Проблема искусственного интеллекта — автореферат и диссертация по философии. Скачать бесплатно полный текст автореферата диссертации на тему Онтология и теория познания.

Анализ систем дистанционного обучения

На сегодняшний день диапазон систем дистанционного обучения чрезвычайно широк — от простейших игровых программ до весьма сложных обучающих систем. Применяемые методы обучения весьма различны. Это может быть просто тренировка памяти и сообразительности, основанная на серии примеров и задач; иногда в ходе общения с обучающей программой человеку приходится основательно подумать.

Когнитивный процесс в технических дисциплин

Полученные выкладки показали, что в формулировке теоремы используются еще дополнительные объекты. Их описать можно таким образом: (А,ха,уа,В,х ,у ,С,хс,ус,а,Ь,суАВ,ВС,АС,а Ь с,АВ ВС,АС АВ ВС) /Q Опишем теперь всю формулировку теоремы в нотации УИП: ({А,В,С}ла Ь с)тэ(АС АВ ВС) ,щ

Т.к. компьютер не может оперировать такими сложными операциями, поэтому целесообразно описать формулировку унарными операциями. В результате такого описания мы получим последовательность действий, которые укладываются в структуру формул. Для этого достаточно заменить аббревиатуры в логической формулировке математическими формулами и описать логико-математическими и структурными формулами логические преобразования, к которым относятся: проверка неравенства и знак следования.

Для описания формулировки использовалось несколько формул: вычисление длины отрезка, вычисление угла наклона прямой. Поэтому опишем несколько формульных моделей и основную формулировку теоремы с их помощью. Описание формулировки в формулах будет выглядеть так (приложение 3, таблицы 1-3).

Фактически таблица формул есть не что иное, как последовательность действий для описания или решения задачи. Здесь мы выполнили решение задачи определения не принадлежности трех точек одной прямой, а также решение задачи вычисления длины отрезка. И описали формулировку теоремы, которой в последствие можно пользоваться при решении задач как фактом.

При описании формулировки использовались функции, рассмотренные ранее. На бор определенных действий показывает системе, как формировать результат. Например: действие «сложить» показывает, что система должна совершить операцию сложения с двумя объектами и занести результат в некую переменную;

действие «Если» является структурным действием и, как и во всякой структуре, показывает начало структуры, в которой объектом 1 является количество итераций до окончания этой части структуры до конца или до действия «Иначе», у которого этот же объект тоже имеет значение равное количеству итераций, а объект 2 содержит переменную, хранящую значения для условия и в поле результат храниться значения для сравнения; действие «ввод» означает, что данная переменная, описанная в объект 2, является параметром функции и вносится извне; действие «параметр» обозначает, что в функцию, описанную ранее, заносится значение переменной, хранящейся в объект 2.

Такая запись информационной модели решения задач и описания формулировок, использующая методику узкого исчисления предикатов, позволяет системе на интеллектуальном уровне контролировать действия обучающегося.

В нашем случае описание получается строгим, поскольку других методов идентификации необходимых значений работы функций в математике нет. Однако при решении задач (а ранее было сказано, что система имеет возможность самостоятельно пополнять набор формул и функций) возможно появление нескольких методов получения одного и того же результата.

В этом случае мы обеспечиваем свободу выбора в методе решения задачи и формировании оптимального решения, на базе имеющихся методов. К тому же при такой постановке процесса обработки информации, система имеет возможность решать задачи, заранее не заложенные в нее, что дает ей дополнительную гибкость.

Возьмем, например, несложное квадратное уравнение: 5хг -2х 3 = 10. Решать его можно несколькими способами:

Как видим, решений может быть три, причем одно из них может привести к зацикливанию системы, поскольку поиск корней уравнения по теореме Виета может длиться очень долго, но для проверки решения данную теорему исполь -123 зовать можно, т.к. она предполагает только сумму и произведение корней с проверкой на совпадение с коэффициентами.

