3] D a h l O . J . , M y h r a h a u s B ., N y g a a r d K .: C o m m o n b a s e l a n g u e . N o r w e g i a n C o m p u t e r C e n t r e , 1970
[4] I n g a l l s D .: T h e S m a l l t a l k 7G p r o g r a m m i n g s y s t e m d e s i g n a n d I m p l e m e n t a t i o n . P r o c . P O P L , p p . 9—16, 1978
[5] K r a u s e M ., K r e c z m a r A ., L a n g m a a c k H ., W a r p e c h o w s k i M .:
C o n c a t e n t i o n o i p r o g r a m m o d u le s , a n a l g e b r a i c a p p r o a c h t o t h e s e m a n t i c s a n d i m p l e m e n t a t i o n p r o b l e m s . L e c t u r e N o t e s i n C o m p u t e r S c i e n c e , V o l. 208, p p . 134—156, 1982
[6] S a l w i c k i A .: O n t h e a l g o r i t m i c t h e o r y o £ s t a c k s . L e c t u r e N o t e s i n C o m p u t e r S c i e n c e , V o l. 64, p p . 452—461, 1978
[7] S h e r m a n M . S .: P a r a g o n . L e c t u r e N o t e s i n C o m p u t e r S c ie n c e , V o l. 189, 1985
C e n y o g ł o s z e ń
O d 1 l i p c a 1S87 r . o b o w ią zu j.-) n a s t ę p u j ą c e c e n y m a t e r i a ł ó w r e k l a m o w y c h p u b l i k o w a n y c h n a l a m a c h IN F O R M A T Y K I:
O g ło s z e n ia
— o g ło s z e n ia c z a r n o - b i a ł e , a r t y k u ł y r e k l a m o w e i i n f o r m a c j e n a u k o w o - t e c h n i c z n e ( b i u l e t y n y ) z a l e ż n ie o d o b j ę t o ś c i : c a ł a s t r o n a — 50 t y s ., 3/4 s t r . — 45 t y s ., 2/3 s t r . — 40 t y s ., 1/2 s t r . —I
35 t y s ., 1/3 s t r . — 30 t y s ., 1/4 s t r . — 25 t y s ., 1/8 s t r . — 20 ty s ., p o n iż e j 1/8 s t r . — 200 zl za 1 c m !,
— o g ło s z e n ia d r o b n e ( z a le ż n ie o d l i c z b y s łó w ) J e d n o s ło w o — 50| zl D o d a t k i d o c e n y p o d s t a w o w e j :
— z a k a ż d y d o d a t k o w y k o l o r + 30*/«,
— z a k a ż d y s p e c j a l n y k o l o r ( n ie w y n i k a j ą c y ■/. p o d s t a w o w y c h k o lo r ó w ) + 3C*/t
— za p e ł n y k o l o r ( g r a f i k a w i e l o b a r w n a , z d j ę c i a k o l o r o w e ) + 120’/i
— z a z a m ie s z c z e n ie o g ło s z e n ia n a I l u b IV s t r o n i e o k ł a d k i + 100’/i
— z a z a m ie s z c z e n ie o g ło s z e n ia n a II i I I I s t r o n i e o k ł a d k i + 50'/i Z n i ż k i
d o ty c z ą o g ło s z e ń — c a ł k o w i t y c h p o w t ó r z e ń
— z a o g ło s z e n ia 3—5 - k r o t n e — 10'/*
— z a o g ło s z e n ia 6—1 0 - k r o t n e — 20‘/i -■ z a o g ło s z e n ia l l - k r o t n e 1 p o w y ż e j — 30'/i
— z a a r t y k u ł y i w k ł a d k i r e k l a m o w e w y k o n a n e p r z e z z le c e n i o d a w c ę — 40,/i
— z a b i u l e t y n y i b l o k i r e k l a m o w e — 60*/i
W u z a s a d n i o n y c h w y p a d k a c h s t o s u j e s i ę z n i ż k i s p e c j a l n e d la o g ło s z e ń n i e b ę d ą c y c h p o w t ó r z e n i a m i — za z g o d ą D y r e k t o r a —i
N a c z e ln e g o R e d a k t o r a W y d a w n i c t w a N O T S IG M A .
P o n a d t o B i u r o O g ło s z e ń ś w i a d c z y u s ł u g i w z a k r e s i e w y k o n y w a n ia z d j ę ć c z a r n o - b i a ł y c h 1 b a r w n y c h o r a z n a d b i t e k w k ł a d e k r e k l a m o w y c h .
C e n y w k ł a d e k
— w k ł a d k a 2 s t r . o f o r m a c i e A4 n a k ł a d d o 500 e g z. 20 ty s . z l n a k ł a d 500—1C00 e g z. 35 ty s . zł
— w k ł a d k a 4 s t r . o f o r m a c i e A4 n a k ł a d 50C e g z . 40 ty s . zl n a k ł a d 500—1000 e g z. 70 ty s . zł
P r z y w k ł a d k a c h o n a k ł a d z i e p o w y ż e j 1000 eg z. s t o s u j e s ię w i e l o k r o t n o ś ć p o w y ż s z y c h c e n , a d o d a t k i z a k o l o r y o b lic z a s i ę J a k
d la o g ło s z e ń .
