സമീപ വർഷങ്ങളിൽ, സെറോക്സ് കമ്പനി സ്വയം പകർപ്പെടുക്കുന്ന മെഷീനുകളുടെ നിർമ്മാതാവായിട്ടല്ല, മറിച്ച് ഒരു ഡോക്യുമെൻ്റ് പ്രോസസ്സിംഗ് കമ്പനിയായി നിലകൊള്ളുന്നു. ZM കമ്പനി സ്വയം ഒരു നൂതന പ്രശ്‌ന പരിഹാര കമ്പനി എന്നാണ് വിളിക്കുന്നത്. തങ്ങളുടെ ബിസിനസ്സ് പരിജ്ഞാനവും വിശാലമായ സാങ്കേതിക കഴിവുകളും സംയോജിപ്പിച്ച് ഉപഭോക്താക്കൾക്ക് ദീർഘകാല സാമ്പത്തിക നേട്ടങ്ങൾ സൃഷ്ടിക്കുന്ന ഒരു കമ്പനിയായി IBM സ്വയം തിരിച്ചറിയുന്നു. ഓഫീസ് ഉപകരണ കമ്പനിയായ സ്റ്റീൽകേസ് പറയുന്നത്, തങ്ങളുടെ ജോലിസ്ഥലങ്ങളിൽ ആളുകൾക്ക് മികച്ച അനുഭവങ്ങൾ സൃഷ്ടിക്കാൻ സഹായിക്കുന്ന കുത്തക അറിവും സേവനങ്ങളും വിൽക്കുന്നു. എന്താണ് ഈ കമ്പനികളുടെ മൂല്യം കൂട്ടുന്നത്? ഇവ പ്രധാനമായും അറിവിനെ അടിസ്ഥാനമാക്കിയുള്ള പരിഹാരങ്ങളാണ്: സാങ്കേതികവും സാങ്കേതികവുമായ അറിവ്, ഉൽപ്പന്ന രൂപകൽപ്പന, മാർക്കറ്റിംഗ് ഗവേഷണം, ഉപഭോക്താക്കളുടെ യഥാർത്ഥ ആവശ്യങ്ങൾ തിരിച്ചറിയൽ. അറിവാണ് ഈ കമ്പനികൾക്ക് സുസ്ഥിരമായ മത്സര നേട്ടം നൽകുന്നത്.

അറിവും ഡാറ്റയും വിവരവും തമ്മിലുള്ള വ്യത്യാസം നമുക്ക് പരിഗണിക്കാം. ഒരു പ്രത്യേക ഡാറ്റാബേസ് അല്ലെങ്കിൽ ഇൻഫർമേഷൻ സിസ്റ്റം സൃഷ്ടിക്കുന്നതിന് ഓർഗനൈസേഷൻ കാര്യമായ ഫണ്ട് ചെലവഴിച്ചതിന് ശേഷം അല്ലെങ്കിൽ കമ്പ്യൂട്ടർവൽക്കരണത്തിനായി ഈ ഫണ്ടുകൾ ചെലവഴിച്ചതിന് ശേഷം, ഇവ വ്യത്യസ്ത കാര്യങ്ങളാണെന്ന് മാനേജർമാർ മനസ്സിലാക്കാൻ തുടങ്ങുന്നു.

ഡാറ്റ- വിവിധ വസ്തുനിഷ്ഠമായ വസ്തുതകളുടെ ഒരു ശേഖരമാണ്. കോർപ്പറേഷനുകളിൽ, ഇത്, ഉദാഹരണത്തിന്, ഇടപാടുകളുടെ ഘടനാപരമായ രേഖകൾ (പ്രത്യേകിച്ച്, എല്ലാ വിൽപ്പനകളിലെയും ഡാറ്റ: എത്ര, എപ്പോൾ, ആരാണ് വാങ്ങിയത്, എത്ര, എപ്പോൾ പണം, മുതലായവ). വാങ്ങുന്നയാൾ എന്തിനാണ് ഇവിടെ വന്നതെന്നും അവൻ വീണ്ടും വരുമോ എന്നും ഈ ഡാറ്റ ഞങ്ങളോട് പറയുന്നില്ല.

വിവരങ്ങൾയഥാർത്ഥ ലോകത്തിൻ്റെ ചില വശങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങളുടെ ഒരു ശ്രേണിപരമായ ശേഖരമാണ്. വിവരങ്ങൾ സന്ദേശങ്ങളുടെ ഒരു പ്രവാഹമാണ്, ഈ ഒഴുക്കിൽ നിന്നാണ് അറിവ് സൃഷ്ടിക്കപ്പെടുന്നത്; അത് അറിവ് വഹിക്കുന്നയാളുടെ അഭിപ്രായങ്ങളെയും വിശ്വാസങ്ങളെയും ആശ്രയിച്ചിരിക്കുന്നു.

വിവരങ്ങൾ ഒരു തരത്തിലുള്ള സന്ദേശമാണ്, സാധാരണയായി ഒരു പ്രമാണത്തിൻ്റെ രൂപത്തിലോ വീഡിയോ അല്ലെങ്കിൽ ഓഡിയോ രൂപത്തിലോ ആണ്. ഇതിന് ഒരു സ്വീകർത്താവും അയച്ചയാളും ഉണ്ട്. അത് അറിയിക്കുന്നു, അതായത്. സ്വീകർത്താവിൻ്റെ മൂല്യനിർണ്ണയത്തിലോ പെരുമാറ്റത്തിലോ മാറ്റം വരുത്തിക്കൊണ്ട് സ്വീകർത്താവിന് "ആകാരം നൽകുന്നു". സന്ദേശം എത്രത്തോളം വിവരമാണ് എന്നത് സ്വീകർത്താവ് നിർണ്ണയിക്കുന്നു. ലഭിച്ച സന്ദേശം അവനെ എത്രമാത്രം അറിയിക്കുന്നുവെന്നും അത് കേവലം വിവര ശബ്ദമാണെന്നും വിലയിരുത്തുന്നത് അവനാണ്.

ഡാറ്റ പല തരത്തിൽ വിവരങ്ങളായി മാറുന്നു:

ഒ സന്ദർഭോചിതമാക്കൽ: ഈ ഡാറ്റ എന്തിനുവേണ്ടിയാണെന്ന് ഞങ്ങൾക്കറിയാം;

ഒ എണ്ണുക: ഞങ്ങൾ ഡാറ്റ ഗണിതപരമായി പ്രോസസ്സ് ചെയ്യുന്നു;

ഒ തിരുത്തൽ: ഞങ്ങൾ പിശകുകൾ തിരുത്തുകയും ഒഴിവാക്കലുകൾ ഇല്ലാതാക്കുകയും ചെയ്യുന്നു;

ഒ കംപ്രഷൻ: ഞങ്ങൾ ഡാറ്റ കംപ്രസ്സുചെയ്യുന്നു, കേന്ദ്രീകരിക്കുന്നു, സംഗ്രഹിക്കുന്നു.

അറിവ്- ഡാറ്റയെക്കാളും വിവരത്തേക്കാളും ആഴമേറിയതും വിശാലവുമായ ഒരു ആശയം. ഓരോ എൻ്റർപ്രൈസസും, അതിൻ്റെ പ്രവർത്തനങ്ങളുടെ ഗതിയിൽ, ഡാറ്റ ശേഖരിക്കുന്നു, അതിനെ രൂപപ്പെടുത്തുകയും പുതിയ അറിവ് സൃഷ്ടിക്കുകയും ചെയ്യുന്നു. മിക്കപ്പോഴും, ഈ അറിവ് സാങ്കേതികവിദ്യയെ ബാധിക്കുന്നു, ഞങ്ങൾ മെറ്റീരിയൽ ഉൽപ്പാദനത്തെക്കുറിച്ചാണ് സംസാരിക്കുന്നതെങ്കിൽ, അതുപോലെ തന്നെ ക്ലയൻ്റുകളുമായി പ്രവർത്തിക്കുന്നതിനുള്ള സാങ്കേതികവിദ്യയും പരസ്പരം ഇടപഴകുന്നതിനുള്ള സാങ്കേതികവിദ്യയും ഞങ്ങൾ സംസാരിക്കുന്നത് ഉപഭോക്തൃ സേവനം നൽകുന്ന ഒരു എൻ്റർപ്രൈസിനെക്കുറിച്ചാണെങ്കിൽ. ഇത് എൻ്റർപ്രൈസസിൻ്റെ പരിസ്ഥിതിയെക്കുറിച്ചുള്ള അറിവായിരിക്കാം - ജനസംഖ്യാശാസ്ത്രം, മാക്രോ ഇക്കണോമിക്, സോഷ്യൽ, മാക്രോ ഇക്കണോമിക്, ടെക്നോളജിക്കൽ, മാർക്കറ്റ് ട്രെൻഡുകളെക്കുറിച്ച്.

അറിവും വിവരവും ഡാറ്റയും തമ്മിലുള്ള വ്യത്യാസം: ഒരു ഉദാഹരണം

ക്രിസ്‌ലറിന് എൻജിനീയറിങ് നോളജ് ബുക്ക് എന്ന് പേരിട്ടിരിക്കുന്ന കമ്പ്യൂട്ടർ ഫയലുകളുടെ ഒരു ശേഖരം ഉണ്ട്, അത് ഏത് പുതിയ കാർ ഡിസൈനർക്കും ഉപയോഗിക്കുന്നതിന് കമ്പനിയുടെ ഓട്ടോമൊബൈലുകളെക്കുറിച്ചുള്ള സമഗ്രമായ വിവരങ്ങളും വിവരങ്ങളും നൽകുന്നു. നടത്തിയ ക്രാഷ് ടെസ്റ്റുകളുടെ ഡാറ്റ മാനേജർക്ക് ലഭിച്ചപ്പോൾ, ഉചിതമായ പ്രോസസ്സിംഗ് കൂടാതെ അവ ഫയലുകളിൽ ഇടാൻ അദ്ദേഹം വിസമ്മതിച്ചു. ഇനിപ്പറയുന്ന ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ അദ്ദേഹം നിർദ്ദേശിച്ചു:

എന്തുകൊണ്ടാണ് ഈ പരിശോധനകൾ നടത്തിയത്;

മറ്റ് വർഷങ്ങളിൽ നിന്നും മത്സരാർത്ഥികളിൽ നിന്നുമുള്ള ഈ കമ്പനിയുടെ മറ്റ് സമാന ടെസ്റ്റുകളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ എന്താണ് ഫലങ്ങൾ;

കാറിൻ്റെ രൂപകൽപ്പനയ്ക്കും അതിൻ്റെ പ്രധാന ഘടകങ്ങൾക്കുമുള്ള നിഗമനങ്ങളും പരിശോധനകളും എന്തൊക്കെയാണ്?

സമാനമായ ചോദ്യങ്ങൾ വിവരങ്ങളെ അറിവാക്കി മാറ്റുന്നു; മാത്രമല്ല, ഈ ചോദ്യങ്ങൾക്കുള്ള ഉത്തരങ്ങൾ വിവരങ്ങൾക്ക് മൂല്യം കൂട്ടുന്നു, അല്ലെങ്കിൽ, മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, മൂല്യം ചേർക്കുക. പ്രായോഗികമായി, അനാവശ്യവും ശൂന്യവുമായ വിവരങ്ങൾ ചേർക്കുന്നതിലൂടെ യഥാർത്ഥ വിവരങ്ങൾക്ക് അതിൻ്റെ മൂല്യം നഷ്ടപ്പെടുമ്പോൾ വിപരീത ഉദാഹരണങ്ങളുണ്ട്. വിവര ശബ്‌ദത്തിൻ്റെ ഒഴുക്കിൽ ആവശ്യമായ വിവരങ്ങൾ മങ്ങുന്നത് കാരണം മൂല്യം നഷ്ടപ്പെടുന്നു.

അറിവ്അനുഭവം, മൂല്യങ്ങൾ, സാന്ദർഭിക വിവരങ്ങൾ, വിദഗ്ധ വിലയിരുത്തലുകൾ എന്നിവയുടെ സംയോജനമാണ്, ഇത് പുതിയ അനുഭവവും വിവരങ്ങളും വിലയിരുത്തുന്നതിനും സംയോജിപ്പിക്കുന്നതിനുമുള്ള ഒരു പൊതു ചട്ടക്കൂട് നൽകുന്നു. അറിവുള്ളവരുടെ മനസ്സിൽ അറിവുണ്ട്. ഓർഗനൈസേഷനുകളിൽ, ഇത് രേഖകളിൽ മാത്രമല്ല, പ്രക്രിയകൾ, നടപടിക്രമങ്ങൾ, മാനദണ്ഡങ്ങൾ, പൊതുവായി പ്രായോഗികമായി എന്നിവയിലും രേഖപ്പെടുത്തിയിട്ടുണ്ട്.

ഡാറ്റയിൽ നിന്ന് വിവരങ്ങൾ ഉണ്ടാകുന്നതുപോലെ, വിവരങ്ങളിൽ നിന്ന് അറിവ് ഉണ്ടാകുന്നത്:

താരതമ്യങ്ങൾ, വ്യാപ്തി നിർണ്ണയിക്കുന്നു (ഈ പ്രതിഭാസത്തെക്കുറിച്ചുള്ള വിവരങ്ങൾ മറ്റൊന്നിലേക്ക് എങ്ങനെ, എപ്പോൾ പ്രയോഗിക്കാം);

കണക്ഷനുകൾ സ്ഥാപിക്കൽ (ഈ വിവരങ്ങൾ മറ്റ് വിവരങ്ങളുമായി എങ്ങനെ ബന്ധപ്പെട്ടിരിക്കുന്നു);

o വിലയിരുത്തലുകൾ (ഈ വിവരങ്ങൾ എങ്ങനെ വിലയിരുത്താം, മറ്റുള്ളവർ അത് എങ്ങനെ വിലയിരുത്തുന്നു);

o വ്യാപ്തി നിർണ്ണയിക്കുന്നു (ചില തീരുമാനങ്ങൾക്കോ ​​പ്രവർത്തനങ്ങൾക്കോ ​​ഈ വിവരം എങ്ങനെ ബാധകമാണ്).