Заложенные методы в систему позволяют использовать любой из путей дерева решений уравнения. Эта же технология может использоваться и при решении более сложных задач, таких как: логарифмирование, вычисление производной, построение касательной к графику, вычисление интеграла, вычисление объемов и площадей фигур и т.д. Это достигается путем использования методов и моделей теории узкого исчисления предикатов и метода представления знаний.

Все оговоренное выше также относится к любой технической дисциплине, будь то химия, физика и т.п. Только возможные функции могут быть немного изменены. В частности, для дисциплин, использующих эксперименты, могут быть добавлены функции экспериментирования с расчетом соответствующих величин.

Контроль знаний в системах дистанционного обучения

В основном этот метод используется в технических дисциплинах или при необходимости решать математические и физические задачи. Хотя, например, при использовании методов искусственного интеллекта можно обеспечить решение задач в таких областях как: биология, генетика, геология, история, медицина и т.д.

Проведенный анализ систем дистанционного обучения российского и зарубежного рынков показал, что чаще всего используется метод решения задач по строгой технологии, заранее заложенной в систему, без возможности корректировки последовательности действий.

Как пример можно привести систему дистанционного обучения, разработанную в компании «МедиаХауз» — Математика 2000. В этой системе метод решения задач реализован на всех стадиях обучения: при проведении практических занятий и контроля знаний. Сама технология представляет собой следующее.

Пользователю выдается задача и предлагается несколько вариантов первого действия. В процессе раздумий учащегося фиксируется время, передел которого заложен в системе. Учащийся должен выбрать правильный вариант решения и нажать соответствующую кнопку.

При выборе правильного ответа на лист экрана выводится выбранный ответ с автоматическим переходом к следующему шагу заранее заложенной технологии решения задачи. Если ответ выбран неверный, то система фиксирует попытку ответа, снижая при этом оценку, и продолжает ожидание правильного ответа.

В процессе решения может быть предложен вариант ввода формулы вычисления, но (что является очень серьезным недостатком системы), учащийся вынужден ввести такую формулу, которая определена в технологии и даже не может использовать такие правила как: перемена мест слагаемых или множите лей.

Также очень серьезным недостатком системы является то, что она в некоторых случаях самостоятельно выполняет определенные действия, которые подчас не являются закономерными. Это действие системы происходит и в контроле знаний, что с точки зрения проблемы является недопустимым.

И такая технология встречается не только в этой системе, но и во многих других, что существенно снижает качество систем дистанционного обучения и, в частности, подсистем контроля знаний.

Тестирование. Наиболее распространенный вариант контроля знаний. Он используется практически во всех системах дистанционного обучения. В мировой практике существует два вида тестов: линейный и разветвленный. Первый метод используется в системах дистанционного обучения и практически всегда в традиционном обучении.

Второй метод представляет собой заранее заложенный диалог системы и учащегося и очень похож на диалог преподавателя и учащегося при приеме устного экзамена. Но в рассмотренных системах дистанционного обучения этот метод не нашел своего отражения. В традиционном обучении ввиду невозможности организации динамического тестирования этот метод не используется или представлен в виде устного экзамена.

Рассмотрим подробнее эти методы. Линейное тестирование. В практике тестирования встречаются различные варианты: Альтернативный выбор ответа; Множественный выбор ответа; Ввод правильного ответа; Ввод необходимых знаков, символов и т.д.; Выделение некоторой области текста или изображения; Построение правильной технологии; Построение правильной схемы; Другие.

С ростом научно-технического прогресса количество вариантов заданий может увеличиваться: ввод голоса, проигрывание музыки и т.д. Примерами использования линейного тестирования можно привести достаточно много систем ДО: Assimetrix Toobook, Открытая математика (компания «Физикон»), языковые системы дистанционного обучения и т.п.

Методика расчета оценки в таком тестировании чаще всего использует вычисление среднего арифметического: УПо Ц = — (28) где, Оц — оценка; По — признак правильности ответа; Кв — количество вопросов.

