Текст книги "Интеллектуальный капитал и потенциал Республики Беларусь"

С другой стороны, информационное представление человеческих знаний позволяет глубже проникнуть в его структуру и связь с актуальным информационным продуктом. Особенно важен в этом отношении анализ новейших компьютерных достижений – экспертных систем представления (объективирования) неявных компонентов знания высококвалифицированными специалистами различных областей науки.

Одной из важнейших современных проблем соотношения информации и знания является его типологизация. «Уже в рамках классической эпистемологии Нового времени, едва успевшей зафиксировать особенности своего предмета, – пишет в этой связи И. Касавин, – возникали трудности с определением понятия «знание». Можно ли, следуя традиционной логике, считать знанием лишь выраженные в языке суждения, подлежащие бинарной истинностной оценке? Являются ли формой знания нравственная норма, художественный образ, религиозный символ, философская проблема? Прав ли Аристотель, фактически видевший познавательное содержание не только в том, что именовалось «эпистеме» (научное знание в современном понимании), но и в таких феноменах, как вера, мнение, нравственное суждение, повседневный опыт? Заслуживает ли названия «знание» опровергнутая научная теория, на определенном этапе истории признанная заблуждением? Наконец, как быть с неосознаваемым (и бессознательным) содержанием человеческих представлений, с познавательными предпосылками, герменевтическими «предрассудками»…. с мыслительными навыками, с кантовскими априорными формами? Эту проблематику обостряет противостояние «двух культур» – естественнонаучного и социально-гуманитарного знания с контркультурными идеями «наукизации мистики» и «мистизации науки», с исследованием возникновения науки и проблемой рациональности» [Касавин 1998, с. 26].

Касавин обращает также внимание на весьма важную и трудную задачу, возникшую в современной философской эпистемологии, – расставания с демаркационным подходом, т. е. взглядом на знание как на то, что предполагает жесткое противопоставление науки иным формам познавательной деятельности. В основание неклассической теории познания, по его мнению, следует положить типологический подход к знанию. Это будет наиболее обоснованным шагом с методологической точки зрения, поскольку избавит от необходимости поиска общего определения знания [Там же, с. 27].

Действительно, выработка универсальной дефиниции знания, чаще всего строящейся на его научных формах, значительно обедняет статус индивидуальных возможностей человека, поскольку нивелирует в системе его интеллектуальной активности другие возможные типы и формы обусловленности поведения и действий. Следует согласиться с тем, что знание – это комплексный феномен, сопряженный со всеми возможными познавательными практиками человека, состояниями его чувственно-сознательной сферы и верифицируемый нормами социальной приемлемости. Такой подход в принципе не противоречит позиции Л. Витгенштейна, который, подводя итог многовековой дискуссии о знании, заметил: «Не существует строгого употребления слова «знание», но мы можем формулировать несколько таковых, каждое из которых более или менее согласуется со способами его употребления в реальной жизни» [Витгенштейн 1999, с. 27].

Способы «употребления знания в реальной жизни» и идея Касавина о необходимости типологического подхода к знанию – вещи близкие по смыслу, но не тождественные. Типологический подход снимает задачу поиска общей, универсальной дефиниции знания по причине ее непродуктивности в многообразных конкретных ситуациях духовно-предметного освоения мира. Этот подход определяется, скорее, идеалами дифференциации знания и лежит в плоскости философской рефлексии. Замечание же Витгенштейна относительно способов употребления знания в реальной жизни связано с интегральными онтологическими процедурами обоснования знания, т. е. с так называемым «первым этажом» в терминологии Н. Овчинникова. На первом этапе знание обращено к внешнему миру – либо к природе, либо к социальным структурам. На втором этапе оно как бы поднимается над самим собою, обращено к самому себе, самое себя превращает в предмет исследования. «Описывая первые шаги на втором этапе воображаемого строения, – замечает Овчинников, – можно сказать еще и так: мы встречаемся с эпистемологической темнотой… Однако в конечном счете приходится утверждать: структура знания такова, что без эпистемологического света на втором этаже невозможно движение и на первом этаже, то есть немыслимо исследование мира природы и познание социальных отношений. Внутренне присущее человеку стремление к познанию вынуждает собирать все свои интеллектуальные ресурсы, чтобы «повесить лампочку» на втором этаже с тем, чтобы высветить насущные проблемы познания мира» [Овчинников 2001, с. 86].

