Миварные базы данных и правил

МИВАРНЫЕ БАЗЫ 
ДАННЫХ И ПРАВИЛ

О.О. ВАРЛАМОВ

Москва
ИНФРА-М
2021

УЧЕБНОЕ ПОСОБИЕ

УДК [004.8+007.5](075.8)
ББК 32.813я73
 
В18

Варламов О.О.
В18  
Миварные базы данных и правил : учебное пособие / О.О. Варламов. — Москва : ИНФРА-М, 2021. — 351 с. — DOI 10.12737/1058665.

ISBN 978-5-16-017010-7 (print)
ISBN 978-5-16-109612-3 (online)
Многомерная открытая гносеологическая активная сеть MOGAN является основой 
для перехода на качественно новый уровень создания логического искусственного интеллекта. Миварные базы данных и правил стали фундаментом для создания MOGAN. 
Приведены результаты анализа и обобщения структур представления данных различных 
моделей данных: от реляционных до «Сущность — Связь» (ER-модель). На основе выполненного обобщения создана новая модель данных и правил: миварное информационное 
пространство «Вещь — Свойство — Отношение». Показана логико-вычислительная обработка данных в этой новой модели данных и правил, которая обладает линейной вычислительной сложностью относительно количества правил. MOGAN является развитием 
систем, основанных на правилах (Rule-Based Systems) и позволяет быстро и просто конструировать алгоритмы и работать с логическими рассуждениями формата «Если…, То…». 
Приведен пример создания миварной экспертной системы для решения задач в модельной 
области «Геометрия». Миварные базы данных и правил можно использовать для моделирования причинно-следственных зависимостей в разных предметных областях и создания 
баз знаний прикладных систем искусственного интеллекта нового поколения и миварных 
экспертных систем реального времени с переходом к «Большим знаниям». 
Учебное пособие по направлению подготовки «Информатика и вычислительная техника» предназначено для студентов, бакалавров, магистрантов, аспирантов, изучающих 
методы искусственного интеллекта, применяемых в системах обработки информации 
и управления, а также для пользователей и специалистов, создающих миварные модели 
знаний, экспертные системы, автоматизированные системы управления и системы поддержки принятия решений. 
Ключевые слова: кибернетика, искусственный интеллект, мивар, миварные сети, базы 
данных, модели данных, экспертная система, интеллектуальные системы, многомерная открытая гносеологическая активная сеть, MOGAN, MIPRA, КЭСМИ, Wi!Mi, Разуматор, 
базы знаний, графы знаний, сети знаний, Большие знания, продукции, логический вывод, 
системы поддержки принятия решений, системы принятия решений, автономные роботы, 
рекомендательные системы, универсальные инструменты знаний, конструкторы экспертных систем, логический искусственный интеллект.

УДК [004.8+007.5](075.8)
ББК 32.813я73

А в т о р:
Варламов О.О., доктор технических наук, профессор кафедры ИУ-5 Московского государственного технического университета имени Н.Э. Баумана (НИУ), 
Московского автомобильно-дорожного государственного технического университета (МАДИ), Института цифровых технологий Российского федерального 
ядерного центра — Всероссийского научно-исследовательского института экспериментальной физики, президент, председатель научно-технического совета 
НИИ «МИВАР» (e-mail: ovar@narod.ru; ovarlamov@gmail.com; info@mivar.ru) 

Н а у ч н ы е  р е ц е н з е н т ы:
Балдин А.В., доктор технических наук, профессор; 
Остроух А.В., доктор технических наук, профессор; 
Теслинов А.Г., доктор технических наук, профессор 

ISBN 978-5-16-017010-7 (print)
ISBN 978-5-16-109612-3 (online)
© Варламов О.О., 2021

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

Миварный подход относится к научному направлению "искусственный

интеллект" и развивается с 1985 года. Напомним, что согласно классификатору

научно-технической
информации 
(ГРНТИ), 
научное
направление

искусственный интеллект (ИИ) входит во всем известную науку - Кибернетику. 