Эта методика касается и вариантов альтернативного выбора ответа и ввода ответа. При варианте тестирования с множественным выбором методика предполагает следующую формулу расчета: а По-р Но 0цГ ї» (29) где, Оц — оценка; По — признак правильности ответа;

Полный текст автореферата диссертации по теме «проблема искусственного интеллекта»

На правах рукописи

005015472

СМИРНОВ ЕГОР ВАСИЛЬЕВИЧ

ПРОБЛЕМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА: ОНТОЛОГИЧЕСКИЕ И ГНОСЕОЛОГИЧЕСКИЕ АСПЕКТЫ

09.00.01 — онтология и теория познания

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата философских наук

1 2 шр 20:2

Магнитогорск — 2022

005015472

Работа выполнена на кафедре философии ФГБОУ ВПО «Магнитогорский государственный университет»

Научный руководитель — Дегтярев Евгений Владимирович — доктор

философских наук, профессор, профессор и зав. кафедрой философии Магнитогорского государственного университета, г. Магнитогорск. Официальные оппоненты: Вильданов Урал Салимович — доктор

философских наук, профессор, профессор Башкирского государственного университета, г. Уфа.

Прилукова Екатерина Григорьевна —

кандидат философских наук, доцент, доцент Южно-Уральского государственного университета, г. Челябинск.

Ведущая организация — «Оренбургский государственный университет», г. Оренбург.

Защита состоится 16 марта 2022 года в 12.00 часов на заседании диссертационного совета ДМ 212.112.02 по защите диссертаций на соискание ученой степени доктора философских наук при ФГБОУ ВПО «Магнитогорский государственный университет» по адресу: 455038, г. Магнитогорск, пр. Ленина, 114, ауд. 211.

С диссертацией можно ознакомиться в научной библиотеке ФГБОУ ВПО «Магнитогорский государственный университет».

Процесс познания

Рассмотрим поеледовательность.познания человеком какого-либо знания (рис. 4). Как известно, все познание начинается с получения человеком информации посредством рецепторов,- имеющихся у него. Через нервные узлы — характеристики некоторых объектов и действий, через осязание — запахи и вкус, через слух — голосовую информацию, которая несет в себе знания о мысленном мире и т.д.

После получения всего набора информации, человек часть информации запоминает в образной памяти (или, как еще ее называют, зрительной памяти), а часть — структурирует для последующего использования. Процесс структури зации информации можно отождествить с процессором компьютера, который обрабатывает некоторый набор информации по определенному алгоритму.

После структуризации информации процессор человека начинает фильтрацию данных, обеспечивая тем самым отсев.ненужной информации. Под ненужной информацией человек понимает информацию, не относящуюся непосредственно к предметной области, .в рамках которой происходит передача данных.

После фильтрации информации человек либо запоминает в памяти ос тавшиеся данные, либо происходит процесс решения задач, поставленных че ловеку. Память рассматривается как сложноустроенное хранилище знаний [23].

Принято считать, что существует два фундаментальных типа памяти: образная и логико-концептуальная. V Знания, хранящиеся в логико-концептуальной памяти делятся на декларативные и процедурные. Точной дефиниции принципа, на котором основано это деление не существует. Приведем .пример, который пояснит на интуитивном уровне, что означает это деление.

Рассмотрим проблему о форме представления декларативного знания. Память как бы разделена на два взаимосвязанных уровня. На первом уровне знания представлены на внутреннем первичном языке. Это представление недоступно внутренней интроспекции. Второй уровень памяти хранит знания в естественно-языковой форме и эта:-память. доступна внутренней интроспекции.

Внутренний язык обладает большей выразительной способностью, чем естественный язык. Знания представленные на внутреннем языке лежат в области подсознания, и могут в любой момент, времени.эффективно транслироваться в естественно-языковую форму. Это одно из фундаментальных предположений относительно устройства логико-концептуальной памяти.

Существующие экспериментальные данные говорят в пользу этой гипотезы. В ходе экспериментов (ведение дисциплины «Информатика» с использование методов дистанционного обучения на кафедре «Информационные системы» ГУУ) было показано, что испытуемые легко запоминают смысл сказанного и гораздо хуже запоминают языковую форму, в которую была облйчена: мысль.