Что касается рефлексии над знанием, т. е. «второго этажа», то она, естественно, существует, хотя в этой связи и не лишено смысла сомнение немецкого философа В. Хесле, который, анализируя воззрения Декарта, замечает, что «он открыто оспаривает возможность того, чтобы акт мысли был предметом другого акта мысли, следовательно, знанием о знании».

Изложенные соображения определяют общую архитектуру компьютерных систем, основанных на знаниях. Она включает следующие важнейшие и взаимосвязанные компоненты:

1) «модуль вывода», отвечающий за моделирование этапов вывода умозаключений; в основе посылок вывода лежат имеющиеся в системе знания;

2) «источники знания», включающие базы данных и набор имеющихся в экспертной системе способов моделирования;

3) «модель текущего состояния», которая позволяет отслеживать действия системы в данный момент времени и определять ее дальнейшую деятельность в соответствии с имеющимся набором операций и требованиями пользователя;

4) «систему управления базой знаний», распределяющую потоки информации из источников знаний в другие модели экспертной системы;

5) «систему объяснения», обеспечивающую по желанию пользователя его информирование о выборе того или иного варианта решения;

6) «систему усвоения знаний», позволяющую получать дополнительные знания, отсутствующие в системе; на практике это может осуществляться в любом из следующих трех режимов:

а) в интерактивном режиме (получение знаний от пользователя или эксперта);

б) в режиме «компиляции» – преобразовании уже имеющихся знаний по определенным правилам;

в) в «режиме обучения» на конкретных примерах;

7) «систему управления экспертной системой», обеспечивающую взаимодействие всех ее модулей;

8) «внешний интерфейс» – систему связи с пользователем [Информационные… 1989, с. 138–139].

Эволюция технических вычислительных систем традиционно связана с такими понятиями, как программы и базы данных. Первоначально эти понятия и отражаемые ими процессы образовали некоторое единство, при котором функция программ заключалась в обработке данных. Позже данные были отделены от программ и по своей структуре стали подразделяться на реляционные (табличные), иерархические, сетевые и др. Для управления данными возникли системы, получившие название систем управления базами данных – совокупность языковых и программных средств, предназначенных для описания баз данных, коллективного их создания, ведения и дифференцированного использования многими пользователями.

Базы данных выступают важнейшим компонентом использования компьютера для управления информацией, особенно когда они связаны друг с другом с помощью сетей передачи данных и доступны отдаленным пользователям. Иначе говоря, без баз данных не было бы компьютера в современном его значении. Базы данных – это особым образом структурированная информация о различных предметных областях, широкий доступ к которой открывает компьютерная техника. Данная информация имманентна компьютерной системе, а специфика ее получения и когнитивно-эпистемологического усвоения пользователем отражает суть социализации этой информации и возникающих на ее основе форм знания. Имманентность в данном случае объясняется тем, что базы данных являются неотъемлемым элементом функционирования компьютерной системы. Содержащаяся в них информация является частью объективно существующего массива информации. Особенности ее социализации обусловлены появлением компьютерной техники и непосредственно с ней связаны. Непосредственность является главной отличительной чертой данного способа компьютерной социализации информации и коррелируемых с ней форм знания. В отличие от других возможных форм и средств социализации научных знаний, компьютерной социализации знания с активным использованием информации, заложенной в базе данных, свойственны в первую очередь следующие черты:

быстрота поиска и получения информации;

экономия времени пользователей;

увеличение количества информации по исследуемой проблеме;

рост числа пользователей в силу значительных удобств получения и обработки информации;

возможность работы с информацией на расстоянии;

возможность работы с информацией одновременно большого числа пользователей и др.

Отмеченные черты разграничивают в чем-то подобные до компьютерные и компьютерные формы обьективирования и соответствующие средства социализации знаний. Традиционные текстовые, цифровые, графические формы и нетрадиционные, в сравнении с ними, базы данных есть способ фиксации определенной информации. И первые, и вторые имеют аналогичную природу, т. е. созданы и выступают как средства выражения и социализации знаний. Точно так же, как тиражирование книг не есть в буквальном смысле социализация знаний, не является ею и процесс формирования баз данных для компьютерных систем. И книжное, и компьютерное «знание» может быть не прочтено или прочтено, но не усвоено, усвоено, но не использовано и т. д.