O g ło s z e n ia p r z y j m o w a n e s ą p r z e z :
D z ia ł O g ło s z e ń i R e k l a m y W C iK T N O T S IG M A u l. S w i ę t o j e r s k a 5/7, 0P-23G W a r s z a w a
a d r e s d o k o r e s p o n d e n c j i : s k r y t k a p o c z t o w a 1004, »»-930 W a r s z a w a t e l e f o n y : 31-93-65 l u b 31-22-21 w . 19G i 291
Nowe książki
WYDAWNICTWA NAUKOWO-TECHNICZNE
Stanisław Borak, Jerzy Klaczak, Stanisław Korczak, Zdzi
sław Płoski „System operacyjny George 3”. Warszawa 1987, 5800 egz., 342 str., cena 370 zł
K siążk a je st podręcznikiem dla u ży tkow ników m aszyny cyfrow ej O d ra 1305 p ra c u ją c e j pod k o n tro lą sy stem u ope
racy jn eg o G eorge 3 (przyjm ow anie, u ru ch a m ian ie, p la n o w an ie i w ykon y w an ie zadań). Do k o m u n ik a cji z ty m sys
tem em służy język opisu zadań. W książce w yjaśn io n o za
sady ob słu g iw an ia uży tk o w n ik a przez system oraz p o d a
no p odstaw ow y zbiór zleceń (instrukcji) u m ożliw iający ro z
poczęcie, p row adzenie i zakończenie pracy, p opraw ianie błędów za pom ocą e d y to ra oraz spis tzw. m akrozleceń, słu żących do posługiw ania się języ k am i p ro g ram o w an ia:
Algol, P lan , F o rtr a n itd.
K siążka je st przeznaczona dla program istów , p ro je k ta n tó w system ów p rz e tw a rz a n ia in fo rm ac ji oraz dla stu d ę n tó w k ie ru n k ó w inform atycznych.
Kolf Hedtke „System y mikroprocesorowe — niezawodność, testowanie, tolerancja błędów” (tłum. z jęz. niemieckiego).
Warszawa 1987, 6800 egz., 17S str., cena 500 zł
W książce om ów iono p roblem y zw iązane z zapew nieniem w ysokiej jakości system ów m ik ro k o m p u tero w y ch : środki d la ochrony przed sk u tk a m i uszkodzeń podzespołów ; m e
tody te sto w a n ia u kładów scalonych, w p ły w p ro je k to w a n ia sp rzę tu i o p ro g ram o w an ia n a niezaw odność sy stem u ; stoso
w an ie te c h n ik re d u n d a n cy jn y c h ; kody w y k ry w a n ia i k o ry gow an ia błędów.
K siążka je st przeznaczona p rzede w szy stk im d la p ro je k ta n tó w i u żytkow ników system ów m ikroprocesorow ych;
może być k siążką pom ocniczą dla stu d e n tó w k ie ru n k ó w in fo rm aty k i i e lek tro n ik i w yższych uczelni technicznych.
Theo Pavlidis „Grafika i przetwarzanie obrazów — algo
rytm y” (tłum. z jęz. angielskiego). Warszawa 1987, 6800 egz., 392 str., cena 420 zł
K siążka za w iera om ów ienie sposobów kod o w an ia i p rze
k sz tałcan ia obrazów od pełnej skali kolorów lu b odcieni szarości (przy czarn o -b iały ch obrazach) do obrazów sk ła
d ający ch się z krzyw ych,, odcinków p ro sty ch lu b punktów ./
Szczególny n ac isk położono n a n arzęd zia m atem atyczne, k tó re w przeciw ień stw ie do u rząd zen ia nie d ez ak tu alizu ją się. Od C zytelników je st w y m ag a n a znajom ość po d staw in fo rm a ty k i, ra c h u n k u różniczkow ego i całkow ego, po d staw sta ty sty k i i te o rii grafów , geom etrii, p rz e tw a rz a n ia syg
nałów .
K siążka je st przeznaczona dla p rogram istów , p ro je k ta n tó w system ów p rz e tw a rz a n ia info rm acji, p racow ników n a u k i za jm u jący ch się in fo rm a ty k ą oraz dla stu d e n tó w k ie ru n ków in form atycznych.
I n f o r m a t y k a n r 2, 10S8 3
RYSZARD S. MICHALSKI
University of Illinois at Urbana-Champaign USA
O naturze uczenia się
— problemy i kierunki badawcze (1)
A rly k u ł zaw iera przegląd zadań ł k ieru n k ó w badaw czych w dziedzinie m aszynow ego uczenia się, m ając w zam ierze
n iu a u to ra służyć jako przew odnik w tej dziedzinie. Om ó
wiono w nim zasadnicze asp ek ty procesu uczenia się, sk la
syfikow ano głów ne k ie ru n k i badaw cze oraz przedstaw iono poglądy au to ra na te m a t zw iązków pom iędzy p ara d y g m a
tam i, strateg ia m i i o rien tacjam i uczenia się.
CZY POTRZEBNE SĄ MASZYNY UCZĄCE SIĘ?
Sztuczna in telig en cja przeżyw a obecnie niebyw ały roz
kw it. Je j idee i w ypracow ane przez n ią m etody z n a jd u ją zastosow anie w w ielu innych dziedzinach. Rozwój syste
m ów ekspertow ych, prak ty czn e im p lem en tacje system ów rozum ienia języ k a n atu ra ln eg o , znaczące postępy w dzie
dzinie kom puterow ych system ów w izyjnych i system ów ro zum ienia m owy, now e spojrzenie n a budow ę skutecznych system ów w nioskujących i system ów rozum ow ania ja k o ściowego (ang. q u alita tiv e reasoning) stanow ią n ajb a rd z ie j w idoczne i najw ażn iejsze osiągnięcia. S zybkie rozszerzanie się sfery w pływ ów sztucznej in teligencji pozw ala oczeki
w ać w najbliższej przyszłości je j now ych sukcesów.