ഡാറ്റയെ വിവരമായും വിവരങ്ങളെ അറിവായും പരിവർത്തനം ചെയ്യുന്ന പ്രക്രിയ ചിത്രം കാണിച്ചിരിക്കുന്നു. 14.1

അരി. 14.1 ഡാറ്റ, വിവരങ്ങൾ, അറിവ്

വ്യക്തിപരവും ഗ്രൂപ്പ് അറിവും തമ്മിൽ വേർതിരിവുണ്ട്. അറിവ് എന്നത് വ്യക്തികളുടെ പ്രത്യേകാവകാശമാണെന്ന് പരമ്പരാഗത വീക്ഷണങ്ങൾ അനുമാനിക്കുന്നു, ഒരു ഗ്രൂപ്പ് ആ ഗ്രൂപ്പിലെ അംഗങ്ങളുടെ ലളിതമായ ആകെത്തുകയാണ്, ഗ്രൂപ്പ് അറിവ് അവരുടെ അറിവിൻ്റെ ആകെത്തുകയാണ്.

മറ്റൊരു ആധുനിക വീക്ഷണമുണ്ട്, അതനുസരിച്ച് ഒരു കൂട്ടം ആളുകൾ അതിൻ്റേതായ സവിശേഷമായ പ്രത്യേകതയോടെ ഒരു പുതിയ എൻ്റിറ്റി രൂപീകരിക്കുന്നു. ഈ ആശയത്തിൻ്റെ ചട്ടക്കൂടിനുള്ളിൽ, നമുക്ക് യഥാക്രമം ഗ്രൂപ്പ് പെരുമാറ്റത്തെക്കുറിച്ചും ഗ്രൂപ്പ് അറിവിനെക്കുറിച്ചും സംസാരിക്കാം. ഈ പുതിയ ആശയം വിജ്ഞാന മാനേജ്മെൻ്റിൻ്റെ ശാസ്ത്രത്തിൽ വ്യാപകമായി ഉപയോഗിക്കപ്പെടുന്നു. അങ്ങനെ, അറിവ് ഒരു വ്യക്തിക്ക് മാത്രമല്ല, ഒരു കൂട്ടം ആളുകൾക്കും നേടാനാകും. അപ്പോൾ അവർ പറയുന്നു, സംഘടനയ്ക്ക് മൊത്തത്തിൽ എന്തെങ്കിലും അറിയാം, ഒരു ഗ്രൂപ്പും ഒരു ബ്രിഗേഡും മറ്റും എന്തെങ്കിലും അറിയാം.

കോർപ്പറേറ്റ് ഐക്യു വർദ്ധിപ്പിക്കേണ്ടതിൻ്റെ ആവശ്യകതയെക്കുറിച്ച് ബിൽ ഗേറ്റ്സ് തൻ്റെ ബിസിനസ്സ് അറ്റ് ദി സ്പീഡ് ഓഫ് ചിന്തയിൽ എഴുതിയിട്ടുണ്ട്. ഇതിലൂടെ അദ്ദേഹം അർത്ഥമാക്കുന്നത് മിടുക്കരായ ജീവനക്കാരുടെ എണ്ണം മാത്രമല്ല, കമ്പനിയിൽ മൊത്തത്തിലുള്ള അറിവിൻ്റെ ശേഖരണവും ജീവനക്കാരെ പരസ്പരം ആശയങ്ങളിൽ നിന്ന് പ്രയോജനപ്പെടുത്താൻ അനുവദിക്കുന്ന വിവരങ്ങളുടെ സ്വതന്ത്രമായ ഒഴുക്കും കൂടിയാണ്.

അറിവ് വ്യക്തമോ നിശബ്ദമോ ആകാം. വ്യക്തമായ അറിവ്വാക്കുകളിലും അക്കങ്ങളിലും പ്രകടിപ്പിക്കാനും മീഡിയയിൽ ഔപചാരിക രൂപത്തിൽ കൈമാറാനും കഴിയും. കുറിപ്പടികൾ, നിർദ്ദേശങ്ങൾ, പുസ്തകങ്ങൾ, വിവിധ മാധ്യമങ്ങൾ, മെമ്മോകൾ മുതലായവയുടെ രൂപത്തിൽ കൈമാറ്റം ചെയ്യപ്പെടുന്ന അത്തരം അറിവുകളെ ഇത് സൂചിപ്പിക്കുന്നു.

നിശബ്ദമായ അറിവ്തത്വത്തിൽ, ഇത് ഔപചാരികമാക്കപ്പെട്ടിട്ടില്ല, മാത്രമല്ല അതിൻ്റെ ഉടമയ്‌ക്കൊപ്പം മാത്രമേ നിലനിൽക്കൂ - ഒരു വ്യക്തി അല്ലെങ്കിൽ ഒരു കൂട്ടം വ്യക്തികൾ.

മൗനജ്ഞാനം രണ്ടുതരമുണ്ട്. ആദ്യത്തേത് അവരുടെ കരകൗശലത്തിൻ്റെ യജമാനന്മാർ പ്രകടമാക്കുന്ന സാങ്കേതിക കഴിവുകളാണ്, ചട്ടം പോലെ, നിരവധി വർഷത്തെ പരിശീലനത്തിൻ്റെ ഫലമാണ്. രണ്ടാമത്തേത്, അവയെ കുറിച്ച് ചിന്തിക്കാതെ നാം ഉപയോഗിക്കുന്ന വിശ്വാസങ്ങളും ആദർശങ്ങളും മൂല്യങ്ങളും മാനസിക മാതൃകകളും.

ഒരു പോസിറ്റീവ് കോർപ്പറേറ്റ് സംസ്കാരം സൃഷ്ടിക്കുകയും ശക്തിപ്പെടുത്തുകയും ചെയ്യുന്ന പ്രക്രിയയിലും ഗ്രൂപ്പ് ഇൻ്ററാക്ഷൻ വഴിയും (പിൻവാങ്ങലുകൾ, ക്രിയേറ്റീവ് ഗ്രൂപ്പുകൾ മുതലായവ) നിശബ്ദ അറിവ് രൂപപ്പെടുകയും വികസിപ്പിക്കുകയും ചെയ്യുന്നു.

ബിസിനസ്സ് സ്ഥാപനങ്ങളുടെ ഭാഗത്തുനിന്നുള്ള വ്യക്തമായതും നിശബ്ദവുമായ അറിവിനോടുള്ള മനോഭാവം വളരെ വൈരുദ്ധ്യമാണ്. ഒരു വശത്ത്, പല സ്ഥാപനങ്ങളും നിശബ്ദമായ അറിവിനെ വ്യക്തമായ അറിവാക്കി മാറ്റാൻ ശ്രമിക്കുന്നു. ഒരു വശത്ത്, വ്യക്തികളെ ആശ്രയിക്കാതിരിക്കാനും മറുവശത്ത്, കാര്യമായ നേട്ടങ്ങൾ തനിപ്പകർപ്പാക്കാനുമാണ് ഇത് ചെയ്യുന്നത്. അതേ സമയം, ഈ സ്ഥാപനങ്ങൾക്ക് തങ്ങളുടെ പ്രധാന മത്സര നേട്ടങ്ങൾ ഡ്യൂപ്ലിക്കേഷന് തയ്യാറായ ഒരു ഫോമിലേക്ക് മാറ്റുന്നത് കാണാൻ താൽപ്പര്യമില്ല. അതുകൊണ്ടാണ് പല കമ്പനികളും തങ്ങളുടെ മത്സരാധിഷ്ഠിത നേട്ടങ്ങളിൽ ചിലത് തനിപ്പകർപ്പാക്കാൻ കഴിയാത്ത രൂപങ്ങളിൽ നിലനിർത്താൻ ശ്രമിക്കുന്നത് (നിർദ്ദിഷ്ട പരിശീലനം, കോർപ്പറേറ്റ് സംസ്കാരം, പ്രത്യേക സേവന സംവിധാനങ്ങൾ മുതലായവ).

വ്യക്തമായതും പരോക്ഷവുമായ അറിവ് വഹിക്കുന്നയാൾ ഒരു പ്രത്യേക വ്യക്തി മാത്രമല്ല, ഒരു സ്ഥാപനവുമാകാം. തൽഫലമായി, കൂട്ടായ പ്രതികരണങ്ങളുടെയും ആന്തരിക ഇടപെടലുകളുടെയും സ്ഥിരതയുള്ള പാറ്റേണുകൾക്ക് അടിവരയിടുന്ന നിശബ്ദ ഗ്രൂപ്പ് അറിവിനെക്കുറിച്ച് നമുക്ക് സംസാരിക്കാം.

പാശ്ചാത്യ സാഹിത്യത്തിൽ, "റൂട്ടീനുകൾ" എന്ന പദം ചിലപ്പോൾ നിശബ്ദ ഗ്രൂപ്പ് അറിവിനെ സൂചിപ്പിക്കാൻ ഉപയോഗിക്കുന്നു, അവ ആവർത്തിച്ചുള്ള പ്രവർത്തനങ്ങൾ, ഒരു ഓർഗനൈസേഷൻ്റെയോ സ്ഥാപനത്തിൻ്റെയോ പതിവ് പെരുമാറ്റ രീതികളാണ്. നിർദ്ദേശങ്ങളില്ലാതെയും തിരഞ്ഞെടുക്കൽ നടപടിക്രമത്തിൻ്റെ അഭാവത്തിലും യാന്ത്രികമായി സംഭവിക്കുന്നതാണ് ദിനചര്യകൾ; എന്നിരുന്നാലും, ദിനചര്യകൾ ക്രോഡീകരിക്കാൻ കഴിയില്ല.

റഷ്യൻ ഭാഷയിൽ, ദിനചര്യയെ ഒരു പതിവ്, സ്ഥാപിത സമ്പ്രദായം, ഒരു പ്രത്യേക ഭരണകൂടം, ഒരു പാറ്റേൺ, ആളുകളുടെ പ്രവർത്തനങ്ങളുമായി ബന്ധപ്പെട്ട നിയമങ്ങൾ എന്നിങ്ങനെ മനസ്സിലാക്കുന്നു. അതേ സമയം, "പതിവ്" എന്ന ആശയത്തിന് ഒരു അർത്ഥം കൂടി ഉണ്ട്: ഇത് ഒരു നിഷ്ക്രിയ ക്രമമാണ്, അതായത്. പഴയതിലേക്ക് ആകർഷിക്കുന്ന, പരിചിതമായ, പിന്നാക്കാവസ്ഥ കാരണം, പുതിയതും പുരോഗമനപരവുമായ ഒരു ക്രമം. ഗ്രൂപ്പ് മൗനവിജ്ഞാനത്തെ സൂചിപ്പിക്കാൻ "പതിവ്" എന്ന പദം ഉപയോഗിക്കുന്ന സന്ദർഭങ്ങളിൽ, കാഠിന്യവുമായി ബന്ധപ്പെട്ട അർത്ഥങ്ങൾ ഇല്ല.

അതിനാൽ, വ്യക്തിപരമായ നിശബ്ദ അറിവ്, ഒന്നാമതായി, കഴിവുകളാണ്. അതേ സമയം, ഗ്രൂപ്പ് മൗനമായ അറിവ്, ഒന്നാമതായി, ദിനചര്യകളാണ്. ദിനചര്യകൾ ഒറ്റപ്പെട്ട നിലയിലല്ല, മറിച്ച് പരസ്പരാശ്രിതത്വത്തെ രൂപപ്പെടുത്തുന്നു. ചില ദിനചര്യകൾ ഒരു ഗ്രൂപ്പിലെ (ഓർഗനൈസേഷൻ) ചില അംഗങ്ങൾക്ക് വ്യക്തമായും മറ്റുള്ളവർക്ക് വ്യക്തമായും ആയിരിക്കാം. അതിനാൽ, വ്യക്തമായതും പരോക്ഷവുമായ അറിവുകൾ തമ്മിലുള്ള അതിരുകൾ ആപേക്ഷികമാണ്, കൂടാതെ ഈ അറിവിൻ്റെ നിശബ്ദതയുടെ അളവിനെക്കുറിച്ചും നമുക്ക് സംസാരിക്കാം. വ്യക്തവും പരോക്ഷവുമായ, വ്യക്തിഗത, ഗ്രൂപ്പ് അറിവുകളുടെ അനുപാതം പട്ടികയിൽ അവതരിപ്പിച്ചിരിക്കുന്നു. 14.1

പട്ടിക 14.1

വിജ്ഞാന അനുപാതം

ഒരു ഓർഗനൈസേഷനിലെ മൗനമായ അറിവിൻ്റെ സാന്നിധ്യം പാരമ്പര്യേതര രീതിയിൽ വിജ്ഞാന മാനേജ്മെൻ്റിനെ സമീപിക്കാൻ നമ്മെ പ്രേരിപ്പിക്കുന്നു. പരമ്പരാഗതമായി, വിജ്ഞാന മാനേജ്മെൻ്റ് എന്നത് വിവിധ ഡാറ്റാബേസുകളുടെയും അറിവുകളുടെയും സൃഷ്ടി, വികസനം, ഉപയോഗം എന്നിവയെ സൂചിപ്പിക്കുന്നു. നിശബ്ദമായ അറിവിൻ്റെ സാന്നിധ്യം ആളുകൾ തമ്മിലുള്ള നേരിട്ടുള്ള ആശയവിനിമയത്തിനുള്ള മാർഗങ്ങളിലേക്ക് ശ്രദ്ധ മാറ്റുന്നു. ഏതൊരു ജീവനക്കാർക്കും അറിയാവുന്നതും നേരിട്ടതുമായ എല്ലാ കാര്യങ്ങളും രേഖപ്പെടുത്തുന്ന ഒരു കോർപ്പറേറ്റ് എൻസൈക്ലോപീഡിയ സൃഷ്ടിക്കുന്നത് മാത്രമല്ല പ്രധാനമാണ്. നിശബ്ദമായ അറിവിൻ്റെ കാര്യത്തിൽ, പാചകക്കുറിപ്പ് അറിയാവുന്ന ആളുകളുടെ കോർഡിനേറ്റുകളും പ്രസക്തമായ അനുഭവവും ഉണ്ടായിരിക്കേണ്ടത് പ്രധാനമാണ്, മസ്തിഷ്കപ്രക്ഷോഭം സെഷനുകൾ, മീറ്റിംഗുകൾ, ഡീബ്രിഫിംഗുകൾ, ഉചിതമായ ആശയവിനിമയ മാർഗങ്ങൾ എന്നിവ ഉപയോഗിച്ച് ആശയവിനിമയ സംസ്കാരം സൃഷ്ടിക്കുക. ഇ-മെയിൽ, വ്യക്തിഗത വെബ്സൈറ്റുകൾ, ടെലികോൺഫറൻസുകൾ തുടങ്ങിയവ.

