博文
知识的抽象层次
|||
知识具有多种不同的抽象层次。这种抽象层次导致需要用一部分知识来解释另一部分知识的含义，或者规定另一部分知识如何运用。
抽象层次较高的知识，具有较普遍的意义和适用范围，相应地数量较少，用于解题的时候的精确度也较差，很多高抽象层次的知识只能用于给出定性的而非定量的答案；抽象层次较低的知识，适用范围窄，数量大，能够用于计算精确答案。知识的抽象层次是人类进行科学研究和哲学思考过程中产生的，通过划分抽象层次，使得知识能被更有效地组织和利用。
将知识划分为各个不同的抽象层次的需要，根本上是源自人脑的元认知机制，即人脑中存在着的控制其自身思考活动的机制，这种机制使用的知识在表现形式上与其他的知识没有什么不同。概念和个体都是人脑中表征客观世界所使用的思维工具。个体是对客观实在的一种概括，是客观世界中相对独立的，可以从其所处环境隔离出来的一部分，辨认个体是人类生来具有的一种本能。概念是在个体之后出现的，是对个体的总结概括，并且很可能是由于相互交流的需要，随着语言的产生而产生的。人首先在认识活动中从现实世界里区分出一个个的个体，每一个个体都是独一无二的，但是人类能发出的声音具有有限的组合，因此为每一个个体分配一个独有的符号标签，并且在相互交流的时候使用这些标签，会导致词汇表过大，词汇过长，记忆成本过高。由于有些个体具有相类似的辨识特征，或者观察到相类似的行为模式，因此在说明有些问题的时候，可以不去强调这些相类似的个体每一个所具有的独一无二的特征，而只需要谈论他们共同的特征，这样为了节省词汇，很自然就会用一个词指代具有共同特征的一类个体，这就形成了概念。概念这个词顾名思义，就是概括出来的观念，就是抽取出个体主要的，共同的部分，忽视次要的独有的部分，而形成的观念。
在面向对象的知识表示法当中，类即相当于概念，实例相当于个体。在构造面向对象的系统的时候，与人脑中自然形成的概念和个体有所不同，实例是从类派生出来的，这是因为从个体构造概念的过程是由系统设计者使用自己的头脑完成的，在完成这一过程之后，设计者直接将头脑中的知识在系统中表达出来，而不需要系统自己经历从个体构造概念的过程。由于实例是派生出来的，因此这样得到的实例只有共性部分，而不具有其独特的部分，但是为了能够正确模仿客观世界，必须让实例具有独特性，通常是使用一个随机生成的唯一标识符来赋予这种独特性，从而避免一个现实中的个体在系统中由一个以上的实例所代表。面向对象的系统或者知识库当中，实例不一定在现实世界中有对应的个体，有些实例可以是虚拟出来的，但是即使是没有显示对应物的虚拟实例，也需要具有一定的现实性基础，这个现实性基础，至少应当具备：我们可以合理地想象它在现实之中可能存在，它如果存在的话，不会造成现实世界自身在逻辑上产生无法自圆其说的矛盾。要判断虚拟实例的这种现实性，我们只需要人为指定一个现实的物体来代表那个虚拟的实例，如果现实的代表物在现实世界中可以满足虚拟实例的一切定义，那么这个实例就具有现实性。
如果根据一个理论而定义出来的模型，恰巧能够表示另一个理论的内容，那么前一个理论可以称作后一个理论的高阶理论。高阶理论是其低阶理论的概括总结，比其低阶理论抽象层次高一个等级，它产生于将低阶理论以及其中的元素作为客观实在的客体加以研究。笼统地说哲学是科学的科学，也许并不准确，但是哲学中确实有一些理论，是科学中一些理论的高阶理论，这是由哲学的研究对象和研究方法决定的，这是由于一些哲学研究把科学上的理论作为哲学上的模型加以研究，这就导致了高阶理论的产生。
OWL Full允许知识库中的一条内容，即使类又是实例，这实质上是丢掉了高阶理论到低阶理论的映射关系，把高阶理论和低阶理论的内容混同在一起，这种抽象层次的混淆造成了逻辑上的错位。因此，OWL full只能由人来阅读，通过揣测编写者的原始意思来理解其内容，而不能由机器自动处理。
对于具有多个抽象层次的知识体系，需要同时使用逻辑推理和模型仿真两种方法来处理，单纯使用逻辑的方法不足以有效表达其内涵。而包含海量知识的大规模知识本体，必然是这样一种多抽象层次的知识体系，要处理这样的知识本体，就要求建立一种推理与建模相结合的知识库系统框架。
相对于低阶理论来说，高阶理论是较少的，人类以自身的认识活动为对象加以研究，需要高度抽象的思维能力，并不是所有人都具备这种能力，而且即使具备，这种思维方式使用起来也并不容易，因为相对于一般性的思考来说，这种思维没有具像的材料作为支持，而仅仅是借用一般性思考所使用的方法，因而需要思考者具有对头脑的良好的控制能力，时刻保持警觉，时刻区分思考方法与具像，并将之相分离。普通人感觉思考哲学问题非常累，很费脑子，也是这个原因。
https://blog.sciencenet.cn/blog-533026-412481.html