W tym kontekście w ażne sta je się pytanie, ja k ie są ograniczenia obecnych m etod sztucznej in teligencji i w ja k im k ie ru n k u rozw iną się b ad a n ia w tej dziedzinie. Je dno z oczyw istych ograniczeń, w yznaczające zarazem kie
ru n e k przyszłych badań, dotyczy m aszynow ego uczenia się.
Z agadnienie to je st zw iązane z rozw ojem obliczeniow ej teorii uczenia się i budow ą system ów uczących się.
O becne system y sztucznej inteligencji, za w y jątk iem tych, któ ry ch budow a m a n a celu badanie m aszynow ego uczenia się, p rze ja w ia ją niew ielkie lu b nie p rz e ja w ia ją żadnych bm iejętności uczenia się. C ała w iedza, ja k ą dysponują, m u
si być uprzednio przygotow ana i zaprogram ow ana. Jeśli w tra k c ie ich pracy w ystąpi błąd, to nie p o tra fią sam o
dzielnie go popraw ić. J e s t on pow tarzan y tyle razy, ile raz y dan a p ro ce d u ra je st w ykonyw ana. S ystem y te nie p o tra fią też doskonalić się w m ia rę z b ieran ia dośw iadczeń ani grom adzić w iedzy ze sw ej dziedziny drogą ek sp ery m entow ania. N ie są w sta n ie autom atycznie generow ać dla w łasnych p otrzeb now ych algorytm ów , form ułow ać now ych ab stra k c y jn y c h pojęć an i proponow ać now ych rozw iązań przez analogię do dotychczasow ych czy też drogą sw oiste
go p ro ce su o d k ry w an ia (a n g .. discovery). O gólnie rzecz bio
rąc, system om tym b ra k u je um iejętności indukcyjnego w yciąg an ia w niosków z p odanej im inform acji. M ożna po
w iedzieć, że n iem al w szystkie istn iejące system y są de
dukcyjne, gdyż w y ciągają w nioski o p ie ra jąc się n a do
stę p n ej w iedzy i nie p o tra fią sam odzielnie p rzy sw ajać an i generow ać now ej wiedzy.
•Dla porów nania, jed n ą z n ajb ard zie j uderzający ch cech w in telig en tn y m zachow aniu się człow ieka je s t zdolność p rzy sw ajan ia now ej w iedzy, n a b ie ra n ia w p ra w y i dosko
n alen ia przez p rak ty k ę. W ykorzystanie m ożliw ości uczenia się czyni z młodego, niedośw iadczonego człow ieka w y k w a
lifikow anego inżyniera, w ychow aw cę, a rty stę lu b lekarza.
W pow szechnym rozum ieniu osoba, k tó ra p o w tarz a w ciąż te sam e błędy, raczej nie zasługuje n a m iano intelig en tn ej.
U m iejętność uczenia się n a błędach je s t u w ażan a za pod
staw ow ą cechę zarów no człow ieka, ja k i całego społeczeń
stw a [1, 6, 13, 14, 28, 29].
Skoro zdolność uczenia się w y d a je się być ta k ściśle zw iązana z inteligentnym zachow aniem , obecny sta n roz
w oju sztucznej in teligencji skłonił n iek tó ry ch badaczy do
w ysunięcia tezy, że je d n y m z n ajw ażn iejszy ch celów b a
dań w tej dziedzinie pow inno być zrozum ienie isto ty p ro cesu uczenia się o raz w yposażenie m aszyn w zdolność u- czenia się [19, 33]. Celowość < przezw yciężenia w spom nia
n ych ograniczeń w yznacza w ięc zad an ia badaw cze n a p rzy szłość.
W tym m iejscu rodzi się p y ta n ie: czy ta k i cel je s t osią
galny, a jeśli tak , to czy je s t pożądany. P ró b a odpow iedzi n a p y ta n ie o m ożliw ość osiągnięcia tego celu zm usza do sprecyzow ania n ie k tó ry ch pojęć. Czy m ożna w skazać o- gólne k ry te ria , k tó ry ch spełn ien ie zapew nia, że m aszy n a m a zdolność uczenia się?
J a k tego dow iodły b a d a n ia w dziedzinie m aszynow ego uczenia się, zdolność uczenia się n ie je s t w łaściw ością pod
legającą d w uw artościow ej ocenie: „tak lu b n ie ”. J e s t z n ią zw iązana cała g am a czynności polegających n a p rz e tw a rz a niu info rm acji: od bezpośredniego za p am ięty w a n ia faktów i prostego o rganizow ania inform acji, do bardzo skom pliko
w anych procesów w nioskow ania, prow adzących do tw o rze
n ia now ych pojęć i o d k ry w a n ia now ej wiedzy. Zaw sze pociąga to za sobą zm iany w system ie — człow ieku lub m aszynie — k tó re u le p sza ją go w określonym sensie.
O d k ład a ją c do następnego p u n k tu odpow iedź n a p y ta nie o definicję uczenia się, należy stw ierdzić, że m aszy
now e uczenie się przeżyw a obecnie sw oje odrodzenie po okresie sta b ilizac ji i pow olnego rozw oju. W ysiłki zm ierza
ją ce do budow y p rogram ów p rze jaw ia jąc y ch um iejętności uczenia się zostały w o statn ich la tac h znacznie zintensyfi-.
kow ane. T a m łoda dyscyplina m a ju ż n a sw ym koncie pe
w ne sukcesy. R ezu ltaty n ie k tó ry ch spośród ty c h w ysiłków opisano w [21], K o n ty n u ac ją tej p ra c y je st k siążk a [22], p rez e n tu ją c a kluczow e zagadnienia i w spółczesny sta n w ie
dzy w dziedzinie m aszynow ego uczenia się.