5.1 അറിവും ഡാറ്റയും തമ്മിലുള്ള വ്യത്യാസങ്ങൾ

ഒരു പ്രത്യേക വിഷയമേഖലയിലെ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് ആവശ്യമായ അറിവിൻ്റെ സാന്നിധ്യമാണ് ഇൻ്റലിജൻ്റ് സിസ്റ്റങ്ങളുടെ സവിശേഷത. ഇത് ഒരു സ്വാഭാവിക ചോദ്യം ഉയർത്തുന്നു: എന്താണ് അറിവ്, കമ്പ്യൂട്ടർ പ്രോസസ്സ് ചെയ്യുന്ന സാധാരണ ഡാറ്റയിൽ നിന്ന് അത് എങ്ങനെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു?

വിഷയ മേഖലയുടെ വസ്തുക്കളും പ്രക്രിയകളും പ്രതിഭാസങ്ങളും അവയുടെ ഗുണങ്ങളും വിവരിക്കുന്ന ഒരു വസ്തുതാപരമായ വിവരമാണ് ഡാറ്റ. കമ്പ്യൂട്ടർ പ്രോസസ്സിംഗ് പ്രക്രിയകളിൽ, ഡാറ്റ പരിവർത്തനത്തിൻ്റെ ഇനിപ്പറയുന്ന ഘട്ടങ്ങൾക്ക് വിധേയമാകുന്നു:

ഡാറ്റയുടെ നിലനിൽപ്പിൻ്റെ പ്രാരംഭ രൂപം (നിരീക്ഷണങ്ങളുടെയും അളവുകളുടെയും ഫലങ്ങൾ, പട്ടികകൾ, റഫറൻസ് പുസ്തകങ്ങൾ, ഡയഗ്രമുകൾ, ഗ്രാഫുകൾ മുതലായവ);

ഒരു കമ്പ്യൂട്ടറിലേക്ക് പ്രാരംഭ ഡാറ്റ ഇൻപുട്ട് ചെയ്യുന്നതിനും പ്രോസസ്സ് ചെയ്യുന്നതിനും ഉദ്ദേശിച്ചുള്ള ഡാറ്റയുടെ വിവരണത്തിൻ്റെ പ്രത്യേക ഭാഷകളിൽ അവതരണം;

കമ്പ്യൂട്ടർ സ്റ്റോറേജ് മീഡിയയിലെ ഡാറ്റാബേസുകൾ.

ഡാറ്റയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അറിവ് കൂടുതൽ സങ്കീർണ്ണമായ വിവര വിഭാഗമാണ്. അറിവ് വ്യക്തിഗത വസ്തുതകളെ മാത്രമല്ല, അവ തമ്മിലുള്ള ബന്ധങ്ങളെയും വിവരിക്കുന്നു, അതിനാലാണ് അറിവിനെ ചിലപ്പോൾ ഘടനാപരമായ ഡാറ്റ എന്ന് വിളിക്കുന്നത്. അനുഭവപരമായ ഡാറ്റയുടെ പ്രോസസ്സിംഗ് അടിസ്ഥാനമാക്കി അറിവ് ലഭിക്കും. പ്രായോഗിക പ്രവർത്തനത്തിൻ്റെ ഫലമായി നേടിയ അനുഭവത്തെ സാമാന്യവൽക്കരിക്കാൻ ലക്ഷ്യമിട്ടുള്ള ഒരു വ്യക്തിയുടെ മാനസിക പ്രവർത്തനത്തിൻ്റെ ഫലമാണ് അവ.

ഐഐഎസിന് അറിവ് നൽകുന്നതിന്, അത് ഒരു പ്രത്യേക രൂപത്തിൽ അവതരിപ്പിക്കണം. സോഫ്‌റ്റ്‌വെയർ സിസ്റ്റങ്ങൾക്ക് അറിവ് പകരാൻ രണ്ട് പ്രധാന വഴികളുണ്ട്. ഒരു സാധാരണ പ്രോഗ്രാമിംഗ് ഭാഷയിൽ എഴുതപ്പെട്ട ഒരു പ്രോഗ്രാമിലേക്ക് അറിവ് ഉൾപ്പെടുത്തുക എന്നതാണ് ആദ്യത്തേത്. അത്തരമൊരു സംവിധാനം ഒരൊറ്റ പ്രോഗ്രാം കോഡായിരിക്കും, അതിൽ അറിവ് ഒരു പ്രത്യേക വിഭാഗത്തിൽ ഉൾപ്പെടുത്തിയിട്ടില്ല. പ്രധാന പ്രശ്നം പരിഹരിക്കപ്പെടുമെന്ന വസ്തുത ഉണ്ടായിരുന്നിട്ടും, ഈ സാഹചര്യത്തിൽ അറിവിൻ്റെ പങ്ക് വിലയിരുത്താനും പ്രശ്നങ്ങൾ പരിഹരിക്കുന്ന പ്രക്രിയയിൽ അത് എങ്ങനെ ഉപയോഗിക്കുന്നുവെന്ന് മനസിലാക്കാനും പ്രയാസമാണ്. അത്തരം പ്രോഗ്രാമുകൾ പരിഷ്ക്കരിക്കുകയും പരിപാലിക്കുകയും ചെയ്യുന്നത് എളുപ്പമുള്ള കാര്യമല്ല, അറിവ് അപ്ഡേറ്റ് ചെയ്യുന്നതിലെ പ്രശ്നം പരിഹരിക്കപ്പെടാത്തതായിത്തീരും.

രണ്ടാമത്തെ രീതി ഡാറ്റാബേസ് എന്ന ആശയത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, കൂടാതെ അറിവ് ഒരു പ്രത്യേക വിഭാഗത്തിൽ സ്ഥാപിക്കുന്നത് ഉൾക്കൊള്ളുന്നു, അതായത്. അറിവ് ഒരു പ്രത്യേക ഫോർമാറ്റിൽ അവതരിപ്പിക്കുകയും വിജ്ഞാന അടിത്തറയിൽ സ്ഥാപിക്കുകയും ചെയ്യുന്നു. വിജ്ഞാന അടിത്തറ എളുപ്പത്തിൽ അപ്ഡേറ്റ് ചെയ്യപ്പെടുകയും പരിഷ്കരിക്കപ്പെടുകയും ചെയ്യുന്നു. ഇത് ഒരു ഇൻ്റലിജൻ്റ് സിസ്റ്റത്തിൻ്റെ ഒരു സ്വയംഭരണ ഭാഗമാണ്, എന്നിരുന്നാലും ലോജിക്കൽ ബ്ലോക്കിൽ നടപ്പിലാക്കിയ ലോജിക്കൽ അനുമാന സംവിധാനവും അതുപോലെ തന്നെ സംഭാഷണ മാർഗ്ഗങ്ങളും വിജ്ഞാന അടിത്തറയുടെ ഘടനയിലും അതുമായുള്ള പ്രവർത്തനങ്ങളിലും ചില നിയന്ത്രണങ്ങൾ ഏർപ്പെടുത്തുന്നു. ആധുനിക ഐഐഎസിൽ ഈ രീതിയാണ് സ്വീകരിക്കുന്നത്.

ഒരു കമ്പ്യൂട്ടറിലേക്ക് അറിവ് ഉൾപ്പെടുത്തുന്നതിന്, ഒരു ഇൻ്റലിജൻ്റ് സിസ്റ്റം വികസിപ്പിക്കുന്നതിന് തിരഞ്ഞെടുത്ത പരിസ്ഥിതിയുമായി ബന്ധപ്പെട്ട ചില ഡാറ്റാ ഘടനകളാൽ അത് പ്രതിനിധീകരിക്കപ്പെടണം എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്. തൽഫലമായി, ഒരു വിവര വിവര സംവിധാനം വികസിപ്പിക്കുമ്പോൾ, അറിവ് ആദ്യം ശേഖരിക്കപ്പെടുകയും അവതരിപ്പിക്കുകയും ചെയ്യുന്നു, ഈ ഘട്ടത്തിൽ മനുഷ്യ പങ്കാളിത്തം ആവശ്യമാണ്, തുടർന്ന് കമ്പ്യൂട്ടറിൽ സംഭരണത്തിനും പ്രോസസ്സിംഗിനും സൗകര്യപ്രദമായ ചില ഡാറ്റാ ഘടനകളാൽ അറിവ് പ്രതിനിധീകരിക്കുന്നു. IIS-ലെ അറിവ് ഇനിപ്പറയുന്ന രൂപങ്ങളിൽ നിലവിലുണ്ട്:

പ്രാരംഭ അറിവ് (പ്രായോഗിക അനുഭവത്തിൽ നിന്ന് ഉരുത്തിരിഞ്ഞ നിയമങ്ങൾ, വസ്തുതകൾ തമ്മിലുള്ള പരസ്പര ബന്ധങ്ങളെ പ്രതിഫലിപ്പിക്കുന്ന ഗണിതപരവും അനുഭവപരവുമായ ആശ്രിതത്വങ്ങൾ; കാലക്രമേണ വസ്തുതകളിലെ മാറ്റങ്ങൾ വിവരിക്കുന്ന പാറ്റേണുകളും ട്രെൻഡുകളും; ഫംഗ്ഷനുകൾ, ഡയഗ്രമുകൾ, ഗ്രാഫുകൾ മുതലായവ);

തിരഞ്ഞെടുത്ത വിജ്ഞാന പ്രാതിനിധ്യ മാതൃക (പല ലോജിക്കൽ ഫോർമുലകൾ അല്ലെങ്കിൽ പ്രൊഡക്ഷൻ നിയമങ്ങൾ, സെമാൻ്റിക് നെറ്റ്‌വർക്ക്, ഫ്രെയിമുകൾ മുതലായവ) മുഖേനയുള്ള പ്രാരംഭ അറിവിൻ്റെ വിവരണം;

ഒരു കമ്പ്യൂട്ടറിൽ സംഭരിക്കുന്നതിനും പ്രോസസ്സ് ചെയ്യുന്നതിനും ഉദ്ദേശിച്ചുള്ള ഡാറ്റ ഘടനകൾ വഴി അറിവിൻ്റെ പ്രതിനിധാനം;

കമ്പ്യൂട്ടർ സ്റ്റോറേജ് മീഡിയയെ അടിസ്ഥാനമാക്കിയുള്ള അറിവ്.

എന്താണ് അറിവ്? നമുക്ക് കുറച്ച് നിർവചനങ്ങൾ നൽകാം.

S.I. Ozhegov ൻ്റെ വിശദീകരണ നിഘണ്ടുവിൽ നിന്ന്: 1) "അറിവ് എന്നത് ബോധം, ശാസ്ത്രം എന്നിവയാൽ യാഥാർത്ഥ്യത്തെ മനസ്സിലാക്കലാണ്"; 2) "അറിവ് എന്നത് വിവരങ്ങളുടെ ആകെത്തുകയാണ്, ഏത് മേഖലയിലെയും അറിവാണ്."

"അറിവ്" എന്ന പദത്തിൻ്റെ നിർവചനത്തിൽ കൂടുതലും ദാർശനിക ഘടകങ്ങൾ ഉൾപ്പെടുന്നു. ഉദാഹരണത്തിന്, അറിവ് എന്നത് യാഥാർത്ഥ്യത്തെക്കുറിച്ചുള്ള അറിവിൻ്റെ, മനുഷ്യ മനസ്സിൽ അതിൻ്റെ ശരിയായ പ്രതിഫലനത്തിൻ്റെ ഒരു പരിശീല-പരീക്ഷണ ഫലമാണ്.

ചുറ്റുമുള്ള ലോകത്തെയും അതിൻ്റെ വസ്തുക്കളെയും മനസ്സിലാക്കുന്നതിലൂടെ ലഭിക്കുന്ന ഫലമാണ് അറിവ്. ഏറ്റവും ലളിതമായ സാഹചര്യങ്ങളിൽ, അറിവ് വസ്തുതകളുടെയും അവയുടെ വിവരണത്തിൻ്റെയും ഒരു പ്രസ്താവനയായി കണക്കാക്കപ്പെടുന്നു.

AI ഗവേഷകർ അറിവിന് കൂടുതൽ വ്യക്തമായ നിർവചനങ്ങൾ നൽകുന്നു.

"അറിവ് എന്നത് ഒരു വിഷയ മേഖലയുടെ (തത്ത്വങ്ങൾ, കണക്ഷനുകൾ, നിയമങ്ങൾ), പ്രായോഗിക പ്രവർത്തനങ്ങളുടെയും പ്രൊഫഷണൽ അനുഭവത്തിൻ്റെയും ഫലമായി ലഭിച്ച നിയമങ്ങളാണ്, ഈ മേഖലയിലെ പ്രശ്നങ്ങൾ സജ്ജീകരിക്കാനും പരിഹരിക്കാനും സ്പെഷ്യലിസ്റ്റുകളെ അനുവദിക്കുന്നു."

"അറിവ് എന്നത് നന്നായി ഘടനാപരമായ ഡാറ്റയാണ്, അല്ലെങ്കിൽ ഡാറ്റയെ കുറിച്ചുള്ള ഡാറ്റ അല്ലെങ്കിൽ മെറ്റാഡാറ്റയാണ്."

"ലോജിക്കൽ അനുമാനത്തിൻ്റെ പ്രക്രിയയിൽ പരാമർശിക്കപ്പെടുന്നതോ ഉപയോഗിക്കുന്നതോ ആയ ഔപചാരിക വിവരങ്ങളാണ് അറിവ്."

AI സിസ്റ്റങ്ങളുടെയും വിജ്ഞാന എഞ്ചിനീയറിംഗിൻ്റെയും മേഖലയിൽ, വിജ്ഞാനത്തിൻ്റെ നിർവചനം ലോജിക്കൽ അനുമാനവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു: ലോജിക്കൽ അനുമാനത്തിൻ്റെ പ്രക്രിയ നടപ്പിലാക്കുന്നതിൻ്റെ അടിസ്ഥാനത്തിലാണ് അറിവ്, അതായത്. ഈ വിവരങ്ങളെ അടിസ്ഥാനമാക്കി, ലോജിക്കൽ അനുമാനം ഉപയോഗിച്ച് സിസ്റ്റത്തിൽ ലഭ്യമായ ഡാറ്റയിൽ നിന്ന് വിവിധ നിഗമനങ്ങളിൽ എത്തിച്ചേരാനാകും. വ്യക്തിഗത ശകലങ്ങൾ ഒരുമിച്ച് ബന്ധിപ്പിക്കാൻ അനുമാന സംവിധാനം നിങ്ങളെ അനുവദിക്കുന്നു, തുടർന്ന് അനുബന്ധ ശകലങ്ങളുടെ ഈ ശ്രേണിയെ അടിസ്ഥാനമാക്കി ഒരു നിഗമനത്തിലെത്തുക.