Вместе с тем докомпьютерные и компьютерные способы представления и социализации знаний не сводимы друг к другу. Когда речь идет об аналогичной природе письменно-графической и компьютерной форм выражения знаний, следует иметь в виду, что эта природа полностью не тождественна уже потому, что компьютерная форма является следствием докомпьютерных в силу их ограниченных возможностей в условиях стремительного роста информации.

Обработка данных всегда считалась основной функцией компьютеров. Это утверждение остается в силе и сейчас. Вместе с тем реальную почву обретает представление о том, что компьютеры могут оперировать знаниями так же, как и данными. С разработкой и появлением систем искусственного интеллекта появилось новое понятие – база знаний. Выше подчеркивалось, что социализирующаяся информация, содержащаяся в базах данных, так же может быть рассмотрена как своего рода знание о некоторой предметной области и ее структуре, либо как непосредственная предпосылка возникновения личностных форм знания пользователя. Тем не менее, существуют специфические признаки, отличающие знания от данных. В качестве та ких признаков знаний в связи с представлением их в компьютере выделяются следующие: внутренняя интерпретируемость, структурированность, связанность, активность.

Некоторые из этих признаков справедливы и для структурированных данных. К примеру, первый признак – интерпретируемость – свойствен реляционной базе данных. Отношения, которые характеризует второй признак – структурированность, – встречаются в иерархических, сетевых и табличных данных. Для третьего и четвертого признаков уже нет аналогов в упоминавшихся базах данных. В особенности это касается четвертого признака – свойственной человеческому познанию активности. Данные же при их хранении в памяти компьютера пассивны. В этом, пожалуй, принципиальное отличие данных от знаний [Поспелов 1988, с. 33–34].

Проектирование базы знаний требует их рассмотрения прежде всего в плане структурно-функциональных характеристик, а не с точки зрения отношения знания к его объекту. На это обращал внимание А. Ньюэлл, один из пионеров в области искусственного интеллекта. «Знание, – отмечал он, – должно быть охарактеризовано совершенно функционально, в терминах того, что оно делает, а не структурно – в терминах физических объектов с определенными свойствами и отношениями. Остается открытым вопрос о требованиях к физической структуре знания, которая должна выполнять эту функциональную роль. Фактически эта ключевая роль никогда не выполняется непосредственно. Она выполняется лишь косвенным и приблизительным образом символьными системами…» [Newell 1982].

В иерархии уровней компьютерной системы, различаемых Ньюэллом, уровень знания располагается непосредственно над программным (символьным) уровнем, и компоненты уровня знаний (действия, цели, организация), а также его субстанция (знание) могут быть определены в терминах систем символьного уровня [Там же, с. 99].

Отмечая, что искусственный интеллект имеет явные точки соприкосновения с философией, поскольку природа знания всегда являлась объектами изучения философии, подчеркнем основное различие в подходах философии к соотношению искусственного интеллекта и знания. Ньюэлл видит его в следующем: «Философский интерес к знанию сосредоточен на проблеме достоверности… Это нашло отражение в различии между знанием и полаганием (belief), выраженном в лозунговой фразе: «знание есть обоснованное истинное полагание». Искусственный интеллект, рассматривая всякое знание как содержащее ошибки, называет все такие системы системами знаний. Он использует термин «полагание» лишь неофициально, когда несоответствие действительности становится преобладающим, как это имеет место в системах политических взглядов. С точки зрения философии, искусственный интеллект имеет дело только с системами полаганий. Таким образом, это теория знания, разделяя с искусственным интеллектом безразличие к проблемам абсолютной достоверности, просто оставляет без внимания некоторые центральные философские вопросы» [Там же, с. 122].

Существующие различия между данными и знаниями привели к появлению специальных формализмов в виде моделей представления знаний в компьютерных системах. К таким моделям и соответственно – языкам представления знаний относят ся известные сегодня языки (модели) семантических сетей, системы фреймов, логические языки (модели) и продукционные системы. В общем плане названные формализмы обусловили разработку и успех так называемых экспертных систем.

Многие проблемы, связанные с разработкой и использованием экспертных систем, освещены в научной литературе. Здесь мы попытаемся посмотреть на их структуру и функции с несколько иных позиций, акцентируя их роль в современных процессах и способах социализации знаний.