O p ierając się n a dotychczasow ych rez u ltatac h , m ożna dojść do w niosku, żę ju ż dziś m ożliw e je s t w yposażenie m a szyn w elem e n ta rn e zdolności uczenia się. Istn ie ją ju ż p ro gram y zdolne form ułow ać now e po jęcia i w y k ry w a ć nie znane dotąd reg u larn o ści w danych, tw orzyć reguły decy
zyjne lepsze od reg u ł fo rm ułow anych przez człow ieka, do
starczać in te re su ją c e analogie, au tom atycznie uczyć się h e u ry sty k pom agających w rozw iązy w an iu problem ów łu b budow ać uogólnione p la n y ak c ji prow adzących do osiąg- g an ia określonego celu. W iele z tych program ów om ów io
no w [21], M niej ja sn e jest, ja k i postęp w dziedzine m a szynowego uczenia się m ożna osiągnąć p rzy użyciu kon
w encjonalnego sp rzę tu kom puterow ego i obecnych m etod pro g ram o w an ia. J a k zaw sze w nauce, n a ta k ie p y ta n ia m o
żna odpow iedzieć, k o n ty n u u ją c b ad a n ia i b u d u ją c ek sp ery m en taln e system y uczące się.
N owe k ie ru n k i b a d a ń w dziedzinie m aszynow ego uczenia się o tw ie ra ją się w ra z z rozw ojem tzw. m aszyn n eu ro n o w y ch (ang. connection m achines), system ów kom puterow ych p ią te j g en e racji i innych n o w ato rsk ich a rc h ite k tu r kom p u tero w y ch [3, 12]. N a p rzykład, H inton, S ejnow ski i A ckley [9] opisu ją uczenie się w tzw. m aszynach Boltz- m an n a. W iedza grom adzona przez te m aszyny je st re p re ze n to w an a ja k o trw ałość połączeń m iędzy prostym i ele
m e n tam i podobnym i do neuronów . B adania p row adzone w tym k ie ru n k u p ow inny um ożliw ić p o konanie ograniczeń w czesnych system ów tego rodzaju, ta k ic h ja k p e rc ep tro n y [26]. N ow y po ten cjał badaw czy w dziedzinie m aszynow ego uczenia się w y łan ia się w zw iązku z rozw ojem now ych sys
tem ów p rogram ow ania, a w szczególności p ro g ra m o w an ia
i I n f o r m a t y k a n r Z, 1988
logicznego i jego pierw szego w cielenia w postaci P ro lo gu [31].
Dlaczego konieczna je s t budow a m aszyn uczących się?
W ydaje się, że ich rozw ój je st w a ru n k ie m dalszego postę
pu w b ad a n ia ch n ad sztuczną inteligencją i w dyscypli
nach pokrew nych. J e s t to szczególnie isto tn e w takich dziedzinach, ja k : system y ek sp erto w e i system y z bazam i wiedzy, k o m puterow e system y w izyjne, rozum ienie mowy, rozum ienie języka n atu ra ln eg o , in te lig e n tn e system y ed u k a cyjne oraz praw d ziw e p rzy ja zn e system y w spółpracy czło- w iek-m aszyna. Im bard ziej skom plikow ane zadanie sta w ia się przed system am i sztucznej inteligencji, ty m w ięcej w iedzy trze b a w nich grom adzić. W iedza ta k a m usi ob ej
m ow ać fa k ty i reg u ły specyficzne dla dan ej dziedziny, zdro
w orozsądkow e h e u ry sty k i i ograniczenia, ja k rów nież o- gólne pojęcia i teorie dotyczące otaczającego św iata. Z a
k res w iedzy każdego system u m usi być ta k poszerzony, aby u n ik n ąć pow szechnie w ystępującego dziś zjaw iska, nazy
w anego „przepaścią w iedzy” (ang. konw ledge cliff) [5] albo
„kruchością w iedzy” (ang. b rittlen ess) [24] (rozdział 20), [15]. P olega ono na tym , że system p ra c u je pop raw n ie w w yznaczonej m u dziedzinie, n a to m ia st nieznaczne w y j
ście poza nią d rastycznie pogarsza jego w łaściw ości. J. H.
H olland w rozdziale 20 [24] om aw ia u n iw ersa ln e algorytm y uczące się, o p a rte na rów noległej a rc h ite k tu rz e regułow ej.
T w ierdzi on, że rozum ow anie in d u k c y jn e w tak ich syste
m ach pomoże przezw yciężyć „kruchość” dzisiejszych syste
m ów sztucznej inteligencji, biorącą się ze zbyt w ąskiego u k ie ru n k o w a n ia ich wiedzy.
W ypełnianie bazy w iedzy nowego system u je s t procesem bardzo złożonym, czasochłonnym i po d atn y m na błędy, w y m ag ającym dużego dośw iadczenia. N a p rzy k ład , budow a system u ekspertow ego w ym aga w spólnego w y siłk u w ysoko w y k w alifikow anych specjalistów — p rzy n a jm n ie j jednego ek sp erta z danej dziedziny oraz in ż y n iera w iedzy [2, 4, 7], Z adanie to m ożna uprościć stosując tech n ik i uczenia się, k tó re um ożliw iają autom atyczne k o n stru o w an ie re g u ł decy
zyjnych n a p odstaw ie przy k ład ó w decyzji e k sp e rta oraz drogą autom aty czn ej analizy zaw artość bazy faktów .