ലോജിക്കൽ അനുമാനത്തിൻ്റെ പ്രക്രിയയിൽ പരാമർശിക്കുന്നതോ ഉപയോഗിക്കുന്നതോ ആയ ഔപചാരിക വിവരങ്ങളാണ് വിജ്ഞാനം (ചിത്രം 5.1.).

അരി. 5.1 ഐഎസിലെ അനുമാന പ്രക്രിയ

അറിവ് എന്നതുകൊണ്ട് ഞങ്ങൾ അർത്ഥമാക്കുന്നത് വസ്തുതകളുടെയും നിയമങ്ങളുടെയും ഒരു കൂട്ടമാണ്. അറിവിൻ്റെ ഒരു ഭാഗത്തെ പ്രതിനിധീകരിക്കുന്ന ഒരു നിയമത്തിൻ്റെ ആശയത്തിന് ഒരു രൂപമുണ്ട്:

എങ്കിൽ<условие>അത്<действие>.

ഈ നിർവചനം മുമ്പത്തെ നിർവചനത്തിൻ്റെ ഒരു പ്രത്യേക കേസാണ്.

എന്നിരുന്നാലും, അറിവിൻ്റെ വ്യതിരിക്തമായ ഗുണപരമായ സവിശേഷതകൾ ഘടക യൂണിറ്റുകളുടെ ഘടനയുടെയും പരസ്പര ബന്ധത്തിൻ്റെയും ദിശയിൽ വലിയ അവസരങ്ങളുടെ സാന്നിധ്യം, അവയുടെ വ്യാഖ്യാനം, അളവുകളുടെ സാന്നിധ്യം, പ്രവർത്തനപരമായ സമഗ്രത, പ്രവർത്തനം എന്നിവയാണെന്ന് തിരിച്ചറിയപ്പെടുന്നു.

അറിവിൻ്റെ പല വർഗ്ഗീകരണങ്ങളുണ്ട്. ചട്ടം പോലെ, വർഗ്ഗീകരണങ്ങളുടെ സഹായത്തോടെ, നിർദ്ദിഷ്ട വിഷയ മേഖലകളെക്കുറിച്ചുള്ള അറിവ് വ്യവസ്ഥാപിതമാണ്. പരിഗണനയുടെ ഒരു അമൂർത്ത തലത്തിൽ, വിജ്ഞാനം വിഭജിക്കപ്പെടുന്ന സവിശേഷതകളെക്കുറിച്ചാണ് നമുക്ക് സംസാരിക്കാൻ കഴിയുക, അല്ലാതെ വർഗ്ഗീകരണങ്ങളെക്കുറിച്ചല്ല. അതിൻ്റെ സ്വഭാവമനുസരിച്ച്, അറിവിനെ ഡിക്ലറേറ്റീവ്, പ്രൊസീജറൽ എന്നിങ്ങനെ വിഭജിക്കാം.

ഡിക്ലറേറ്റീവ് അറിവ് എന്നത് വസ്തുതകളുടെയും പ്രതിഭാസങ്ങളുടെയും വിവരണമാണ്, അത്തരം വസ്തുതകളുടെ സാന്നിധ്യം അല്ലെങ്കിൽ അഭാവം രേഖപ്പെടുത്തുന്നു, കൂടാതെ ഈ വസ്തുതകളും പ്രതിഭാസങ്ങളും ഉൾപ്പെടുത്തിയിരിക്കുന്ന അടിസ്ഥാന കണക്ഷനുകളുടെയും പാറ്റേണുകളുടെയും വിവരണങ്ങളും ഉൾപ്പെടുന്നു.

ഉദ്ദേശിച്ച ലക്ഷ്യങ്ങൾ കൈവരിക്കുന്നതിന് വസ്തുതകളും പ്രതിഭാസങ്ങളും കൈകാര്യം ചെയ്യുമ്പോൾ സാധ്യമായ പ്രവർത്തനങ്ങളുടെ വിവരണമാണ് നടപടിക്രമ പരിജ്ഞാനം.

അറിവ് ഒരു അമൂർത്ത തലത്തിൽ വിവരിക്കുന്നതിന്, പ്രത്യേക ഭാഷകൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട് - വിജ്ഞാന വിവരണ ഭാഷകൾ. ഈ ഭാഷകളെ പ്രൊസീജറൽ, ഡിക്ലറേറ്റീവ് ഭാഷകളായി തിരിച്ചിരിക്കുന്നു. പരമ്പരാഗത വോൺ ന്യൂമാൻ ആർക്കിടെക്ചർ കമ്പ്യൂട്ടറുകളുടെ ഉപയോഗത്തെ അടിസ്ഥാനമാക്കിയുള്ള എല്ലാ വിജ്ഞാന വിവരണ ഭാഷകളും നടപടിക്രമ ഭാഷകളാണ്. അറിവിനെ പ്രതിനിധീകരിക്കാൻ സൗകര്യപ്രദമായ ഡിക്ലറേറ്റീവ് ഭാഷകളുടെ വികസനം ഇന്ന് ഒരു പ്രധാന പ്രശ്നമാണ്.

അറിവ് നേടുന്ന രീതി അനുസരിച്ച്, അതിനെ വസ്തുതകളിലേക്കും ഹ്യൂറിസ്റ്റിക്സുകളിലേക്കും തിരിക്കാം (കൃത്യമായ സൈദ്ധാന്തിക ന്യായീകരണത്തിൻ്റെ അഭാവത്തിൽ ഒരു തിരഞ്ഞെടുപ്പ് നടത്താൻ നിങ്ങളെ അനുവദിക്കുന്ന നിയമങ്ങൾ). അറിവിൻ്റെ ആദ്യ വിഭാഗം സാധാരണയായി നൽകിയിരിക്കുന്ന വിഷയമേഖലയിലെ അറിയപ്പെടുന്ന സാഹചര്യങ്ങളെ സൂചിപ്പിക്കുന്നു. അറിവിൻ്റെ രണ്ടാമത്തെ വിഭാഗം, ഒരു പ്രത്യേക വിഷയ മേഖലയിൽ പ്രവർത്തിക്കുന്ന ഒരു വിദഗ്ദ്ധൻ്റെ സ്വന്തം അനുഭവത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, ഇത് നിരവധി വർഷത്തെ പരിശീലനത്തിൻ്റെ ഫലമായി ശേഖരിച്ചു.

പ്രാതിനിധ്യത്തിൻ്റെ തരത്തെ അടിസ്ഥാനമാക്കി, അറിവ് വസ്‌തുതകളും നിയമങ്ങളും ആയി വിഭജിക്കപ്പെട്ടിരിക്കുന്നു. "എ ഈസ് എ" തരത്തെക്കുറിച്ചുള്ള അറിവാണ് വസ്തുതകൾ; അത്തരം അറിവ് ഡാറ്റാബേസുകൾക്കും നെറ്റ്‌വർക്ക് മോഡലുകൾക്കും സാധാരണമാണ്. നിയമങ്ങൾ അല്ലെങ്കിൽ ഉൽപ്പന്നങ്ങൾ, "IF A, THEN B" തരത്തെക്കുറിച്ചുള്ള അറിവാണ്.

വസ്‌തുതകൾക്കും നിയമങ്ങൾക്കും പുറമേ, മെറ്റാക്‌നോളജ്‌സും ഉണ്ട് - അറിവിനെക്കുറിച്ചുള്ള അറിവ്. വിജ്ഞാന മാനേജ്മെൻ്റിനും ലോജിക്കൽ അനുമാന നടപടിക്രമങ്ങളുടെ ഫലപ്രദമായ ഓർഗനൈസേഷനും അവ ആവശ്യമാണ്.

വിജ്ഞാന പ്രാതിനിധ്യത്തിൻ്റെ രൂപം വിവര വിവര സംവിധാനങ്ങളുടെ സവിശേഷതകളിൽ കാര്യമായ സ്വാധീനം ചെലുത്തുന്നു. മനുഷ്യൻ്റെ അറിവിൻ്റെ മാതൃകകളാണ് അറിവിൻ്റെ അടിത്തറ. എന്നിരുന്നാലും, സങ്കീർണ്ണമായ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്ന പ്രക്രിയയിൽ ഒരു വ്യക്തി ഉപയോഗിക്കുന്ന എല്ലാ അറിവുകളും മാതൃകയാക്കാൻ കഴിയില്ല. അതിനാൽ, ബുദ്ധിശക്തിയുള്ള സംവിധാനങ്ങളിൽ, ഒരു കമ്പ്യൂട്ടർ പ്രോസസ്സ് ചെയ്യാൻ ഉദ്ദേശിച്ചിട്ടുള്ളതും മനുഷ്യർ ഉപയോഗിക്കുന്ന അറിവും ആയി വിജ്ഞാനത്തെ വ്യക്തമായി വേർതിരിക്കുന്നത് ആവശ്യമാണ്. വ്യക്തമായും, സങ്കീർണ്ണമായ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന്, വിജ്ഞാന അടിത്തറയ്ക്ക് ആവശ്യത്തിന് വലിയ അളവ് ഉണ്ടായിരിക്കണം, അതിനാൽ അത്തരമൊരു ഡാറ്റാബേസ് കൈകാര്യം ചെയ്യുന്നതിൽ പ്രശ്നങ്ങൾ അനിവാര്യമായും ഉയർന്നുവരുന്നു. അതിനാൽ, ഒരു വിജ്ഞാന പ്രതിനിധാന മാതൃക തിരഞ്ഞെടുക്കുമ്പോൾ, പ്രാതിനിധ്യത്തിൻ്റെ ഏകീകൃതത, മനസ്സിലാക്കാനുള്ള എളുപ്പം തുടങ്ങിയ ഘടകങ്ങൾ കണക്കിലെടുക്കണം. അവതരണത്തിൻ്റെ ഏകത വിജ്ഞാന മാനേജ്മെൻ്റ് മെക്കാനിസത്തിൻ്റെ ലളിതവൽക്കരണത്തിലേക്ക് നയിക്കുന്നു. ഇൻ്റലിജൻ്റ് സിസ്റ്റങ്ങളുടെ ഉപയോക്താക്കൾക്കും വിവര വിവര സംവിധാനത്തിൽ ഉൾച്ചേർത്ത അറിവുള്ള വിദഗ്ധർക്കും മനസ്സിലാക്കാനുള്ള എളുപ്പം പ്രധാനമാണ്. വിജ്ഞാന പ്രതിനിധാനത്തിൻ്റെ രൂപം മനസ്സിലാക്കാൻ പ്രയാസമാണെങ്കിൽ, അറിവ് നേടുന്നതിനും വ്യാഖ്യാനിക്കുന്നതിനുമുള്ള പ്രക്രിയകൾ കൂടുതൽ സങ്കീർണ്ണമാകും. ഈ ആവശ്യകതകൾ ഒരേസമയം നിറവേറ്റുന്നത് വളരെ ബുദ്ധിമുട്ടാണ് എന്നത് ശ്രദ്ധിക്കേണ്ടതാണ്, പ്രത്യേകിച്ചും അറിവിൻ്റെ ഘടനയും മോഡുലാർ പ്രതിനിധാനവും അനിവാര്യമാകുന്ന വലിയ സംവിധാനങ്ങളിൽ.

വിജ്ഞാന എഞ്ചിനീയറിംഗ് പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നത് വിദഗ്ധരിൽ നിന്ന് ലഭിച്ച വിവരങ്ങൾ വസ്തുതകളുടെയും നിയമങ്ങളുടെയും രൂപത്തിൽ ഈ വിവരങ്ങളുടെ മെഷീൻ പ്രോസസ്സിംഗിലൂടെ ഫലപ്രദമായി നടപ്പിലാക്കാൻ കഴിയുന്ന ഒരു രൂപത്തിലേക്ക് പരിവർത്തനം ചെയ്യുന്നതിൻ്റെ പ്രശ്നം സൃഷ്ടിക്കുന്നു. ഇതിനായി, നിലവിലുള്ള സംവിധാനങ്ങളിൽ വിവിധ വിജ്ഞാന പ്രതിനിധാന മാതൃകകൾ സൃഷ്ടിക്കുകയും ഉപയോഗിക്കുകയും ചെയ്തിട്ടുണ്ട്.

വിജ്ഞാന പ്രാതിനിധ്യത്തിൻ്റെ ക്ലാസിക് മോഡലുകളിൽ ലോജിക്കൽ, പ്രൊഡക്ഷൻ, ഫ്രെയിം, സെമാൻ്റിക് നെറ്റ്‌വർക്ക് മോഡലുകൾ എന്നിവ ഉൾപ്പെടുന്നു.

ഓരോ മോഡലിനും അതിൻ്റേതായ വിജ്ഞാന പ്രാതിനിധ്യ ഭാഷയുണ്ട്. എന്നിരുന്നാലും, പ്രായോഗികമായി, ലളിതമായ കേസുകൾ ഒഴികെ, ഒരു വിവര വിവര സംവിധാനം വികസിപ്പിക്കുമ്പോൾ ഒരു മോഡലിൻ്റെ ചട്ടക്കൂടിനുള്ളിൽ കൈകാര്യം ചെയ്യുന്നത് വളരെ അപൂർവമായി മാത്രമേ സാധ്യമാകൂ, അതിനാൽ അറിവിൻ്റെ പ്രാതിനിധ്യം സങ്കീർണ്ണമായി മാറുന്നു. വിവിധ മോഡലുകൾ ഉപയോഗിച്ചുള്ള സംയോജിത പ്രാതിനിധ്യത്തിന് പുറമേ, വിഷയ മേഖലയെക്കുറിച്ചുള്ള പ്രത്യേക അറിവിൻ്റെ സവിശേഷതകൾ പ്രതിഫലിപ്പിക്കുന്നതിന് പ്രത്യേക ഉപകരണങ്ങൾ സാധാരണയായി ഉപയോഗിക്കുന്നു, അതുപോലെ തന്നെ അറിവിൻ്റെ അവ്യക്തതയും അപൂർണ്ണതയും ഇല്ലാതാക്കാനും കണക്കിലെടുക്കാനുമുള്ള വിവിധ മാർഗങ്ങൾ.

ആശയം, ഘടന, വർഗ്ഗീകരണം, ഇൻ്റലിജൻ്റ് സിസ്റ്റങ്ങളുടെ സവിശേഷതകൾ.

3 അടിസ്ഥാന പ്രവർത്തനങ്ങൾ നടപ്പിലാക്കുന്ന ഒരു സിസ്റ്റത്തെ ഇൻ്റലിജൻ്റ് എന്ന് വിളിക്കുന്നു:

1. അറിവിൻ്റെ പ്രാതിനിധ്യവും സംസ്കരണവും.