Суть востребованности экспертных систем в том, что любой высококвалифицированный специалист – эксперт в той или иной области не всегда может, а чаще всего в принципе не может, индивидуально формализовать свои знания таким образом, чтобы затем они буквально, хотя и опосредованно, были воспроизведены другим человеком. Речь уже не о полноте их восприятия, которая невозможна из-за неминуемой утраты ряда смыслов и значений при материально-знаковой объективизации личностного знания. Теория и практика экспертных систем предусматривает наличие обязательного коммуникативного условия – диалога между экспертом (специалистом в определенной области знания) и специалистом – когнитологом. В его задачу входит создание располагающей к разговору атмосферы и формулировка на основе специальных методик последовательности вопросов, которые специалист-эксперт сам себе никогда бы не задал. Именно в контексте такой коммуникативной ситуации и удается эксплицировать неявные компоненты знания, которые могут быть сопряжены с рядом неформальных эвристических приемов, интуитивных пониманий, догадок и т. п. Они формируются на основе длительного профессионального опыта и делают специалиста признанным экспертом в соответствующей области.

Экспертные системы можно рассматривать как результат развития информационно-поисковых систем (ИПС), получивших широкое распространение в 60–70-х годах. Последние с помощью так называемой машины логического вывода оперировали информацией, заложенной в базе данных. Пользователю в данном случае отводилась пассивная, нетворческая роль. Он не мог вступить с машиной в диалог, привлечь свои знания к решению проблемы. Вместе с этим недостаточно использовалась и сама информация, находящаяся в базах данных.

В экспертной системе эти трудности преодолеваются наличием в ней «интеллектуального коммуникативного буфера» между традиционной базой данных и конечным пользователем. Сущность коммуникационного буфера неоднозначна. Она проявляется в способности системы хранить и обрабатывать знания, а не просто информацию, в таких коммуникативных подсистемах, как подсистемы общения и объяснения.

Какие же знания и как социализируются в контексте развития экспертных систем? Знания, которыми должна быть «заполнена» экспертная система, не ограничиваются лишь тем содержанием, которое присуще традиционной базе данных. Наряду с последним (общепринятая модель действительности, за фиксированная в книгах, статьях, справочниках и т. п.) в экспертных системах содержатся знания, которые, как правило, нигде не зафиксированы, но являют ся субъективной реальностью, соотносящейся с личностью специалиста-эксперта в той или иной предметной области. В принципе эксперт обладает и знаниями, признанными и известными в отношении данной предметной области. Но имеются в виду не эти знания, а прежде всего совокупность некоторых неформальных эвристических приемов, интуитивных со ображений, догадок, которые формируются на основе длительного профессионального опыта и дела ют специалиста экспертом в соответствующей области. Подобные знания чрезвычайно трудно представить в компьютерной системе, с чем, в сущности, и связана работа инженеров по знаниям – когнитологов.

Одной из сложных задач когнитолога является непосредственное общение со специалистом-экспертом. В результате этого общения он должен, используя специальные методики, получить от эксперта не обходимое для функционирования экспертной системы профессиональное знание и заполнить им базу знаний. Важно в процессе общения правильно сформулировать и задать вопросы. При этом вопросы должны быть преимущественно такие, какие сам специалист себе никогда не задает. Существует ряд других тонкостей, которые не обходимо соблюдать в процессе общения с экспертом. При достаточно высокой профессиональной культуре когнитолога оказывается возможным выявить интуитивное, неявно выраженное знание специалиста и представить его в экспертной системе. В последующем это позволяет пользователю принять необходимое решение в тех областях, модель которых задана традиционными базами данных недостаточно полно или противоречиво.

Чтобы полнее охарактеризовать базу знаний экспертных систем, подчеркнем еще некоторые функции когнитолога. Одна из них связана с разработкой процедур управления и манипулирования знаниями. Известно, что экспертная система способна функционировать в режиме поднакопления знаний. Это обусловливает возникновение и необходимость решения следующих вопросов: как вводимое из дополнительных источников знание соотносится с уже представленным в компьютере? Если дополнительное знание не согласуется с функционирующим в системе, то какова специфика возникающих противоречий и как их разрешить? Каковы механизмы перестройки базы знаний в результате введения дополнительной информации? Подобными вопросами также занимается инженер по знаниям. Есть у него и такие функции, которые связаны с «достраиванием» дополнительной информации (на основании хранящейся в памяти компьютера) с целью использования ее в решении новых проблем. Кроме этого, когнитолог должен обобщать, систематизировать и классифицировать поступающую информацию, интерпретировать связь фактов, хранящихся в системе, и производных от них.