Szybki w zro st liczby danych i w iedzy grom adzonej przez społeczeństw o w ym aga nie tylko grom adzenia, organizow a
nia i udo stęp n ian ia info rm acji, lecz rów nież w y k o rz y sta
nia je j w nowy, tw órczy sposób. P oniew aż w iedzę m ożna ro zp a try w a ć jako skondensow aną in fo rm ac ję [30], p o trze
bu jem y m aszyn p o trafią cy c h dokonyw ać k o m p re sji baz d a
nych i system ów in fo rm ac y jn y ch n a bazy w ied zy drogą au tom atycznej analizy pojęciow ej ich treści. J a k p odkreśla M ichie [25], „ n a jb a rd z iej fra p u jąc y m technicznie, n a w e t je
śli obecnie nie najw ażn iejszy m ekonom icznie, w yzw aniem je st to, w ja k i sposób zastosow ać k o m p u te ry n ie tylko do bezpośredniej o bserw acji b ad a ń naukow ych, prow adzonych za pom ocą teleskopów , m ikroskopów , kom ór iskrow ych i innych urządzeń, lecz rów nież w procesach rozpoznaw ania i w nioskow ania, dzięki k tó ry m chaos danych ostatecznie przerad za się w odkrycie n au k o w e”.
A u to r tego a rty k u łu sądzi, że oprócz k o m p u te ró w p ełn ią
cych rolę inteligentnych, asystentów n au k o w c a i technika, będziem y p otrzebow ali in telig en tn y ch asystentów osobis
tych. O byw atele ro zw ijającego się społeczeństw a in fo r
m acyjnego będą p otrzebow ali ich po to, aby poradzić sobie z p rzy tłacz ającą m asą in fo rm ac ji i złożonością codziennych procesów podejm ow ania decyzji. A by asystenci m ogli speł
niać w yznaczoną im rolę, ich fu n k cjo n o w a n ie i w iedza po
w inny być dynam iczne; pow inni oni łatw o przystosow yw ać się do zm niejszających . się w ym ag ań i m ieć um iejętność autom odyfikacji. In aczej m ów iąc, pow inni dysponow ać zdol
nością uczenia się.
U m iejętność uczenia się je s t rów n ież n iezbędna w dzie
dzinie w izji kom p u tero w ej i rozum ienia m ow y. A by zbu
dow ać kom p u tero w y system w izyjny, należy w prow adzić do niego w iele tra n sfo rm a c ji ch a rak te ry sty cz n y ch dla wizji, pojęć geom etrycznych oraz opisów fizycznych i fu n k cjo n alnych obiektów w izualnych, k tó re system m a rozpozna
w ać [38, 39], Ręczne w prow adzenie te j in fo rm ac ji je st tru d ne. Z nacznie ła tw iejsze byłoby n auczenie system u k o n k re t
nych pojęć przez p o kazanie m u przy k ład ó w tak, aby mógł przysw oić sobie odpow iednie uogólnienia i opisy w spo
sób, w ja k i czynią to ludzie.
S ystem zdolny do rozum ienia języka n atu ra ln e g o i ko
m u n ik o w an ia się, za jego pom ocą z człow iekiem pow inien mieć w iedzę o składniow ych w łaściw ościach języka [17], ja k rów nież uw zględniać w iele pojęć i ich s tru k tu r (takich ja k ram y, scenariusze (ang. scripts) i schem aty), o p isu ją
I n f o r m a t y k a n r 2, 1988
cych sem antyczne i p rag m aty czn e asp ek ty ję zy k a [24], roz
dział 19 i 21, [32, 37]. S zacuje się, że w zaaw ansow anym p ro g ram ie ro zu m iejący m język n a tu ra ln y , liczba ta k ich po
jęć i s tr u k tu r pojęciow ych może osiągnąć dziesiątki tysięcy, a n a w e t w ięcej. Z ap ro g ram o w an ie całej te j w iedzy je st ogrom nym zadaniem . D obrze byłoby w ięc uprościć je, w y k o rzy stu jąc tech n ik i uczenia się. G dyby n aw e t w pew nym m om encie m aszyna dysponow ała pełn ą w iedzą, system ro zum iejący język n a tu ra ln y nie m ógłby i ta k długo p r a cować popraw nie, nie m a ją c zdolności uczenia się. Z na
czenie pojęć używ ahych przez człow ieka je st bow iem d y n a
m iczne. Z m ienia się ono z u pływ em czasu, aby dostosow ać się do now ych okoliczności. N ow e pojęcia p o w sta ją i roz
w ija ją się, inne n ato m ia st w ychodzą z użycia. D latego też, ta k ja k w p odanych w y p ad k a ch potrzeb n y je st system u- czący się, zdolny do p rz y sw a ja n ia now ych pojęć i s tru k tu r pojęciow ych drogą uogólniania przy k ład ó w lu b przez analogię do poprzedniej wiedzy. S ystem ta k i pow inien być zdolny do elastycznego m odyfikow ania, u k o n k re tn ia n ia i uogólniania sta ry c h pojęć.
In telig en tn e system y ed u k a cy jn e pow inny operow ać m a
te riałe m dydaktycznym n a poziom ie dostosow anym do po
ziom u w iedzy ucznia. A by sprostać tem u zadaniu, system m usi k ontrolow ać w iedzę ucznia i nad ążać za jej zm iana
mi. P o żądane je st uzyskiw anie tej in fo rm a c ji' nie drogą cyklicznego i bezpośredniego spraw d zan ia, lecz drogą u- czenia się w tra k c ie in te ra k c y jn y c h sesji n a podstaw ie w skazów ek, p rzyjętego m odelu ucznia oraz jego zacho
w ania. T ak w ięc, zdolność uczenia się je st w y m ag an a nie tylko od ucznia, ale także od system u edukacyjnego [35, 36].