2. ന്യായവാദം.

3. ആശയവിനിമയം.

ഉപയോക്താവ്

ഫങ്ഷണൽ മെക്കാനിസങ്ങൾ നോളജ് ബേസ്

ഘടനാപരമായ അറിവ് - പ്രവർത്തന പരിതസ്ഥിതിയെക്കുറിച്ചുള്ള അറിവ്. അറിവിൻ്റെ ഗുണങ്ങളെക്കുറിച്ചുള്ള അറിവാണ് മെറ്റാക്കനോളജ്.

1. ബയോകെമിക്കൽ (മസ്തിഷ്കവുമായി ബന്ധപ്പെട്ട എല്ലാം);

2. സോഫ്റ്റ്വെയർ-പ്രാഗ്മാറ്റിക് ദിശ (ഫംഗ്ഷനുകൾ മാറ്റിസ്ഥാപിക്കുന്ന പ്രോഗ്രാമുകൾ എഴുതുന്നു).

1. പ്രാദേശിക (ടാസ്ക്) സമീപനം: ഓരോ ജോലിക്കും ഒരു വ്യക്തിയേക്കാൾ മോശമായ ഫലങ്ങൾ കൈവരിക്കുന്ന പ്രത്യേക പ്രോഗ്രാമുകളുണ്ട്.

2. അറിവിനെ അടിസ്ഥാനമാക്കിയുള്ള വ്യവസ്ഥാപിത സമീപനം - ഓട്ടോമേഷൻ ടൂളുകളുടെ സൃഷ്ടി, പ്രോഗ്രാമുകൾ സ്വയം സൃഷ്ടിക്കൽ.

3. പ്രൊസീജറൽ പ്രോഗ്രാമിംഗ് രീതി ഉപയോഗിച്ചുള്ള ഒരു സമീപനം - സ്വാഭാവിക ഭാഷകളിൽ അൽഗോരിതം സൃഷ്ടിക്കൽ.

ഐഐടിയുടെ പ്രധാന വിഭാഗങ്ങൾ:

1. വിജ്ഞാന മാനേജ്മെൻ്റ്.

2. ഔപചാരിക ഭാഷകളും അർത്ഥശാസ്ത്രവും.

3. ക്വാണ്ടം സെമാൻ്റിക്സ്.

4. കോഗ്നിറ്റീവ് മോഡലിംഗ്.

5. കൺവേർജൻ്റ് (കൺവേർജിംഗ്) തീരുമാന പിന്തുണാ സംവിധാനങ്ങൾ.

6. പരിണാമ ജനിതക അൽഗോരിതങ്ങൾ.

7. ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ.

8. ഉറുമ്പ്, രോഗപ്രതിരോധ അൽഗോരിതങ്ങൾ.

9. വിദഗ്ധ സംവിധാനങ്ങൾ.

10. അവ്യക്തമായ സെറ്റുകളും കണക്കുകൂട്ടലുകളും.

11. നോൺമോണോട്ടോണിക് ലോജിക്കുകൾ.

12. സജീവമായ മൾട്ടി-ഏജൻറ് സംവിധാനങ്ങൾ.

13. സ്വാഭാവിക ഭാഷാ ആശയവിനിമയവും വിവർത്തനവും.

14. പാറ്റേൺ തിരിച്ചറിയൽ, ചെസ്സ് കളിക്കൽ.

വിവര വിവര സംവിധാനങ്ങളുടെ ഉപയോഗം ആവശ്യമായ പ്രശ്ന മേഖലകളുടെ സവിശേഷതകൾ:

1. തീരുമാനമെടുക്കുന്നതിൻ്റെ ഗുണനിലവാരവും കാര്യക്ഷമതയും.

2. അവ്യക്തമായ ലക്ഷ്യങ്ങൾ.

3. പരിസ്ഥിതിയുടെ ക്രമരഹിതവും ചാഞ്ചാട്ടവും അളവിലുള്ളതുമായ പെരുമാറ്റം.

4. പരസ്പരം മാറ്റിസ്ഥാപിക്കുന്ന ഘടകങ്ങളുടെ ഗുണിതം.

5. ദുർബലമായ ഔപചാരികത.

6. സാഹചര്യത്തിൻ്റെ അദ്വിതീയത (സ്റ്റീരിയോടൈപ്പികലിറ്റി അല്ലാത്തത്).

7. വിവരങ്ങളുടെ ലേറ്റൻസി (മറഞ്ഞിരിക്കൽ).

8. പദ്ധതികൾ നടപ്പിലാക്കുന്നതിലെ വ്യതിയാനം, അതുപോലെ ചെറിയ പ്രവർത്തനങ്ങളുടെ പ്രാധാന്യം.

9. തീരുമാനങ്ങളുടെ വൈരുദ്ധ്യാത്മക യുക്തി.

അസ്ഥിരത, ശ്രദ്ധക്കുറവ്, താറുമാറായ അന്തരീക്ഷം

ഡാറ്റ, വിവരങ്ങൾ, അറിവ് എന്നിവയുടെ ആശയം. അറിവിൻ്റെ സവിശേഷതകളും ഡാറ്റയിൽ നിന്നുള്ള വ്യത്യാസവും.

വിവരങ്ങൾ ഇതാണ്:

വിവിധ സ്രോതസ്സുകളാൽ സംഭരിച്ചിരിക്കുന്നതും കൈമാറ്റം ചെയ്യപ്പെടുന്നതുമായ ഏതെങ്കിലും വിവരങ്ങൾ;

· ഇത് നമുക്ക് ചുറ്റുമുള്ള ലോകത്തെക്കുറിച്ചുള്ള മുഴുവൻ വിവരങ്ങളാണ്, അതിൽ സംഭവിക്കുന്ന എല്ലാത്തരം പ്രക്രിയകളെക്കുറിച്ചും ജീവജാലങ്ങൾ, ഇലക്ട്രോണിക് മെഷീനുകൾ, മറ്റ് വിവര സംവിധാനങ്ങൾ എന്നിവയ്ക്ക് മനസ്സിലാക്കാൻ കഴിയും;

· ഇത് ഒരു കാര്യത്തെക്കുറിച്ചുള്ള സുപ്രധാന വിവരമാണ്, അതിൻ്റെ അവതരണത്തിൻ്റെ രൂപവും വിവരമാണെങ്കിൽ, അതായത്, അതിൻ്റെ സ്വഭാവത്തിന് അനുസൃതമായി അതിന് ഒരു ഫോർമാറ്റിംഗ് ഫംഗ്ഷൻ ഉണ്ട്;

· നമ്മുടെ അറിവിലേക്കും അനുമാനങ്ങളിലേക്കും ചേർക്കാവുന്നത് ഇതാണ്.

വിഷയ മേഖലയുടെ വസ്തുക്കളും പ്രക്രിയകളും പ്രതിഭാസങ്ങളും അവയുടെ ഗുണങ്ങളും വിവരിക്കുന്ന ഒരു വസ്തുതാപരമായ വിവരമാണ് ഡാറ്റ. കമ്പ്യൂട്ടർ പ്രോസസ്സിംഗ് പ്രക്രിയകളിൽ, ഡാറ്റ പരിവർത്തനത്തിൻ്റെ ഇനിപ്പറയുന്ന ഘട്ടങ്ങൾക്ക് വിധേയമാകുന്നു:

· ഡാറ്റ അസ്തിത്വത്തിൻ്റെ യഥാർത്ഥ രൂപം (നിരീക്ഷണങ്ങളുടെയും അളവുകളുടെയും ഫലങ്ങൾ, പട്ടികകൾ, റഫറൻസ് പുസ്തകങ്ങൾ, ഡയഗ്രമുകൾ, ഗ്രാഫുകൾ മുതലായവ);

ഒരു കമ്പ്യൂട്ടറിലേക്ക് ഉറവിട ഡാറ്റ ഇൻപുട്ട് ചെയ്യുന്നതിനും പ്രോസസ്സ് ചെയ്യുന്നതിനും ഉദ്ദേശിച്ചുള്ള ഡാറ്റയുടെ വിവരണങ്ങളുടെ പ്രത്യേക ഭാഷകളിൽ അവതരണം;

· കമ്പ്യൂട്ടർ സ്റ്റോറേജ് മീഡിയയിലെ ഡാറ്റാബേസുകൾ.

അറിവ് - ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്, വിദഗ്ദ്ധ സംവിധാനങ്ങൾ എന്നിവയുടെ സിദ്ധാന്തത്തിൽ - ലോകത്തെക്കുറിച്ചുള്ള (ഒരു വ്യക്തിയിൽ നിന്നോ സമൂഹത്തിൽ നിന്നോ AI സിസ്റ്റത്തിൽ നിന്നോ) വിവരങ്ങളുടെയും നിയമങ്ങളുടെയും ഒരു കൂട്ടം, വസ്തുക്കളുടെ സവിശേഷതകൾ, പ്രക്രിയകളുടെയും പ്രതിഭാസങ്ങളുടെയും പാറ്റേണുകൾ എന്നിവയും. തീരുമാനമെടുക്കുന്നതിന് അവ ഉപയോഗിക്കുന്നതിനുള്ള നിയമങ്ങൾ എന്ന നിലയിൽ. അറിവും ഡാറ്റയും തമ്മിലുള്ള പ്രധാന വ്യത്യാസം അവയുടെ ഘടനയും പ്രവർത്തനവുമാണ്; ഡാറ്റാബേസിൽ പുതിയ വസ്തുതകൾ പ്രത്യക്ഷപ്പെടുകയോ പുതിയ കണക്ഷനുകൾ സ്ഥാപിക്കുകയോ ചെയ്യുന്നത് തീരുമാനമെടുക്കുന്നതിലെ മാറ്റങ്ങളുടെ ഉറവിടമായി മാറും.

ഒരു വിവര സംവിധാനത്തിലേക്ക് അറിവ് സ്ഥാപിക്കുന്നതിന്, ഒരു ഇൻ്റലിജൻ്റ് സിസ്റ്റം വികസിപ്പിക്കുന്നതിന് തിരഞ്ഞെടുത്ത പരിസ്ഥിതിയുമായി പൊരുത്തപ്പെടുന്ന ചില ഡാറ്റാ ഘടനകൾ അതിനെ പ്രതിനിധീകരിക്കണം. അതിനാൽ, ഒരു വിവര സംവിധാനം വികസിപ്പിക്കുമ്പോൾ, അറിവ് ആദ്യം ശേഖരിക്കപ്പെടുകയും അവതരിപ്പിക്കുകയും ചെയ്യുന്നു, ഈ ഘട്ടത്തിൽ മനുഷ്യ പങ്കാളിത്തം ആവശ്യമാണ്, തുടർന്ന് കമ്പ്യൂട്ടറിൽ സംഭരണത്തിനും പ്രോസസ്സിംഗിനും സൗകര്യപ്രദമായ ചില ഡാറ്റാ ഘടനകളാൽ അറിവ് പ്രതിനിധീകരിക്കുന്നു.

IP അറിവ് ഇനിപ്പറയുന്ന രൂപങ്ങളിൽ നിലവിലുണ്ട്:

· പ്രാരംഭ അറിവ് (പ്രായോഗിക അനുഭവത്തിൽ നിന്ന് ഉരുത്തിരിഞ്ഞ നിയമങ്ങൾ, വസ്തുതകൾ തമ്മിലുള്ള പരസ്പര ബന്ധങ്ങളെ പ്രതിഫലിപ്പിക്കുന്ന ഗണിതപരവും അനുഭവപരവുമായ ആശ്രിതത്വങ്ങൾ; കാലക്രമേണ വസ്തുതകളിലെ മാറ്റങ്ങൾ വിവരിക്കുന്ന പാറ്റേണുകളും ട്രെൻഡുകളും; ഫംഗ്ഷനുകൾ, ഡയഗ്രമുകൾ, ഗ്രാഫുകൾ മുതലായവ);

· തിരഞ്ഞെടുത്ത വിജ്ഞാന പ്രാതിനിധ്യ മാതൃക (പല ലോജിക്കൽ ഫോർമുലകൾ അല്ലെങ്കിൽ പ്രൊഡക്ഷൻ നിയമങ്ങൾ, സെമാൻ്റിക് നെറ്റ്‌വർക്ക്, ഫ്രെയിമുകളുടെ ശ്രേണികൾ മുതലായവ) മുഖേനയുള്ള പ്രാരംഭ അറിവിൻ്റെ വിവരണം;

ഒരു കമ്പ്യൂട്ടറിൽ സംഭരിക്കുന്നതിനും പ്രോസസ്സ് ചെയ്യുന്നതിനും ഉദ്ദേശിച്ചുള്ള ഡാറ്റ ഘടനകൾ വഴി അറിവിൻ്റെ പ്രതിനിധാനം;

· കമ്പ്യൂട്ടർ സ്റ്റോറേജ് മീഡിയയെ അടിസ്ഥാനമാക്കിയുള്ള അറിവ്.

ഡാറ്റയുമായി താരതമ്യം ചെയ്യുമ്പോൾ അറിവ് കൂടുതൽ സങ്കീർണ്ണമായ വിഭാഗമാണ്. അറിവ് വ്യക്തിഗത വസ്തുതകളെ മാത്രമല്ല, അവ തമ്മിലുള്ള ബന്ധങ്ങളെയും വിവരിക്കുന്നു, അതിനാലാണ് അറിവിനെ ചിലപ്പോൾ ഘടനാപരമായ ഡാറ്റ എന്ന് വിളിക്കുന്നത്. പ്രായോഗിക പ്രവർത്തനത്തിൻ്റെ ഫലമായി നേടിയ അനുഭവത്തെ സാമാന്യവൽക്കരിക്കാൻ ലക്ഷ്യമിട്ടുള്ള ഒരു വ്യക്തിയുടെ മാനസിക പ്രവർത്തനത്തിൻ്റെ ഫലമാണ് അറിവ്.

ഉറവിട ഡാറ്റയിലേക്ക് ചില പ്രോസസ്സിംഗ് രീതികൾ പ്രയോഗിക്കുന്നതിൻ്റെയും ബാഹ്യ നടപടിക്രമങ്ങൾ ബന്ധിപ്പിക്കുന്നതിൻ്റെയും ഫലമായാണ് അറിവ് ലഭിക്കുന്നത്.