Однако, миварный подход может применяться и в других научных областях

компьютерных наук, информатики и дискретной математики, включая: базы

данных, экспертные системы, системы логического вывода на основе развития

продукций, теорию графов, матрицы, параллельное выполнение программ на

кластерах, 
проектирование
новых
архитектур
компьютеров, 
массовое

суммирование чисел, техническую защиту информации и информационную

безопасность, гносеологию (частично и в плане создания новой наиболее

мощной модели данных на основе "тройки" "вещь-свойство-отношение"), 

сервисно-ориентированные
архитектуры, 
компьютерные
сети, 

информационные
инфраструктуры, 
теоретическую
робототехнику, 

многоагентные системы и некоторые другие.  

Данное учебное пособие посвящено описанию миварных баз данных и

правил (МБДП) [127, 215], которые являются основой миварных технологий

логического искусственного интеллекта (ИИ). Можно для сокращения времени

называть миварные базы данных и правил сразу «миварные базы знаний» 

(МБЗ). Но необходимо учитывать, что все антропоморфные термины: «знания», 

«интеллект» и т.п. трактуются учеными по разному и сильно подвержены

«маркетинговой обработке», поэтому в научных текстах предпочтительно явно

указывать в каком контексте используются подобные термины.  

МБДП/МБЗ
необходимы
для
создания
логических
рассуждающих

экспертных систем (ЭС) [732], систем поддержки принятия решений (СППР) и

рекомендательных систем логического искусственного интеллекта (ЛИИ). Эти

программные системы относятся к научному направлению «создания систем

принятия
решений, основанных
на
правилах» – Rule-Based Systems. В

настоящее время под этими терминами понимают различные «прикладные

системы», поэтому необходимо уточнить нашу трактовку применения этих

терминов для создании миварных экспертных систем (МЭС).  

Логические
рассуждающие
МЭС
предназначены
для
нахождения

логического вывода и/или автоматического построения алгоритма принятия

решения на основе созданных заранее баз знаний, которые состоят из объектов

и правил. Подчеркнем, что такие логические системы предназначены для

поиска
одного
решения – алгоритма
действий
или
последовательности

логического
вывода. Поэтому
они
принципиально
относятся
к «белым

ящикам», когда можно полностью объяснить полученное решение. Однако, 

такие
экспертные
системы
изначально
не
применяют
для
решения

оптимизационных задач, когда надо сравнивать несколько найденных решений. 

Нам важно получить хотя бы одно решение – алгоритм действий. В конце 20 

века
это
научное
направление
в
области
искусственного
интеллекта

«заморозилось» из-за «проклятия размерности» («N!», факториал) полно
переборного (NP) логического вывода. В 2002 году был создан новый

формализм
для
представления
знаний 
– 
«миварные
сети» 
[215], 

представляющие собой двудольные ориентированные графы. Миварные сети

объединили идеи продукционных правил «Если…, То…» с сетями Петри и, 

фактически, позволили создавать «сети знаний» или «графы знаний» в новом

формализме. Самое главное достижение миварных сетей – это возможность

выполнения логического вывода с линейной вычислительной сложностью

(снижение с N!) на основе продукционных правил, что позволило убрать

ограничение «проклятия размерности». Снятие этого ограничения позволило с

2015 года создавать огромные базы знаний в формате миварных сетей и

выполнять построение алгоритма принятия решений со скоростью более 5 млн

правил/с на обычных компьютерах. Миварные экспертные системы дали

возможность ученым и инженерам по знаниям – «когнитологам» создавать

«Большие знания» в формате причинно-следственных (каузальных) правил и

работать с ними в реальном масштабе времени. Это революционный переход от

«игрушечных» 
баз
знаний
к
созданию
полноценного
логического

искусственного интеллекта (ЛИИ), который теперь обучают разным областям. 

Напомним, что "по классике" в компьютерных науках (информатике) 

выделяют 5 основных видов действий:  

1) сбор (получение, ввод, создание);  

2) накопление (хранение);  

3) передача;  

4) обработка и

5) представление информации.  