Dzięki um iejętności uczenia się, k o m p u te ry przyszłości pow inny być zdolne do zdobyw ania w iedzy bezpośrednio z dokum entów i k siążek drogą ko n w ersacji z ludźm i i uogól
n ian ia o bserw acji dokonyw anych sztucznym i zm ysłam i. Po
w in n y być zdolne do doskonalenia się przez p ra k ty k ę i zdobyw anie dośw iadczenia. P rzyszłe system y uczące się nie będą podlegały ograniczeniom , ja k im p o dlegają ludzie (krót
k a pam ięć, trudności w sko n cen tro w an iu uw agi, niska efektyw ność, tru d n o ści w przek azy w an iu n a b y te j wiedzy).
Je śli p ow stanie jed en egzem plarz jakiegoś system u uczące
go się, to m ożliw e będzie zbudow anie teoretycznie n ieo g ra
niczonej liczby jego kopii, k tó re b ęd ą m ogły zdobyw ać w ie
dzę w różnorodnych dziedzinach. W d o d atk u k ażd ą now ą p orcję w iedzy zdobytej przez system uczący się będzie m ożna skopiow ać do innego system u szybko i tanio (ina
czej niż w w y p ad k u w iedzy zdobyw anej przez ludzi, k tó ra m usi być sta ra n n ie p rzek azy w an a każdem u now em u ucz
niowi).
Oczywiście daleko je s t jeszcze do tej id ealn ej w izji, m o
żna sobie je d n a k w yobrazić, że ta k ie system y uczące się będą m ogły być budo w an e w przyszłości. W arto p rzy tym rozw ażyć nie ty lko spodziew ane korzyści, lecz także n ie
pożądane konsekw encje. T en drugi problem m ożna zresztą om inąć stw ierd zając, że k ażda now a technologia d aje m o
żliwość użycia jej w niew łaściw ym celu, a to ja k dotąd nie pow strzym yw ało człow ieka przed ich rozw ijaniem . Na ogół uw aża się, że zagadnienia te leżą poza dziedziną b a
d ań naukow ych czy technicznych. Mimo to, należy do
k ła d n ie je zbadać, poniew aż stw orzenie m aszyn zdolnych do sam odzielnego zdobyw ania w iedzy w pro w ad za d o d at
kow ą złożoność i w p ły w a n a w y bór drogi dalszego rozw o
ju m aszynow ego uczenia się.
P odstaw ow ym problem em je s t „nieprzezroczystość” syste
m ów sam om odyfikujących się. P rzew id y w an ie zachow ania m aszyn um iejących uczyć się in d u k c y jn ie je s t1 znacznie tru d n ie jsze niż p rzew idyw anie zachow ania m aszyn nie m a
jących tej um iejętności. N ajw ażniejszą w łaściw ością m aszyn uczących się je st zdolność tw orzenia w iedzy m ogącej za
skoczyć sam ych tw órców . Może to zresztą prow adzić do niespodziew anych trudności, a n a w e t niebezpieczeństw , jeśli użyje się takiego system u do rozw iązania pow ażnych za
d ań bez zrozum ienia jego ograniczeń. P o n ad to zw iększe
n ie nieprzew idyw alności działan ia m aszyn uczących się zw iększa niebezpieczeństw o ich niepraw idłow ego użycia.
N iektórzy eksperci tw ierdzą, że p rzew id y w an ie zachow a
nia złożonych system ów k o m puterow ych je st ju ż te ra z w y
starczająco tru d n e. W yposażenie k o m p u teró w w zdolność uczenia się u w a ż a ją oni za pow iększenie tych trudności, nie zaś za jakościow y k ro k naprzód. N iezależnie od p u n k tu w idzenia należy je d n a k spodziew ać się, że p o te n cja ln e ko
rzyści te j technologii sowicie w y n agrodzą n a m je j niepo
żądane konsekw encje. Co zaś się tyczy możliwości ich 5
niew łaściw ego użycia, to dlaczego nie m ożna w ykorzystać tych sp ry tn y ch m aszyn uczących się do n adzorow ania in nych, aby zapobiec ich nadużyciu?
Oprócz trudności w p rzew idyw aniu zachow ania m aszyn uczących się, w arto rozw ażyć jeszcze jedno zagadnienie, tkw iące korzeniam i w sam ej n atu rz e każdego ro d za ju w ie
dzy różnej od w iedzy zdobytej w w yniku pro stej o bserw acji faktów . J a k zauw ażył Hume, a później P opper [11, 28] i inni, w iedza ta k a ze sw ej n a tu ry m a c h a ra k te r dom yślny.
Znaczy to, że w zasadzie nie m ożna udow odnić popraw noś
ci żadnej w iedzy tw orzonej drogą uogólniania określonych o bserw acji lub przez analogię do znanych faktów , choć mo
żna dowieść jej błędności.