ഡാറ്റ + പ്രോസസ്സിംഗ് നടപടിക്രമം = വിവരങ്ങൾ

വിവരങ്ങൾ + പ്രോസസ്സിംഗ് നടപടിക്രമം = അറിവ്

അറിവിൻ്റെ ഒരു സവിശേഷത അത് ഉറവിട സംവിധാനത്തിൽ അടങ്ങിയിട്ടില്ല എന്നതാണ്. വിവര യൂണിറ്റുകളുടെ താരതമ്യം, അവ തമ്മിലുള്ള വൈരുദ്ധ്യങ്ങൾ കണ്ടെത്തുകയും പരിഹരിക്കുകയും ചെയ്യുന്നതിൻ്റെ ഫലമായി അറിവ് ഉണ്ടാകുന്നു, അതായത്. അറിവ് സജീവമാണ്; അതിൻ്റെ രൂപമോ കുറവോ ചില പ്രവർത്തനങ്ങൾ നടപ്പിലാക്കുന്നതിലേക്കോ പുതിയ അറിവിൻ്റെ ആവിർഭാവത്തിലേക്കോ നയിക്കുന്നു. ഇനിപ്പറയുന്ന ഗുണങ്ങളുള്ളതിനാൽ അറിവ് ഡാറ്റയിൽ നിന്ന് വ്യത്യസ്തമാണ്.

അറിവിൻ്റെ സവിശേഷതകൾ (പ്രഭാഷണങ്ങളിൽ നിന്ന്):

· ആന്തരിക വ്യാഖ്യാനം (ഡാറ്റ + രീതി ഡാറ്റ). മെത്തഡോളജിക്കൽ - ഘടനാപരമായ ഡാറ്റ, വിവരിച്ച എൻ്റിറ്റികളുടെ തിരിച്ചറിയൽ, തിരയൽ, മൂല്യനിർണ്ണയം, മാനേജ്മെൻ്റ് എന്നിവയ്ക്കായി അവയുടെ സവിശേഷതകളെ പ്രതിനിധീകരിക്കുന്നു.

· കണക്ഷനുകളുടെ ലഭ്യത (ആന്തരിക, ബാഹ്യ), ആശയവിനിമയ ഘടന

സ്കെയിലിംഗിൻ്റെ സാധ്യത (വിവര യൂണിറ്റുകൾ തമ്മിലുള്ള ബന്ധത്തിൻ്റെ വിലയിരുത്തൽ) - അളവ്

· സെമാൻ്റിക് മെട്രിക്സിൻ്റെ ലഭ്യത (മോശമായി ഔപചാരികമായ വിവര യൂണിറ്റുകളെ വിലയിരുത്തുന്നതിനുള്ള ഒരു മാർഗം)

· പ്രവർത്തനത്തിൻ്റെ സാന്നിധ്യം (അപൂർണ്ണത, കൃത്യതയില്ലാത്തത് അവരെ വികസിപ്പിക്കാനും, നിറയ്ക്കാനും പ്രോത്സാഹിപ്പിക്കുന്നു).

അറിവിൻ്റെ വർഗ്ഗീകരണം

അറിവ്- മനുഷ്യൻ്റെ വൈജ്ഞാനിക പ്രവർത്തനത്തിൻ്റെ ഫലങ്ങളുടെ അസ്തിത്വത്തിൻ്റെയും ചിട്ടപ്പെടുത്തലിൻ്റെയും ഒരു രൂപം. അറിവ് ആളുകളെ അവരുടെ പ്രവർത്തനങ്ങൾ യുക്തിസഹമായി സംഘടിപ്പിക്കാനും പ്രക്രിയയിൽ ഉണ്ടാകുന്ന വിവിധ പ്രശ്നങ്ങൾ പരിഹരിക്കാനും സഹായിക്കുന്നു.

അറിവ്(ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെയും വിദഗ്ദ്ധ സംവിധാനങ്ങളുടെയും സിദ്ധാന്തത്തിൽ) - ലോകത്തെക്കുറിച്ചുള്ള (ഒരു വ്യക്തിയിൽ നിന്നോ സമൂഹത്തിൽ നിന്നോ AI സിസ്റ്റത്തിൽ നിന്നോ) വിവരങ്ങളുടെയും നിയമങ്ങളുടെയും ഒരു കൂട്ടം, വസ്തുക്കളുടെ സവിശേഷതകൾ, പ്രക്രിയകളുടെയും പ്രതിഭാസങ്ങളുടെയും പാറ്റേണുകൾ, അതുപോലെ തന്നെ തീരുമാനമെടുക്കുന്നതിന് അവ ഉപയോഗിക്കുന്നതിനുള്ള നിയമങ്ങൾ.

അറിവും ഡാറ്റയും തമ്മിലുള്ള പ്രധാന വ്യത്യാസം അവയുടെ ഘടനയും പ്രവർത്തനവുമാണ്; ഡാറ്റാബേസിൽ പുതിയ വസ്തുതകൾ പ്രത്യക്ഷപ്പെടുകയോ പുതിയ കണക്ഷനുകൾ സ്ഥാപിക്കുകയോ ചെയ്യുന്നത് തീരുമാനമെടുക്കുന്നതിലെ മാറ്റങ്ങളുടെ ഉറവിടമായി മാറും.

വ്യത്യസ്ത തരം അറിവുകളുണ്ട്:

ശാസ്ത്രീയമായ,

അതിശാസ്ത്രീയമായ,

സാധാരണ-പ്രായോഗിക (സാധാരണ, സാമാന്യബുദ്ധി),

അവബോധജന്യമായ,

മതപരമായ മുതലായവ.

ദൈനംദിന പ്രായോഗിക അറിവ് വ്യവസ്ഥാപിതവും അടിസ്ഥാനരഹിതവും എഴുതപ്പെടാത്തതുമാണ്. സാധാരണ അറിവ് ഒരു വ്യക്തിയുടെ ചുറ്റുമുള്ള ലോകത്തെ ഓറിയൻ്റേഷൻ്റെ അടിസ്ഥാനമായി വർത്തിക്കുന്നു, അവൻ്റെ ദൈനംദിന പെരുമാറ്റത്തിനും ദീർഘവീക്ഷണത്തിനും അടിസ്ഥാനം, എന്നാൽ സാധാരണയായി പിശകുകളും വൈരുദ്ധ്യങ്ങളും അടങ്ങിയിരിക്കുന്നു. യുക്തിവാദത്തെ അടിസ്ഥാനമാക്കിയുള്ള ശാസ്ത്രീയ അറിവ് വസ്തുനിഷ്ഠതയും സാർവത്രികതയും കൊണ്ട് സവിശേഷമാക്കപ്പെടുന്നു, മാത്രമല്ല അത് സാർവത്രികമായി സാധുതയുള്ളതാണെന്ന് അവകാശപ്പെടുകയും ചെയ്യുന്നു. യാഥാർത്ഥ്യത്തിൻ്റെ പ്രക്രിയയും പ്രതിഭാസവും വിവരിക്കുകയും വിശദീകരിക്കുകയും പ്രവചിക്കുകയും ചെയ്യുക എന്നതാണ് ഇതിൻ്റെ ചുമതല. യുക്തിവാദികളിൽ നിന്ന് വ്യത്യസ്തമായ മാനദണ്ഡങ്ങൾക്കും മാനദണ്ഡങ്ങൾക്കും അനുസൃതമായി ഒരു പ്രത്യേക ബൗദ്ധിക സമൂഹം അസാധാരണമായ അറിവ് നിർമ്മിക്കുന്നു; അവർക്ക് അവരുടേതായ ഉറവിടങ്ങളും അറിവിൻ്റെ മാർഗവുമുണ്ട്.

അറിവിൻ്റെ വർഗ്ഗീകരണം

സ്വഭാവമനുസരിച്ച് ഐ.അറിവ് ആകാം പ്രഖ്യാപനംഒപ്പം നടപടിക്രമം.

പ്രഖ്യാപിത അറിവ്ചില ആശയങ്ങളുടെ ഘടനയെക്കുറിച്ചുള്ള ഒരു ആശയം മാത്രം ഉൾക്കൊള്ളുന്നു. ഈ അറിവ് ഡാറ്റയ്ക്കും വസ്തുതകൾക്കും അടുത്താണ്. ഉദാഹരണത്തിന്: ഒരു ഉന്നത വിദ്യാഭ്യാസ സ്ഥാപനം എന്നത് ഫാക്കൽറ്റികളുടെ ഒരു ശേഖരമാണ്, കൂടാതെ ഓരോ ഫാക്കൽറ്റിയും ഡിപ്പാർട്ട്മെൻ്റുകളുടെ ഒരു ശേഖരമാണ്. നടപടിക്രമംഅറിവ് ഒരു സജീവ സ്വഭാവമുള്ളതാണ്. പുതിയ അറിവ് നേടുന്നതിനും അറിവ് പരീക്ഷിക്കുന്നതിനുമുള്ള മാർഗങ്ങളെയും വഴികളെയും കുറിച്ചുള്ള ആശയങ്ങൾ അവർ നിർവചിക്കുന്നു. ഇവ വ്യത്യസ്ത തരം അൽഗോരിതങ്ങളാണ്. ഉദാഹരണത്തിന്: പുതിയ ആശയങ്ങൾ കണ്ടെത്താനുള്ള ബ്രെയിൻസ്റ്റോമിംഗ് രീതി.

II. ശാസ്ത്ര ബിരുദം അനുസരിച്ച്.അറിവ് ആകാം ശാസ്ത്രീയമായഒപ്പം അധിക-ശാസ്ത്രീയമായ.ശാസ്ത്രപരമായ അറിവ് ഇവയാകാം:

1) അനുഭവപരം (അനുഭവം അല്ലെങ്കിൽ നിരീക്ഷണം അടിസ്ഥാനമാക്കി);

2) സൈദ്ധാന്തിക (പ്രക്രിയകളുടെ ഘടനയും സ്വഭാവവും പ്രതിഫലിപ്പിക്കുന്ന അമൂർത്ത മോഡലുകൾ, സാമ്യങ്ങൾ, ഡയഗ്രമുകൾ എന്നിവയുടെ വിശകലനത്തെ അടിസ്ഥാനമാക്കി, അതായത് അനുഭവപരമായ ഡാറ്റയുടെ സാമാന്യവൽക്കരണം).

അധിക ശാസ്ത്രീയ അറിവ് ഇതായിരിക്കാം:

 പാരസയൻ്റിഫിക് അറിവ് - പ്രതിഭാസങ്ങളെക്കുറിച്ചുള്ള പഠിപ്പിക്കലുകൾ അല്ലെങ്കിൽ പ്രതിഫലനങ്ങൾ, ശാസ്ത്രീയ മാനദണ്ഡങ്ങളുടെ വീക്ഷണകോണിൽ നിന്ന് അതിൻ്റെ വിശദീകരണം ബോധ്യപ്പെടുത്തുന്നില്ല.

 കപടശാസ്ത്രപരം - അനുമാനങ്ങളും മുൻവിധികളും ബോധപൂർവം ചൂഷണം ചെയ്യുക.

 അർദ്ധ-ശാസ്ത്രീയം - അവർ അക്രമത്തിൻ്റെയും ബലപ്രയോഗത്തിൻ്റെയും രീതികളെ ആശ്രയിച്ച് പിന്തുണയ്ക്കുന്നവരെയും അനുയായികളെയും തിരയുന്നു. അർദ്ധ-ശാസ്ത്രീയ അറിവ്, ഒരു ചട്ടം പോലെ, കർശനമായ ശ്രേണിപരമായ ശാസ്ത്രത്തിൻ്റെ സാഹചര്യങ്ങളിൽ അഭിവൃദ്ധി പ്രാപിക്കുന്നു, അവിടെ അധികാരത്തിലുള്ളവരെ വിമർശിക്കുന്നത് അസാധ്യമാണ്, പ്രത്യയശാസ്ത്ര ഭരണകൂടം കർശനമായി പ്രകടമാക്കുന്നു. (റഷ്യയുടെ ചരിത്രത്തിൽ, "അർദ്ധശാസ്ത്രത്തിൻ്റെ വിജയത്തിൻ്റെ" കാലഘട്ടങ്ങൾ അറിയപ്പെടുന്നു: ലൈസെൻകോയിസം; ഫിക്സിസം മുതലായവ.)

 ശാസ്‌ത്രീയ വിരുദ്ധം - ഉട്ടോപ്യൻ എന്ന നിലയിലും യാഥാർത്ഥ്യത്തെക്കുറിച്ചുള്ള ആശയങ്ങൾ മനഃപൂർവം വളച്ചൊടിക്കുന്നു.

 കപടശാസ്ത്രം - ഒരു കൂട്ടം പ്രശസ്തമായ സിദ്ധാന്തങ്ങളെ (പുരാതന ബഹിരാകാശയാത്രികരെക്കുറിച്ചുള്ള കഥകൾ, ബിഗ്ഫൂട്ടിനെക്കുറിച്ചുള്ള കഥകൾ, ലോച്ച് നെസ്സിൽ നിന്നുള്ള രാക്ഷസനെക്കുറിച്ച്) ഊഹക്കച്ചവടം നടത്തുന്ന ബൗദ്ധിക പ്രവർത്തനത്തെ പ്രതിനിധീകരിക്കുന്നു.

 ദൈനംദിന-പ്രായോഗിക - പ്രകൃതിയെയും ചുറ്റുമുള്ള യാഥാർത്ഥ്യത്തെയും കുറിച്ചുള്ള അടിസ്ഥാന വിവരങ്ങൾ കൈമാറുന്നു. സാധാരണ അറിവിൽ സാമാന്യബുദ്ധി, അടയാളങ്ങൾ, പരിഷ്കാരങ്ങൾ, പാചകക്കുറിപ്പുകൾ, വ്യക്തിഗത അനുഭവം, പാരമ്പര്യങ്ങൾ എന്നിവ ഉൾപ്പെടുന്നു. ഇത് സത്യത്തെ രേഖപ്പെടുത്തുന്നുണ്ടെങ്കിലും, അത് വ്യവസ്ഥാപിതമല്ലാത്തതും തെളിവുകളില്ലാതെയും ചെയ്യുന്നു.

 വ്യക്തിഗത - ഒരു പ്രത്യേക വിഷയത്തിൻ്റെ കഴിവുകളെയും അവൻ്റെ ബൗദ്ധിക വൈജ്ഞാനിക പ്രവർത്തനത്തിൻ്റെ സവിശേഷതകളെയും ആശ്രയിച്ചിരിക്കുന്നു. കൂട്ടായ അറിവ് പൊതുവെ സാധുതയുള്ളതാണ് (ട്രാൻസ്‌പെർസണൽ), മുഴുവൻ സിസ്റ്റത്തിനും പൊതുവായുള്ള ആശയങ്ങൾ, രീതികൾ, സാങ്കേതികതകൾ, നിർമ്മാണ നിയമങ്ങൾ എന്നിവയുടെ സാന്നിധ്യം അനുമാനിക്കുന്നു. III. സ്ഥാനം അനുസരിച്ച്

ഹൈലൈറ്റ് ചെയ്യുക വ്യക്തിപരമായ(നിശബ്ദമായ, മറഞ്ഞിരിക്കുന്ന, ഇതുവരെ ഔപചാരികമാക്കിയിട്ടില്ല) അറിവും ഔപചാരികമായി(വ്യക്തമായ) അറിവ്.