Современные экспертные системы способны давать советы в таких областях, как диагностика различных заболеваний, геологоразведка, химическое исследование органических веществ и др. В каждой из этих областей, как правило, приходится иметь дело с информацией, которая не отличается достаточной полнотой и строгостью, а порой бывает чрезмерно сложна. Это нарушает «логику действий» обычных информационно-вычислительных машин. Экспертная же система в принципе способна справиться с подобной информацией. Например, знания, используемые в такой системе, могут быть получены от специалиста-эксперта в виде соответствующих правил. Некоторые из них совершенно однозначны и имеют вид: «если то-то и то-то, то получается такой-то результат». Другие правила менее определенны и предполагают вероятностные оценки: «если (до известной степени) то-то и (до известной степени) то-то, то (до известной степени) справедлив такой-то результат» [Мичи 1987, с. 38].

Именно в данной связи оказываются необходимыми знания и интуиция специалиста-эксперта, что достигается в длительном профессиональном опыте.

Как знания, представляемые в экспертной системе, социализируются и кто является непосредственным «потребителем» знаний? Субъектом социализации, как и в тех случаях, о которых речь шла выше, является пользователь экспертной системы, т. е. человек (или несколько людей), работающий с данной системой с целью использования представленных в ней знаний (и возможностей оперировать ими) в решении определенных задач.

Одна ко специфика экспертных систем обусловливает ряд особенностей, которые влияют как на механизмы получения и освоения знаний, так и на требования, предъявляемые к пользователю. Казалось бы, развитие компьютерной техники и сам процесс компьютеризации есть воплощение идеи широкого приобщения людей к использованию компьютерных технологий в различных целях. В стратегическом отношении это действительно так. Тем не менее сейчас говорить об этом еще не приходится. Экспертные системы имеют сегодня достаточно ограниченную сферу приложения. Это медицинская диагностика, геологоразведка, некоторые области химии и генетики, планирования, управления и др. Тем самым ограничиваются разновидности представляемого в системах знания, круг пользователей и соответственно сеть направлений (каналов) социализации знаний. Но даже при расширении сферы приложения экспертных систем сохранятся трудности, обусловленные недостаточной компьютерной культурой пользователей. Последняя исходит не только из собственно компьютерной грамотности, но и знания тех предметных областей, в которых предполагается использование экспертных систем.

Главное на значение профессионала-эксперта состоит в том, чтобы передать экспертные знания любому специалисту в определенной области независимо от пространственных и временных ограничений. В этом проявляется суть социализации высокопрофессиональных знаний посредством экспертных систем. Области разработки и приложения последних определяют типологизацию субъекта социализации.

В любом случае таким субъектом является достаточно подготовленный пользователь, поскольку экспертные системы не рассчитаны на замену его интеллектуальных способностей. В этом их коренное отличие от традиционных разработок в области искусственного интеллекта. Если в последнем случае человеку в работе с компьютером отводилась пассивная роль, то при пользовании экспертными системами он полностью несет ответственность за выбор конечного решения.

Компьютер не заменяет человека. Он может выполнять роль консультанта, предоставлять в распоряжение пользователя знания опытных профессионалов, предлагать вари анты решений, но при этом ориентирован на их собственный общеобразовательный и профессиональный уровень. Социализирующееся знание в данном случае – это знание высококвалифицированных экспертов, рефлексируемое пользователем. Оно носит ограниченный и узко-профессиональный характер.

Компьютерная социализация в широком смысле предполагает разработку экспертных систем в раз личных предметных областях. На этом пути возникает ряд трудностей, связанных с выявлением экспертов и их индивидуальными особенностями, подготовкой когнитологов, со спецификой представления знания и др. При этом перспектива активного использования научных достижений, профессионального опыта в широком социальном плане с помощью компьютерных технологий напрямую связана с формированием и развитием компьютерной и шире – информационной культуры на селения.

Тем не менее все более остро встает вопрос об управлении (knowledge management) этим приоритетным человеческим достоянием. Впервые концепцию управления знаниями сформулировал К. Виг в выступлении перед Международной Трудовой организацией в 1986 году. С точки зрения Мак-Элроя, управление знаниями – «это перспектива увеличения скорости, с которой организация обучается, и, следовательно, рост интенсивности инноваций». Он полагает, что технология управления знаниями включает следующие элементы:

проведение аудита знаний для определения необходимых знаний;

создание карт знаний для того, чтобы обеспечить быстрый доступ к ним;

создание групп обмена опытом (communities of practice) и курсов для определения скрытого знания; – накопление лучшего опыта обучения знаниям;

управление содержанием для поддержания знаний современными и относящимися к делу методами; – использование «сказок» (storytelling) для распространения знаний; – поощрение обучающихся для содействия передаче и использованию знаний.