J e s t ta k dlatego, że rozum ow anie przez in d u k c ję nie z a p ew n ia zachow ania „p ra w d y ” (ang. tru th -p re se rv in g ), lecz zachow uje jedynie „fałsz” (ang. falsity -p reserv in g ), tzn. z p raw dziw ych in fo rm acji nie zaw sze w yp ro w ad za się p ra w dziw e inform acje, n ato m ia st z fałszyw ych in fo rm ac ji za
wsze w yprow adza się fałszyw e [21, 22, 23], A by to zilus
trow ać, rozw ażm y zdanie: „ W szyscy n a u ko w cy w Labora
to riu m S ztu c zn ej In telig en c ji w M assachusetts In s titu te of Technology MIT są b ły sk o tliw i”. D rogą d ed u k c ji m ożna w yprow adzić z tego zdania konkluzję, że R oger L ight, p r a cujący w L ab o rato riu m Sztucznej Inteligencji, je st błys
kotliw y. Je śli p ie rw o tn a p rze słan k a je st p raw dziw a, to ten w niosek ded u k cy jn y m usi ta k że być praw dziw y. N ato m iast p rzy k ład em w niosku uzyskanego z p ie rw o tn e j p rze s
ła n k i drogą in d u k cji je st n a stęp u jący : „W szyscy n a u ko w cy w M IT są b ły sko tliw i". W ty m w ypadku, praw dziw ość p ierw o tn ej p rzesłan k i nie g w a ra n tu je praw dziw ości w nios
k u uzyskanego drogą indukcji. Je śli je d n ak p ie rw o tn a p rzesłan k a jest fałszyw a, to w niosek in d u k c y jn y rów nież je st fałszyw y. T ak więc, inaczej n iż w system ie d ed u k c y j
nym , p o praw ne dan e w ejściow e do system u indukcyjnego nie g w a ra n tu ją o trzy m an ia p o p raw n y ch w yników . P onadto każdem u zestaw ow i danych w ejściow ych odpow iada n ie
skończona liczba dający ch się z niego w yciągnąć w niosków in d ukcyjnych. Te, k tó ro są a k u ra t w yb ieran e, odzw iercie
d la ją p referen cje, założenia i ograniczenia, stosow ane przy fo rm ułow aniu uogólnień [20, 24] rozdział 5,
Z tych powodów, aby m ożna generow ać w iedzę p rzy d a tn ą dla człowieka, m aszyny uczące się pow inny być w yposażone w wiedzę dotyczącą w szystkich isto tn y ch o g ra
niczeń i założeń przyjm ow anych przez ludzi. P o niew aż jest m ało praw dopodobne, aby w szelkie subtelne ograniczenia i p refe re n c je jed n o stek i społeczeństw były kiedykolw iek poznane przez m aszyny, je st możliwe, że w iedza g en e ro w a
n a przez nie będzie n aru sz ać n ie k tó re z tych ograniczeń.
W arto przytoczyć pogląd H o fstad te ra [10]: „jeżeli program nie będzie dysponow ał w ierną kopią ludzkiego- ciała..., to praw dopodobnie będzie m iał zu p ełn ie o d m ien n y p u n k t w i
dzenia na to, co je st w ażne, in teresujące i t d ”. P oniew aż postrzeganie tego, co je st isto tn e i in te resu ją ce , stanow i nieodzow ny elem ent tw orzenia now ej w iedzy [16], odm ien
ność ta je st znacząca. Gdy w iedza w y tw orzona przez m a
szynę zostanie w y k o rzy stan a w p rak ty c e, będzie m ożna o trzym ać rozw iązania p o p raw n e z technicznego, je d n ak nie do p rzy jęcia ze społecznego p u n k tu w idzenia.
W iąże się z tym niebezpieczeństw o zbyt dużego za u fan ia do w iedzy tw orzonej przez m aszyny. Podobne zjaw isko za
obserw ow ano, na przykład, u ludzi n ad m iern ie u legających w pływ ow i kom p u tero w ej analizy staty sty czn ej, gdy n ie ro zum ieją oni dokładnie założeń leżących u jej p o d sta w lub u ludzi p rzypisujących osobowość ko m p u tero w em u sy ste
mowi k onsultacyjnem u, na przykład ta k iem u ja k ELIZA [40]. O ile naukow cy w iedzą o tym , że w iedza u zyskana drogą in d u k cji je st z n a tu ry niepew na, może to być m niej oczyw iste dla laików .
Powyższe ro zw ażania p row adzą do istotnego w niosku, że w szelka w iedza w y generow ana przez m aszynę pow inna być poddana ścisłej w ery fik ac ji ze stro n y człow ieka. U kazuje to isto tn y cel badaw czy w dziedzinie m aszynow ego uczenia się: jeżeli ludzie m a ją rozum ieć i akceptow ać w iedzę ge
n ero w an ą przez m aszynę, to system y uczące się pow inny być zdolne do udzielania w y jaśn ień . P o n ad to w iedza tw o rzo n a przez m aszyny pow inna być w y ra ż a n a w fo rm ie ści
śle o dpow iadającej opisom p rz y ję ty m przez człow ieka i je go m odelom m yślowym , tzn. pow in n a spełniać to, co a u to r nazy w a zasadą zrozum iałości [21, 22, 23], P ro je k tu ją c m e chanizm y system u uczącego się odpow iedzialne za w y ja ś
nienie, należy dążyć do u ła tw ien ia człow iekow i zrozum ie
n ia nie tylko końcow ych rezu ltató w , ale ta k że tkw iących u ich po d staw zasad, założeń i teorii.
6
K toś m oże w y su n ąć przypuszczenie, że istnienie z a aw a n sow anych m aszyn uczących się w y elim in u je w p ra w d zie o- becne w ąsk ie gardło w p rz y sw a ja n iu wiedzy, ale w p ro w adzi za to now e — w w ery fik o w a n iu w iedzy. M aszyny będą bow iem gen ero w ały now ą w iedzę w ta k ie j ilości, że ludziom będzie tru d n o ją sp raw d za ć i akceptow ać. Je śli ta k się stanie, to przyszli badacze będ ą m ieli do ro zw ią za
nia ciekaw y problem , k tó ry pozw oli im w ypełnić chw ile bezczynności. Oczam i w yo b raźn i m ożem y ju ż u jrze ć b a daczy k o n stru u ją cy c h w ym yślne m aszyny uczące się, s łu żące do g en e ro w a n ia e k sp ery m en tó w te stu ją c y c h w iedzę w y tw orzoną przez inne m aszyny.