നിശബ്ദമായ അറിവ്- ഇതുവരെ ഔപചാരികമാക്കാത്തതും മറ്റ് ആളുകൾക്ക് കൈമാറാൻ കഴിയാത്തതുമായ ആളുകളുടെ അറിവ്.

ഔപചാരികമായിചില ഭാഷയിൽ (വ്യക്തമായ) അറിവ്:

 പ്രമാണങ്ങളിലെ അറിവ്;

 സിഡികളെക്കുറിച്ചുള്ള അറിവ്;

 പേഴ്സണൽ കമ്പ്യൂട്ടറുകളെക്കുറിച്ചുള്ള അറിവ്;

 ഇൻ്റർനെറ്റ് അറിവ്;

 വിജ്ഞാന അടിത്തറകളിലെ അറിവ്;

 വിദഗ്ധ സംവിധാനങ്ങളിലെ അറിവ്, മനുഷ്യ വിദഗ്ധരുടെ മൗനമായ അറിവിൽ നിന്ന് വേർതിരിച്ചെടുക്കുന്നു.

അറിവിൻ്റെ വ്യതിരിക്തമായ സവിശേഷതകൾ ഇപ്പോഴും തത്ത്വചിന്തയിൽ അനിശ്ചിതത്വത്തിൻ്റെ വിഷയമാണ്. മിക്ക ചിന്തകരുടെയും അഭിപ്രായത്തിൽ, എന്തെങ്കിലും അറിവായി കണക്കാക്കണമെങ്കിൽ, അത് മൂന്ന് മാനദണ്ഡങ്ങൾ പാലിക്കണം:

a) സ്ഥിരീകരിക്കുക,

b) സത്യമായിരിക്കട്ടെ,

c) വിശ്വസനീയം.

ബന്ധപ്പെട്ട വിവരങ്ങൾ.

അടിസ്ഥാന പോയിൻ്റുകൾ

1. ദൈനംദിന ജീവിതത്തിൽ, ആളുകൾ പലപ്പോഴും "വിവരങ്ങൾ" എന്ന പദം ഉപയോഗിക്കുന്നു, അതിന് ലളിതമായ ഒരു അർത്ഥം നൽകുന്നു - "സന്ദേശം". "ഞങ്ങൾക്ക് വേണ്ടത്ര വിവരമില്ല", "ഞാൻ വിവരങ്ങൾ നൽകുന്നു!", "ഇത് ശാസ്ത്രീയ വിവരങ്ങളാണ്" എന്ന് അവർ പറയുമ്പോൾ, അവബോധപൂർവ്വം "വിവരം" എന്ന പദത്തിൻ്റെ അർത്ഥം വളരെ വിശാലമായ അർത്ഥങ്ങളാണ്: "അറിവിൻ്റെ ശരീരം", " ഡാറ്റ", "സങ്കൽപ്പങ്ങൾ", " അവതരണങ്ങൾ", "വാർത്ത", "വിവരങ്ങൾ".

"വിവരങ്ങൾ" എന്ന പദത്തിൻ്റെ പൊതുവായി അംഗീകരിക്കപ്പെട്ട ശാസ്ത്രീയ രൂപീകരണം ഇതുവരെ ഉണ്ടായിട്ടില്ല. നിർദ്ദിഷ്ട ഓപ്ഷനുകൾ അപൂർണ്ണത, പലപ്പോഴും അവ്യക്തത, കൃത്യതയില്ലായ്മ എന്നിവയാൽ കഷ്ടപ്പെടുന്നു. ഈ സാഹചര്യത്തിൽ, ഒരു വസ്തുവിൻ്റെയോ പ്രതിഭാസത്തിൻ്റെയോ സവിശേഷതകൾ പട്ടികപ്പെടുത്തുകയും വിവരിക്കുകയും ചെയ്തുകൊണ്ട് ഒരു നിർവചനം നിർമ്മിക്കുന്നത് ശാസ്ത്രത്തിൽ പതിവാണ്.

വിവരങ്ങളുടെ അടിസ്ഥാന സവിശേഷതകൾ നമുക്ക് പരിഗണിക്കാം. പ്രാരംഭ, പ്രവർത്തന നിർവചനം എന്ന നിലയിൽ, ഞങ്ങൾ ഏറ്റവും സാധാരണമായ ഒന്ന് എടുക്കും: വിവരങ്ങൾ ഏതെങ്കിലും വിവരമാണ് (1). ഇവിടെ "വിവരങ്ങൾ", "വിവരങ്ങൾ" എന്നീ പദങ്ങൾ പര്യായപദങ്ങളായി കണക്കാക്കപ്പെടുന്നു. എന്നിരുന്നാലും, വിവരങ്ങൾ വിവരങ്ങൾ നൽകാത്ത സാഹചര്യങ്ങൾ ധാരാളം ഉണ്ട്. അങ്ങനെ, "സാഹിത്യ അധ്യാപകൻ" എന്ന കഥയിലെ എ.പി. ചെക്കോവ് നായകനായ അധ്യാപകനായ ഇപ്പോളിറ്റ് ഇപ്പോളിറ്റോവിച്ചിൻ്റെ വായിൽ ഇടുന്നു, ഇത് ആശയവിനിമയ നിന്ദ്യതയുടെ പ്രതീകമായി മാറിയിരിക്കുന്നു: "വോൾഗ കാസ്പിയൻ കടലിലേക്ക് ഒഴുകുന്നു, കുതിരകൾ ഓട്സും പുല്ലും തിന്നുന്നു. ” ഈ വിവരം ശരിയാണ്, എന്നാൽ അതിൽ വിവരങ്ങൾ അടങ്ങിയിട്ടില്ല. പ്രധാനപ്പെട്ട പോയിൻ്റ്പഠിക്കുന്ന പ്രതിഭാസത്തിൻ്റെ സാരാംശം മനസ്സിലാക്കുന്നതിൽ: ഈ സന്ദേശം വിവരങ്ങൾ വഹിക്കുന്നില്ല, അതിൽ അറിയപ്പെടുന്ന ഒരു വസ്തുത അടങ്ങിയിരിക്കുന്നു.

എല്ലാ വിവരങ്ങളും വിവരദായകമല്ല, എന്നാൽ സ്വീകർത്താവിന് പ്രധാനപ്പെട്ടതും പുതിയതും മൂല്യവത്തായതുമായ എന്തെങ്കിലും വഹിക്കുന്നത് മാത്രം. സന്ദേശം വിജ്ഞാനപ്രദമായി പരിഗണിക്കണോ വേണ്ടയോ എന്ന് തീരുമാനിക്കുന്നത് സന്ദേശം സ്വീകരിക്കുന്നയാളാണ്. മേൽപ്പറഞ്ഞവ പരിഗണിക്കുമ്പോൾ, മുമ്പത്തെ ഫോർമുലേഷൻ നമുക്ക് വ്യക്തമാക്കാം: സ്വീകർത്താവിന് പ്രാധാന്യം (മൂല്യം) ഉള്ളതോ അല്ലെങ്കിൽ അത് നേടിയെടുക്കുന്നതോ ആയ വിവരങ്ങളാണ് വിവരം. നമുക്ക് നിരവധി സ്ഥാനങ്ങൾ വ്യക്തമാക്കാം:

വിവരങ്ങൾ ചില വ്യവസ്ഥകളിൽ നിലവിലുണ്ട്, അത് അവയുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു, വിവരങ്ങളുടെ ഒരു ഉറവിടമുണ്ട്, ചില വിവരങ്ങൾ പ്രചരിപ്പിക്കാൻ കഴിയുന്ന ഒരു വിവരദായക വസ്തു;

വിവരങ്ങൾ സ്വീകരിക്കുന്ന ഉപയോക്താക്കളുടെ വീക്ഷണകോണിൽ നിന്ന് അസമമായ മൂല്യമുണ്ട്;

വിവരങ്ങളുടെ സ്വീകർത്താവ് ഒരു തിരഞ്ഞെടുപ്പ് നടത്തുന്നു, അതിനെ വിവരദായകവും ഉപയോഗശൂന്യവുമാക്കി വിഭജിക്കുന്നു (അവസാനത്തെ ശബ്ദം എന്ന് വിളിക്കുന്നു).

സ്പീക്കറുകൾ തമ്മിലുള്ള അറിവിൻ്റെ വിടവ് അടിസ്ഥാനമാക്കി മനുഷ്യ ആശയവിനിമയത്തിലെ വിവരങ്ങൾ എല്ലായ്പ്പോഴും അർത്ഥവത്താണ്.

ഒരു പബ്ലിക് റിലേഷൻസ് സ്പെഷ്യലിസ്റ്റോ പത്രപ്രവർത്തകനോ തൻ്റെ സന്ദേശം പ്രസക്തമാകുമ്പോഴോ പുതിയ രീതിയിൽ വസ്തുതകൾ അവതരിപ്പിക്കുമ്പോഴോ ഗണ്യമായ താൽപ്പര്യം ഉണർത്തുമ്പോഴോ മാത്രമേ അത് വിവരദായകമായി കാണപ്പെടുകയുള്ളൂവെന്ന് മനസ്സിലാക്കണം.

വിവരങ്ങളുടെ ആത്മനിഷ്ഠ മൂല്യത്തെക്കുറിച്ച് സംസാരിക്കുന്നത് നിയമാനുസൃതമാണ്. എല്ലാ ആളുകളും ഒരേ വിവരങ്ങൾ അവർക്ക് അർത്ഥവത്തായതായി കാണില്ല. ലോക കറൻസികളുടെ വിനിമയ നിരക്കിനെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഒരു ബിസിനസുകാരന്, ഒരു കറൻസിയുടെ ഉടമയ്ക്ക് കാര്യമായ മൂല്യമുള്ളതാണ് (വിജ്ഞാനപ്രദമാണ്), എന്നാൽ വിദേശ വിനിമയ ഇടപാടുകളിൽ ഏർപ്പെടാത്തവർ അത് നിസ്സംഗതയോടെ കൈകാര്യം ചെയ്യും. വിവരങ്ങൾ സ്വീകർത്താവിൻ്റെ ലക്ഷ്യങ്ങളുമായി പ്രവർത്തനപരമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. സാധാരണ ധാരണയിൽ, ഒരു സന്ദേശത്തിൻ്റെ വരവ് ചില സംഭവങ്ങളുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. വിവരങ്ങൾ ഉൾക്കൊള്ളുന്നതോ അല്ലാത്തതോ ആയ ഒരു സന്ദേശത്തിൻ്റെ ഉറവിടം സംഭവങ്ങളാണ്.

ഏതൊരു ജീവിയുടെയും ജീവിതത്തിൽ വിവര കൈമാറ്റ പ്രക്രിയ ഒരു പ്രധാന പങ്ക് വഹിക്കുന്നു. വിശാലമായ അർത്ഥത്തിൽ വിവരങ്ങൾ കൈമാറുന്നതിനോ സ്വീകരിക്കുന്നതിനോ ഉള്ള കഴിവ് ജീവിതത്തിൻ്റെ ഒരു മാനദണ്ഡമാണ്, അസ്തിത്വത്തിൻ്റെ പരിതസ്ഥിതിയിലെ മാറ്റങ്ങളെക്കുറിച്ചുള്ള സന്ദേശം ഒരു ജീവജാലം അനുകൂലമോ അപകടകരമോ ആയി കണ്ടെത്തുന്നു, ചില പ്രതികരണങ്ങൾ ആവശ്യമാണ്. വിവരങ്ങളുടെ ആശയം വളരെ സമഗ്രമാണ്, ചില ശാസ്ത്രജ്ഞർ അത് ജീവൻ്റെ നിർവചനത്തിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്, ഉദാഹരണത്തിന് എൻ. വീനർ.

പുറം ലോകവുമായുള്ള ആശയവിനിമയ പ്രവർത്തനങ്ങളിൽ വിവരങ്ങൾ ഉൾപ്പെടുന്നു. ആശയവിനിമയം ഒരു ബന്ധമാണ്, വിവരങ്ങളുടെ കൈമാറ്റമാണ്.

അതിനാൽ, ആശയവിനിമയം, വിവരങ്ങൾ, ചൈതന്യം എന്നിവ ഒരേ വൃത്തത്തിൻ്റെ ആശയങ്ങളാണ്.

വിവരങ്ങളുടെ മറ്റൊരു സ്വത്ത്. അതിൻ്റെ പുതുമ നഷ്ടപ്പെട്ടതിനാൽ, വിവരങ്ങൾ അപ്രത്യക്ഷമാകുന്നു. പ്രൈമർ ഞങ്ങൾ വീണ്ടും വായിക്കുന്നില്ല, കാരണം അതിലെ എല്ലാം അറിയാവുന്നതും വിവരമില്ലാത്തതുമാണ്

അതിനാൽ ചില പ്രാഥമിക നിഗമനങ്ങൾ:

വിവരങ്ങൾ അജ്ഞാതമാണ്, അനിശ്ചിതത്വമാണ്,

വ്യക്തിനിഷ്ഠമായ വിവരങ്ങൾ ഉപയോക്താവ് മനസ്സിലാക്കിയ ശേഷം അപ്രത്യക്ഷമാകുന്നു.

അനിശ്ചിതത്വവും വിവര ഉള്ളടക്കവും ഗണിതശാസ്ത്ര ബന്ധങ്ങളാൽ ബന്ധപ്പെട്ടിരിക്കുന്നു: അനിശ്ചിതത്വം കൂടുന്തോറും സന്ദേശം കൂടുതൽ വിവരദായകമാണ്.