Обращается внимание на технологии передачи знания (Transferring Knowledge). Формализованное знание является, скорее, описанием модели, нежели действительной когнитивной моделью. Для того чтобы превратить информацию о нем в модель, пригодную к использованию, это описание должно быть загружено в соответствующий процессор. Подчеркивается, что интеллектуальная производительность системы управления знаниями зависит от качества организации совместной работы персонала.

Обобщим вышеизложенную аналитику.

Современный социум все более определяется как «общество знания», п о – тому что процессы формирования информационного общества характеризуются переходом к интеллектуальным, культурно-образовательным приоритетам, определяющим облик нового социального устройства и идеалы развития. Речь не о знании вообще как неотъемлемом компоненте всемирно-исторического культурно-цивилизационного процесса, а о взрывном эффекте роли знания в условиях сущностно понятой Современности.

Не всякая информация является знанием, в то время как знание по своей природе и содержанию всегда информативно. Знание в широком смысле – это субъективный образ реальности в форме понятий и представлений, в узком смысле – обладание проверенной информацией (ответами на вопросы), позволяющей решать поставленную задачу. Знание – это понимание предмета, умение обращаться с ним, разбираться в нем, а также использовать для достижения намеченных целей. В теории искусственного интеллекта и экспертных систем знание – это совокупность информации индивидуума, общества или системы ИИ) о мире, свойствах объектов, закономерностях процессов и явлений, а также правилах их использования для принятия решений. Главное отличие знаний от данных состоит в их структурированности и потенциальной активности.

Сущность знания раскрывается в реальных человеческих связях и отношениях, которые характеризуются условиями и особенностями социальной коммуникации. Знание – это коммуникативный феномен, и процедуры его продуктивной рефлексии раскрываются в возможностях интерактивных практик людей. В этом состоит смысл когнитивной концепции, в соответствии с которой информация понимается как превращенная форма знания или те ее виды, которые связаны с сознанием человека. В знании выявляется единство объективной и субъективной сторон информации.

В формировании и развитии знания выделяется ряд циклов: использования «наличной» информации – объективированных форм знания и данных, формирования личностных знаний пользователя – и два цикла, связанные с превращением потенциального информационного продукта в актуальный – представление личностных знаний в объективированных формах и обращение к ранее неизвестным (еще не познанным, не включенным в когнитивные процессы) источникам (объектам) и структурам информации. Объективированные знания не могут сами по себе эффективно функционировать без некоторых специфических особенностей их восприятия, понимания, личностного осмысления, что, в свою очередь, связано с определенными социально-культурными феноменами бытия самого человека.

Все более значимую роль в понимании компьютерного обеспечения знаний играют программы и базы данных. Первоначально эти понятия и отражаемые ими процессы образовали некоторое единство, при котором функция программ заключалась в обработке данных. Позже данные были отделены от программ и по своей структуре стали подразделяться на реляционные (табличные), иерархические, сетевые и др. Для управления данными возникли системы, получившие название систем управления базами данных – совокупность языковых и программных средств, предназначенных для описания баз данных, коллективного их создания, ведения и дифференцированного использования многими пользователями.

Существующие различия между данными и знаниями привели к появлению специальных формализмов в виде моделей представления знаний в компьютерных системах. К таким моделям и соответственно – языкам представления знаний относят ся известные сегодня языки (модели) семантических сетей, системы фреймов, логические языки (модели) и продукционные системы. В общем плане названные формализмы обусловили разработку и эффективность так называемых экспертных систем. Субъектом социализации является пользователь экспертной системы, т. е. человек (или несколько людей), работающий/е с данной системой с целью использования представленных в ней знаний (и возможностей оперировать ими) в решении определенных задач.

В последние десятилетия Знание стало напоминать необъятный информационно-коммуникативный децентрированный архипелаг, и все более остро встает вопрос об управлении (knowledge management) этим приоритетным человеческим достоянием. Понятно, что формирование и развитие такого духовного богатства непосредственно и во все возрастающей степени обусловлено интеллектуальной зрелостью общества, его адекватной творческой способностью к освоению достижений информационно-коммуникативной революции как магистрального направления новых постиндустриальных/ информационных общественных укладов.