M ając n a uw adze pow yższe pro b lem y i p a m ię ta ją c o tym , ja k w ażne je s t m aszynow e uczenie się, spojrzym y nieco dok ład n iej n a zasadnicze cechy procesu u czenia się.
CZYM JEST UCZENIE SIĘ ?
J a k zauw ażono w cześniej, uczenie się — w edług pow szechnego p rze k o n an ia — pociąga za sobą zm iany w sy ste
mie, doskonalące go w pew ien sposób. T e rm in „doskonale
n ie ” w ym aga je d n ak uściślenia. B ezspornie w ino „dosko
n a li” się w m ia rę up ły w u czasu, n ik t je d n a k n ie nazw ie tego uczeniem się (przykład te n pochodzi od S te v e ’a T a- nim oto z U n iv ersity of W ashington w S eattle). S im on [34]
p odaje dokładniejszą d efin icję: „Uczenie się oznacza z m ia n y w system ie , któ re m a ją ch a ra kte r a d a p ta c yjn y w ty m sensie, że pozw alają sy ste m o w i w y k o n a ć n a stę p n y m ra
z e m ta k ie sam o zadanie lub zadania pochodzące z te j sa
m e j populacji bardziej e fe k ty w n ie ’’.
N a ogół w szyscy zgadzają się z w ym aganiem , aby r e z u ltatem uczenia się była efe k ty w n iejsza p ra c a system u.
Są je d n a k czynności zaliczane do uczenia się, do k tó ry ch tru d n o je st zastosow ać k ry te riu m udoskonalania. M insky w sw ej w n ik liw e j teo rii procesów ' m yślow ych [27], całko
w icie odrzuca te n w aru n ek , stw ie rd z ając : „Uczenie się je st w p ro w a d za n iem zm ia n do sposobu pracy n a szych u m y s łó w ”.
W języ k u an g ielsk im uczeniem się często n az y w a się u zyskiw anie now ej info rm acji, ja k w zdaniu: „Ponieważ satelita spłonął w atm osferze, a stronauta z laboratorium kosm icznego dow iedział się (ang. learned, dosłow nie — n a uczył się), że satelita m ia ł d odatkow ą a n te n ę ”. W ty m w y p a d k u a s tro n a u ta uzyskał po p ro stu p ew n ą inform ację, k tó ra je st bezużyteczna, je śli chodzi o przyszłą obsługę tego w łaśnie satelity. Przysw ajanie w iedzy w y d aje się być c e n tra ln ą czynnością w w ielu ak tac h uczenia się. Są je d n ak przy k ład y uczenia się, gdzie p rzy sw ajan ie w iedzy odgry
w a raczej m a łą rolę, szczególnie w tzw. procesach zdobywa
nia w praw y (ang. skill acquisition). Z dobyw anie w p ra w y je st to stopniow e doskonalenie zdolności ru ch o w y ch lu b po
znaw czych drogą ponaw ian ia prób, z niew ielkim lub żad
nym udziałem św iadom ości [3], P o d k re śla się w ięc jeszcze ra z a sp ek t p rzy sw ajan ia w iedzy w procesie uczenia się, na co zwrócono szczególną uw agę w książce [24].
A by uzyskać w iedzę o czym kolw iek, trz e b a ją oczyw iś
cie ja k iś sposób p rzedstaw ić, np. w p ostaci zdań d e k la raty w n y c h , p rocedur, przez połączenie obu ty c h re p re z e n ta c ji lu b też jeszcze inaczej [18]. T en fa k t i w cześniejsze ro zw ażan ia pro w ad zą do n astęp u jące g o w niosku. „Uczenie się je st ko n stru o w a n ie m lub m o d y fik o w a n ie m re p reze n ta cji tego, co je st dośw iadczane”.
P ojęcie doświadczenia o b ejm u je tu w szelkie bodźce ze
w nętrzne, ja k rów n ież w ew n ętrz n e dośw iadczenia m yślowe.
T e bodźce i ek sp ery m en ty m yślow e służą do postrzegania rzeczyw istości, k tó rą system u c z ą c y . się p ró b u je re p re z e n tow ać. W ew nętrzne procesy m yślow e m ogą być sam e p rzedm iotem uczenia się. W ocenie k o n stru o w an y c h re p re ze n ta cji bierze się pod uw agę przede w szystkim : w iarygod
ność, efektyw ność i poziom ab stra k cji. Wiarygodność o k re
śla stopień, w ja k im re p re z e n ta c ja odpow iada rzeczyw isto
ści. Efektywność ch a ra k te ry z u je p rzydatność rep rez en ta cji do osiągnięcia danego celu. Im b ard z iej efe k ty w n a je st rep rez en ta cja , tym lepiej fu n k cjo n u je system . To k ry te riu m je st n ajw ażn iejsze w tych zastosow aniach, w k tó ry ch spraw ność działan ia system u je st zagadnieniem pierw szo
planow ym . Poziom abstrakcji odpow iada zakresow i, szcze
gółowości i precyzji pojęć użytych w opisie. O kreśla on moc opisową rep rez en ta cji. Te trzy k ry te ria stanow ią łącz
nie o jakości uczenia się.
R ep rezen tacje m ogą m ieć postać opisów sym bolicznych, algorytm ów , m odeli sym ulacyjnych, p ro ced u r steru jący ch , planów , obrazów , ja k rów nież ogólnych teorii form alnych.
I n f o r m a t y k a n r 2, 1988