അതിനാൽ, വിവരങ്ങൾക്ക് രണ്ട് വൈരുദ്ധ്യ ഗുണങ്ങളുണ്ട്:

ഇത് വസ്തുനിഷ്ഠമായും സ്വതന്ത്രമായും നിലനിൽക്കുന്നതും അളക്കാൻ കഴിയുന്നതുമായ ഒരു നിശ്ചിത അളവിലുള്ള ഡാറ്റയാണ് (ഉദാഹരണത്തിന്, ഒരു കമ്പ്യൂട്ടറിലെ ഡാറ്റ; വോളിയം, ഒരു പുസ്തകത്തിലെ അച്ചടിച്ച പ്രതീകങ്ങളുടെ എണ്ണം);

ഈ ഡാറ്റയുടെ വിവര മൂല്യവും ഉപയോഗവും നിർണ്ണയിക്കുന്നത് അത് ആളുകൾക്ക് മനസ്സിലാക്കാവുന്നതാണെന്നും അവരുടെ അറിവ് വികസിപ്പിക്കാനും വ്യക്തമാക്കാനും കഴിയും എന്ന വസ്തുതയാണ്. അതിനാൽ, നിർദ്ദിഷ്ട ഡാറ്റയുടെ "വിവര ഉള്ളടക്കം" വിലയിരുത്തുന്നത് ആത്മനിഷ്ഠമാണ്; അത് ഒരു പ്രത്യേക വ്യക്തിയുടെ അറിവിൻ്റെ അളവിനെ ആശ്രയിച്ചിരിക്കുന്നു. 2x2 = 4 എന്ന അനുപാതം ഒരു ഒന്നാം ക്ലാസുകാരൻ്റെ യഥാർത്ഥ കണ്ടെത്തലാണെന്നത് ഒരു വസ്തുതയാണ്, എന്നാൽ കുറച്ച് സമയത്തിന് ശേഷം ഈ വിവരങ്ങൾ അദ്ദേഹത്തിന് സാധാരണമാണ്.

ഇരുപതാം നൂറ്റാണ്ടിൽ ശാസ്ത്രീയ അറിവിൻ്റെ വികാസവുമായി ബന്ധപ്പെട്ട്, വിവരങ്ങളുടെ ആശയം ഗണ്യമായി ആഴത്തിലുള്ളതാണ്. മാനേജ്മെൻ്റ് പ്രക്രിയകൾ പഠിക്കുന്ന സൈബർനെറ്റിക്സ് എന്ന പുതിയ ശാസ്ത്രത്തിൻ്റെ ചട്ടക്കൂടിനുള്ളിൽ വിവരങ്ങൾ സ്വതന്ത്രമായി കാണാൻ തുടങ്ങി. സ്ഥിരതയും നിലനിൽപ്പും ഉറപ്പാക്കുന്ന ഏതെങ്കിലും സിസ്റ്റങ്ങളുടെ (ജീവനുള്ള ജീവികൾ അല്ലെങ്കിൽ യാന്ത്രിക ഉപകരണങ്ങൾ) നിയന്ത്രണത്തിൻ്റെയും വികസനത്തിൻ്റെയും പ്രക്രിയകളിൽ വിവരങ്ങൾ പങ്കെടുക്കുന്നുവെന്ന് സൈബർനെറ്റിക്സ് തെളിയിക്കുന്നു. യഥാർത്ഥ സൈബർനെറ്റിക് ആശയങ്ങളെ അടിസ്ഥാനമാക്കി, തത്ത്വചിന്തകർ ഒരു ദാർശനിക വിഭാഗമെന്ന നിലയിൽ വിവരങ്ങളുടെ സവിശേഷതകളെക്കുറിച്ചുള്ള അവരുടെ കാഴ്ചപ്പാടുകൾക്ക് വിശാലമായ ന്യായീകരണം നൽകാൻ ശ്രമിക്കുന്നു. ഫിലോസഫിക്കൽ സയൻസിൽ, വിവരങ്ങളുടെ സവിശേഷതകളും അതിൻ്റെ സവിശേഷതകളും വ്യത്യസ്ത രീതികളിൽ വിശദീകരിക്കുന്ന രണ്ട് പ്രമുഖ ആശയങ്ങൾ ഉയർന്നുവന്നിട്ടുണ്ട്.

ഒരു സ്കൂളിൻ്റെ അനുയായികൾ (B.V. Biryukov, I.B. Novnk, A.D. Ursul മറ്റുള്ളവരും) ഏതെങ്കിലും മെറ്റീരിയൽ വസ്തുക്കളുടെ സ്വത്തായി വിവരങ്ങൾ യോഗ്യമാക്കുന്നു. ഈ ദിശയുടെ അനുയായികൾ അനുസരിച്ച് (അവയെ ചിലപ്പോൾ സ്റ്റാമിൻ്റെ ആട്രിബ്യൂട്ടുകൾ എന്നും വിളിക്കുന്നു), ജീവനുള്ളതും നിർജീവവുമായ സ്വഭാവമുള്ള ഏതൊരു ഭൗതിക വസ്തുവിൽ നിന്നും വിവരങ്ങൾ വേർതിരിച്ചെടുക്കാൻ കഴിയും. "ചത്ത വിവരങ്ങളുടെ" ഒരു ശേഖരമായി ദ്രവ്യം കണക്കാക്കപ്പെടുന്നു. വിവരങ്ങൾ വസ്തുനിഷ്ഠമായി അടങ്ങിയിരിക്കുന്നു, പക്ഷേ മറഞ്ഞിരിക്കുന്ന പാതാളത്തിലാണ്. സ്വാഭാവിക വസ്തുക്കളുടെ ഭാഗമായി, എല്ലായ്പ്പോഴും ഒരു പ്രത്യേക ഘടനയുണ്ട് (ഒരു കൂട്ടം ഭാഗങ്ങൾ, ഘടകഭാഗങ്ങൾ തമ്മിലുള്ള കണക്ഷനുകൾ കണക്കിലെടുക്കുമ്പോൾ), അത് തിരിച്ചറിയാൻ കഴിയും. അതിനാൽ, അത്തരം വിവരങ്ങൾ മറഞ്ഞിരിക്കുന്ന, ഘടനാപരമായ (ചിലപ്പോൾ ബന്ധപ്പെട്ട) എന്ന് വിളിക്കുന്നു. ഒരു നിരീക്ഷകന്, ഒരു വ്യക്തിക്ക് മാത്രമേ വിവരങ്ങൾ വേർതിരിച്ചെടുക്കാൻ കഴിയൂ. വസ്തുവിൽ നിന്ന് വിഷയത്തിലേക്ക് വിവരങ്ങൾ കൈമാറുന്നതിനായി അവൻ അത് പ്രോസസ്സ് ചെയ്യുകയും എൻകോഡ് ചെയ്യുകയും റീകോഡ് ചെയ്യുകയും ചെയ്യുന്നു. അതിനാൽ, വിവരങ്ങൾ സജീവമായും ലക്ഷ്യബോധത്തോടെയും ഉപയോഗിക്കുന്ന അറിവിൻ്റെ ഭാഗമാണ് (3).

പ്രവർത്തനത്തിൻ്റെ അർത്ഥം നേരിട്ടോ അല്ലാതെയോ (ഉദാഹരണത്തിന്, ആശയവിനിമയത്തിലെ പരസ്പര സമ്പർക്കത്തിലൂടെ മുതലായവ) അറിവിൻ്റെ വസ്തുവുമായുള്ള ഇടപെടലിലാണ്. സംഭരിച്ച സന്ദേശത്തിൻ്റെ ഉള്ളടക്കം മനസ്സിലാക്കാൻ കഴിവുള്ള, വിവര സ്വീകർത്താവ്, ഒരു ബുദ്ധിജീവി ഉണ്ടെങ്കിൽ മാത്രമേ വിവരങ്ങൾക്ക് ആവശ്യക്കാരേറുകയുള്ളൂ. ഒരു തിരിച്ചറിയൽ, ചിന്തിക്കുന്ന വിഷയം പ്രത്യക്ഷപ്പെടുകയും അവൻ്റെ ഇന്ദ്രിയങ്ങളുടെ റിസപ്റ്ററുകളെ ബാധിക്കുകയും ഉചിതമായ പ്രതികരണങ്ങൾ ഉണ്ടാക്കുകയും തീരുമാനമെടുക്കുകയും പെരുമാറ്റ മാനേജ്മെൻ്റിൽ ഏർപ്പെടുകയും ചെയ്യുമ്പോൾ വിവരങ്ങൾ അപ്ഡേറ്റ് ചെയ്യപ്പെടുന്നു. ഈ പ്രക്രിയ (വിവരം വേർതിരിച്ചെടുക്കൽ) വ്യക്തിഗതമാണ്. ഉദാഹരണത്തിന്, ഒരു കലാകാരൻ ഒരു സിറ്ററിൻ്റെ കണ്ണുകളുടെ നിറത്തിൽ ഒരു പ്രത്യേക നിഴലിനെ അഭിനന്ദിക്കുന്നു, കൂടാതെ കണ്ണ് നിറത്തിൻ്റെ അതേ ഷേഡുകളിൽ അപകടകരമായ രോഗത്തിൻ്റെ ലക്ഷണങ്ങൾ ഒരു ഡോക്ടർ കാണുന്നു.

വിജ്ഞാന മാനേജ്മെൻ്റിൻ്റെ പ്രശ്നങ്ങൾ പരിഗണിക്കുന്നത് തുടരുന്നതിന് മുമ്പ്, ഈ മേഖലയുടെ പ്രധാന ആശയങ്ങൾ നിർവചിക്കേണ്ടത് പ്രധാനമാണ്: "ഡാറ്റ", "വിവരങ്ങൾ", "അറിവ്".

വിജ്ഞാന മാനേജ്മെൻ്റിനെക്കുറിച്ചുള്ള സാഹിത്യം അതിൻ്റെ വ്യാഖ്യാനത്തിന് വ്യത്യസ്ത സമീപനങ്ങൾ അവതരിപ്പിക്കുന്നു. ഒരു പൂർണ്ണമായ വിശകലനം എന്ന് നടിക്കാതെ, ഞങ്ങൾ ചില പ്രധാന പോയിൻ്റുകൾ രൂപപ്പെടുത്താൻ ശ്രമിക്കും.

താഴെ ഡാറ്റക്രമമില്ലാത്ത നിരീക്ഷണങ്ങൾ, അക്കങ്ങൾ, വാക്കുകൾ, ശബ്ദങ്ങൾ, ചിത്രങ്ങൾ എന്നിവ മനസ്സിലാക്കുന്നു. സംഭവങ്ങളെക്കുറിച്ചുള്ള വ്യതിരിക്തവും വസ്തുനിഷ്ഠവുമായ ഘടകങ്ങളുടെ ഒരു കൂട്ടമാണിത്. മാത്രമല്ല, ഒരു ഓർഗനൈസേഷണൽ സന്ദർഭത്തിൽ, പ്രവർത്തന പ്രവർത്തനങ്ങളുടെ ഘടനാപരമായ രേഖകളായി ഡാറ്റ വ്യാഖ്യാനിക്കപ്പെടുന്നു. ഓർഗനൈസേഷനുകൾ സാധാരണയായി വിവിധ വകുപ്പുകളിൽ നിന്നും സേവനങ്ങളിൽ നിന്നും വരുന്ന വിവര സംവിധാനങ്ങളിൽ ഡാറ്റ സംഭരിക്കുന്നു.

ഡാറ്റ ഓർഗനൈസുചെയ്യുകയും ക്രമപ്പെടുത്തുകയും ഗ്രൂപ്പുചെയ്യുകയും തരംതിരിക്കുകയും ചെയ്യുമ്പോൾ അത് മാറുന്നു വിവരങ്ങൾ. അർത്ഥം നൽകുന്ന ഒരു പ്രത്യേക ഉദ്ദേശ്യത്തിനായി ക്രമീകരിച്ചിരിക്കുന്ന ഡാറ്റയുടെ ഒരു ശേഖരമായി ഇത് വ്യാഖ്യാനിക്കപ്പെടുന്നു.

സന്ദേശം- ഇത് ടെക്സ്റ്റ്, ഡിജിറ്റൽ ഡാറ്റ, ഇമേജുകൾ, ശബ്ദം, ഗ്രാഫിക്സ്, പട്ടികകൾ മുതലായവയാണ്.

ഇൻ്റലിജൻസ്- പ്രായോഗികമായി "സന്ദേശങ്ങൾ" എന്ന ആശയത്തിൻ്റെ പര്യായമാണ്. അവ മിക്കപ്പോഴും ഗാർഹിക സ്വഭാവമുള്ളവയാണ്.

അറിവ്ഉൽപ്പാദനക്ഷമമായ ഉപയോഗത്തിന് തയ്യാറായതും ഫലപ്രദവും അർത്ഥം ഉൾക്കൊള്ളുന്നതുമായ വിവരങ്ങളായി ഇത് വ്യാഖ്യാനിക്കപ്പെടുന്നു. ഔപചാരികമായ അനുഭവങ്ങൾ, മൂല്യങ്ങൾ, സന്ദർഭോചിതമായ വിവരങ്ങൾ, പുതിയ അനുഭവങ്ങളും വിവരങ്ങളും വിലയിരുത്തുന്നതിനും സമന്വയിപ്പിക്കുന്നതിനുമുള്ള അടിസ്ഥാനമായ വിദഗ്ധ ധാരണ എന്നിവയുടെ ഒരു ശേഖരമാണിത്. ഇത് ആളുകളുടെ മനസ്സിൽ രൂപപ്പെടുകയും പ്രയോഗിക്കുകയും ചെയ്യുന്നു, ഓർഗനൈസേഷനുകളിൽ ഇത് പലപ്പോഴും രേഖകളിലും ശേഖരണങ്ങളിലും മാത്രമല്ല, ഓർഗനൈസേഷണൽ നടപടിക്രമങ്ങൾ, പ്രക്രിയകൾ, കാര്യങ്ങൾ ചെയ്യുന്ന രീതികൾ, മാനദണ്ഡങ്ങൾ എന്നിവയിലും ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.

സാഹിത്യത്തിൻ്റെ അവലോകനത്തെ അടിസ്ഥാനമാക്കി അറിവിൻ്റെ വിവിധ നിർവചനങ്ങൾ പട്ടിക നൽകുന്നു.

വിവരങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അറിവ് വിശാലവും ആഴമേറിയതും സമ്പന്നവുമായ ആശയമാണെന്ന് ചർച്ച ചെയ്ത മിക്ക നിർവചനങ്ങളും ഊന്നിപ്പറയുന്നു. അവർ പ്രതിനിധീകരിക്കുന്നു വ്യത്യസ്ത ഘടകങ്ങളുടെ ഒരു ദ്രാവക കണക്ഷൻ - അനുഭവം, മൂല്യങ്ങൾ, വിവരങ്ങൾ, വിദഗ്ദ്ധ ധാരണ- നിരന്തരം മാറുക; അവ അവബോധജന്യമാണ്; ആളുകളുടെ സ്വഭാവവും പ്രവചനാതീതവുമായ മനുഷ്യ സത്തയുടെ അവിഭാജ്യ ഘടകമാണ്.