下一篇：闲扯知识开发与软件开发
抽象层次较高的知识，具有较普遍的意义和适用范围，相应地数量较少，用于解题的时候的精确度也较差，很多高抽象层次的知识只能用于给出定性的而非定量的答案；抽象层次较低的知识，适用范围窄，数量大，能够用于计算精确答案。知识的抽象层次是人类进行科学研究和哲学思考过程中产生的，通过划分抽象层次，使得知识能被更有效地组织和利用。
将知识划分为各个不同的抽象层次的需要，根本上是源自人脑的元认知机制，即人脑中存在着的控制其自身思考活动的机制，这种机制使用的知识在表现形式上与其他的知识没有什么不同。概念和个体都是人脑中表征客观世界所使用的思维工具。个体是对客观实在的一种概括，是客观世界中相对独立的，可以从其所处环境隔离出来的一部分，辨认个体是人类生来具有的一种本能。概念是在个体之后出现的，是对个体的总结概括，并且很可能是由于相互交流的需要，随着语言的产生而产生的。人首先在认识活动中从现实世界里区分出一个个的个体，每一个个体都是独一无二的，但是人类能发出的声音具有有限的组合，因此为每一个个体分配一个独有的符号标签，并且在相互交流的时候使用这些标签，会导致词汇表过大，词汇过长，记忆成本过高。由于有些个体具有相类似的辨识特征，或者观察到相类似的行为模式，因此在说明有些问题的时候，可以不去强调这些相类似的个体每一个所具有的独一无二的特征，而只需要谈论他们共同的特征，这样为了节省词汇，很自然就会用一个词指代具有共同特征的一类个体，这就形成了概念。概念这个词顾名思义，就是概括出来的观念，就是抽取出个体主要的，共同的部分，忽视次要的独有的部分，而形成的观念。
在面向对象的知识表示法当中，类即相当于概念，实例相当于个体。在构造面向对象的系统的时候，与人脑中自然形成的概念和个体有所不同，实例是从类派生出来的，这是因为从个体构造概念的过程是由系统设计者使用自己的头脑完成的，在完成这一过程之后，设计者直接将头脑中的知识在系统中表达出来，而不需要系统自己经历从个体构造概念的过程。由于实例是派生出来的，因此这样得到的实例只有共性部分，而不具有其独特的部分，但是为了能够正确模仿客观世界，必须让实例具有独特性，通常是使用一个随机生成的唯一标识符来赋予这种独特性，从而避免一个现实中的个体在系统中由一个以上的实例所代表。面向对象的系统或者知识库当中，实例不一定在现实世界中有对应的个体，有些实例可以是虚拟出来的，但是即使是没有显示对应物的虚拟实例，也需要具有一定的现实性基础，这个现实性基础，至少应当具备：我们可以合理地想象它在现实之中可能存在，它如果存在的话，不会造成现实世界自身在逻辑上产生无法自圆其说的矛盾。要判断虚拟实例的这种现实性，我们只需要人为指定一个现实的物体来代表那个虚拟的实例，如果现实的代表物在现实世界中可以满足虚拟实例的一切定义，那么这个实例就具有现实性。
如果根据一个理论而定义出来的模型，恰巧能够表示另一个理论的内容，那么前一个理论可以称作后一个理论的高阶理论。高阶理论是其低阶理论的概括总结，比其低阶理论抽象层次高一个等级，它产生于将低阶理论以及其中的元素作为客观实在的客体加以研究。笼统地说哲学是科学的科学，也许并不准确，但是哲学中确实有一些理论，是科学中一些理论的高阶理论，这是由哲学的研究对象和研究方法决定的，这是由于一些哲学研究把科学上的理论作为哲学上的模型加以研究，这就导致了高阶理论的产生。
OWL Full允许知识库中的一条内容，即使类又是实例，这实质上是丢掉了高阶理论到低阶理论的映射关系，把高阶理论和低阶理论的内容混同在一起，这种抽象层次的混淆造成了逻辑上的错位。因此，OWL full只能由人来阅读，通过揣测编写者的原始意思来理解其内容，而不能由机器自动处理。
对于具有多个抽象层次的知识体系，需要同时使用逻辑推理和模型仿真两种方法来处理，单纯使用逻辑的方法不足以有效表达其内涵。而包含海量知识的大规模知识本体，必然是这样一种多抽象层次的知识体系，要处理这样的知识本体，就要求建立一种推理与建模相结合的知识库系统框架。
相对于低阶理论来说，高阶理论是较少的，人类以自身的认识活动为对象加以研究，需要高度抽象的思维能力，并不是所有人都具备这种能力，而且即使具备，这种思维方式使用起来也并不容易，因为相对于一般性的思考来说，这种思维没有具像的材料作为支持，而仅仅是借用一般性思考所使用的方法，因而需要思考者具有对头脑的良好的控制能力，时刻保持警觉，时刻区分思考方法与具像，并将之相分离。普通人感觉思考哲学问题非常累，很费脑子，也是这个原因。
https://blog.sciencenet.cn/blog-533026-412481.html
下一篇：闲扯知识开发与软件开发