С точки зрения искусственного интеллекта (ИИ), первый и пятый пункты

отражают взаимодействие с внешней средой. Существует математическая

модель [215], которая обобщает и показывает единство процессов накопления и

передачи информации. Совсем кратко, суть такого подхода в том, что выделяют

три
основных
сущности: 
отправитель
информации, 
время
передачи

информации и получатель информации. Тогда, в зависимости от того, кто кому

и за какое время передает информацию, единообразно описываются и хранение

информации (передача
самому
себе
за
длительное
время), и
передача

информации (отправитель и получатель разные, а время передачи мало), и

другие
возможные
комбинации. Таким
образом, получаем, что
самыми

важными для внутреннего развития ИИ являются два основных действия: 

обработка и накопление информации.  

Проблема создания интеллектуальных систем остается актуальной и

практически значимой. Миварные сети открывают принципиально новые

возможности по созданию действительно интеллектуальных и логически

рассуждающих систем, а также позволяют перейти к новому поколению

экспертных систем, АСУ ТП, систем распознавания образов, поисковых

систем, аннотирования и перевода текста и др.  

Мивары
путем
объединения
баз
данных
с
логико-вычислительной

обработкой позволяют работать с огромными контекстами, что порождает

способность
компьютеров
к
непосредственному
пониманию
смысла

информации и создает логический искусственный интеллект (ИИ). В качестве

миварных правил могут быть использованы различные сервисы, модули и

вычислительные процедуры.  

Например, на основе миварных сетей был создан программный комплекс

УДАВ, который обрабатывает более 1,17 млн переменных и более 3,5 млн

правил на обычных компьютерах и ноутбуках [127]. Таким образом, миварные

сети
позволяют
перейти
к
новому
поколению
экспертных
систем
и

интеллектуальных пакетов прикладных программ. Миварный подход позволил

на практике создать автоматические обучаемые эволюционные активные

логически рассуждающие информационные системы. В перспективе на основе

миварных
сетей
будет
создана
глобальная
мультипредметная
активная

экспертная
система
под
названием "Миварная
активная
энциклопедия". 

Мивары позволяют создать логический искусственный интеллект. Миварный

путь создания ИИ можно показать так:  

Мивары=>БД+Логика=>Контекст=>Смысл=>Искусственныйинтеллект

Будем понимать под системами искусственного интеллекта активные

самообучающиеся логически рассуждающие системы. В прошлом веке были

разработаны
технологии
создания
экспертных
систем
по
отдельным

узконаправленным предметным областям. Это было обусловлено сложностями

формализованного описания требуемых предметных областей и тем, что

системы логического вывода не могли обрабатывать более 20 объектов/правил. 

В то же время, получили развитие "интеллектуальные пакеты прикладных

программ" (ИППП), которые позволяли решать в автоматизированном режиме

задачи в разных областях, где требовались вычисления и конструирование

алгоритмов решения задач. Технологии ИППП развиваются в миварах и

сервисно-ориентированных архитектурах. Создание экспертных систем нового

поколения
позволит
автоматизировать
решение
различных
сложных

интеллектуальных
задач
и
повысит
конкурентоспособность
своих

пользователей. 

Миварный подход объединяет и развивает достижения в научных

областях: баз
данных, вычислительных
задач, логической
обработки
и

включает две основные технологии:  

1) Миварная
технология
накопления
информации - это
способ

создания
глобальных
эволюционных
баз
данных
и
правил (знаний) с

изменяемой
структурой
на
основе
адаптивного
дискретного
миварного

информационного пространства унифицированного представления данных и

правил, базирующегося
на
трех
основных
понятиях "вещь, свойство, 

отношение". 

2) Миварная технология обработки информации - это способ создания

системы
логического
вывода
или 
"автоматического
конструирования

алгоритмов из модулей, сервисов или процедур" на основе активной обучаемой

миварной сети правил с линейной вычислительной сложностью. 

Миварная
технология
накопления
информации
предназначена
для

хранения
любой
информации
с
возможным
эволюционным
изменением

структуры и без ограничений по объему и формам представления.  

Миварная
технология
обработки
информации
предназначена
для

обработки
информации, 
включая
логический
вывод, 
вычислительные

процедуры и "сервисы".  

Фактически, миварные сети позволяют развить продукционный подход и

создать автоматическую обучаемую логически рассуждающую систему. В

работе показано, что миварный подход объединяет и развивает продукционные

системы, 
онтологии, 
семантические
сети, 
сервисно-ориентированные

архитектуры, многоагентные системы и другие современные информационные

технологии в целях создания интеллектуальных систем и систем ИИ. 

Суть миварного подхода в объединении баз данных и систем логико
вычислительной обработки в единые эволюционно развивающиеся системы, 

позволяющие собрать воедино все различные научные разработки на основе

сервисно-ориентированных
архитектур
и
технологий
интеллектуальных

агентов - многоагентных систем. К этому научному направлению относятся

базы данных, базы знаний, экспертные системы, многоагентные системы, 

сервисно-ориентированные архитектуры и др. Про необходимость этого и про

возможное объединение писали очень многие ученые, включая: [50, 472-476, 

550, 571, 584, 588, 668 733-739, 741-759, 765, 768-782, 784-801, 803, 806-853], и

многие другие. Но только теперь, с появлением миварного подхода, это

становится реальностью. Ранее в работах [1 – 49, 51 – 84, 87 – 320, 323-325, 327
330, 336- 339, 343-354, 357-359, 362-363, 365-371, 373-381, 383-388, 393-397, 

399-401, 404-426, 428- 436, 438-447, 449, 452-455, 457-471, 478- 483, 486-491, 

496-549, 552-557, 559-567,  576-582, 586-587, 589-655, 658-663, 666, 669-673, 

675-686, 690-732] было показано, что такое миварное объединение позволит

создать глобальные самоорганизующиеся программно-аппаратные комплексы с

эволюционной структурой для познающе-диагностических систем, экспертных

систем и систем оперативной диагностики. 

Главное свойство нашего миварного подхода в том, что он не отвергает

ничего из уже созданного, а создает основу, фундамент, для объединения всех

существующих и перспективных наработок в этой (и многих других) активно

развивающейся научной области. Более того, миварный подход объединяет

технологии
баз
данных, баз
знаний, логического
вывода
и
различных

вычислительных процедур. Наш новый формализм миварного многомерного

эволюционного пространства унифицированного представления данных и

правил позволяет описать все существующие традиционные модели данных и

методы логической и вычислительной обработки информации. Такое единое

описание и создает предпосылки для объединения всех достижений и перехода

к новому качеству в области ИИ.  

Миварная модель данных является более мощной, чем модель "сущность
связь" (ER-модель), и поэтому позволяет описывать и объединить в своем

формализме все традиционные структурные и бесструктурные модели данных, 

включая семантические сети, онтологии и гипертекст. Реляционные таблицы

представляются в многомерном миварном пространстве в виде двумерных

таблиц, объединяемых
в
трехмерное
пространство
с
возможностью
и

дальнейшего наращивания измерений. Сетевые модели, семантические сети и

онтологии представляются в миварном пространстве в виде неких графов, 

помещенных в дискретное многомерное пространство, что также только

усиливает возможности подобных сетевых моделей. Здесь подробно в виде

формул и цифр показано подобное представление и возможность перехода из

одного представления данных в другое через миварное пространство или

одномерные таблицы представления данных, которые являются упрощением

миварного представления. Более того, миварное пространство основано именно

на том факте, что пользователи могут одновременно использовать различные

модели данных, от реляционных и гипертекстовых, постепенно вводя все

больше структурированности и переходя к сетевым, семантическим сетям и

онтологиям, а уже через них - далее к миварному пространству. Миварное

пространство по самой своей сути является эволюционным и предназначено

для изменения структур хранения данных и перехода к разным моделям.  

Миварные сети основаны на продукционном подходе "если, то..." с

переходом к более сложной структуре правил с предусловиями, условиями, 

ограничениями, действиями и последействиями. Это позволяет записывать все

причинно-следственные
отношения, включая
и
все
возможные
формы

предикатов и т.п. логических выражений. Мы не отрицаем значение предикатов

и поиска истинных выражений, а только создаем возможность и для их

реализации, и для реализации всех возможных других представлений правил в

виде: сервисов, процедур, продукций, подпрограмм и т.п. Такой подход

позволяет работать одновременно с разными описаниями предметных областей, 

прибавляя к предикатам и продукции, и нейросети, и генетические алгоритмы,