Из этого делается вывод о том, что смыл храниться в специальной высоко эффективной памяти, откуда может транслироваться в языковую форму. На втором уровне логико-концёптуалъной памяти хранятся концепты, отношения между концептами и лингвистические представления этих объектов.

Под концептами будем понимать-свойства, представляющие класс объектов. Причем класс нельзя отождествлять с множеством, так как его понимают в математике. Классы представленные концептами-более адекватно представляются нечеткими множествам Заде. Основной функцией концептов является классификация объектов наблюдения.

Динамика реальности в основном отображается в отношениях между концептами.: Отмечено,- что концепт может иметь сложную структуру. Исследования показали,, что в представлении одного и того же концепта различными индивидуумами; не совпадают полностью, но область не-совпадения все таки позволяет в большинстве случаев совершать успешные коммуникативные акты субъектам.

Текст диссертации на тему «проблема искусственного интеллекта»

61 12-9/277

Министерство образования и науки Российской Федерации ФГБОУ ВПО «Магнитогорский государственный университет»

На правах рукописи

Смирнов Егор Васильевич

Проблема искусственного интеллекта: онтологические и гносеологические аспекты

Специальность 09.00.01 — Онтология и теория познания

Диссертация на соискание ученой степени кандидата философских наук

Научный руководитель: доктор философских наук, профессор Е. В. Дегтярев

Магнитогорск 2022

Содержание

Глава 1. Исторический контекст зарождения и развития философской проблематики искусственного интеллекта…………………………………………………..9

1.1 Развитие философских представлений о природе сознания и интеллекта………………………………………………………………………………………………9

1.2 Взаимосвязь современных актуальных проблем искусственного интеллекта и философии сознания…………………………………………………………41

Глава 2. Онтологические и гносеологические аспекты проблематики искусственного интеллекта……………………………………………………………………….66

2.1 Возможность преодоления противоречий в существующих концепциях сознания……………………………………………………………………………..66

2.2 Перспективы доктрины компьютерного сознания и онтологический статус искусственного интеллекта………………………………………………………….95

Заключение……………………………………………………………………………………………..142

Литература………………………………………………………………………………………………145

Актуальность темы исследования. Рассматриваемые в настоящем диссертационном исследовании проблемы взаимосвязи и соотношения механизмов познания, реализуемых искусственным и естественным интеллектом, предполагают получение определённых выводов, весь спектр которых, в первом приближении, можно разделить на два контекста: онтологический, направленный на осмысление природы и места интеллектуальных артефактов в мире и гносеологический, направленный на рассмотрение соотношений механизмов человеческого познания и аналогичных свойств, реализуемых в рамках области исследования искусственного интеллекта.

Решение онтологических вопросов при этом в определённом смысле можно рассматривать как установление перспектив включения интеллектуальных артефактов в сферу этических отношений. В этом смысле тему нашего исследования можно рассматривать как один из вариантов постановки вопроса «может ли машина мыслить?», имевшего широкое распространение в среде исследователей на заре появления искусственного интеллекта.

В попытках ответить на него многие философы, как правило, размышляли не только (и даже не столько) о способностях вычислительных систем к мышлению, сколько о возможности обладания машинами квалитативными ментальными состояниями, аналогичными человеческим1.

Поскольку источником самого понятия об интеллекте изначально выступает homo sapiens, в приложении к артефакту оно может обозначать нечто схожее в принципах деятельности человека и его творения. Поэтому разработка методологии создания интеллектуальных артефактов подразумевает прояснение вопросов о человеческом знании и принципах

1 Тем самым, расширяя понятие «мышление» до декартового cogito.

познания. С момента формирования в отдельную научную область, исследования по искусственному интеллекту потребовали значительных интеллектуальных ресурсов, с одной стороны, для развития и совершенствования методов, а с другой — для осмысления получаемых в рамках её исследований результатов.

Это обстоятельство вовлекло в исследования по искусственному интеллекту многих учёных и философов, желающих работать на стыке наук. Тенденции к междисциплинарным исследованиям привели к формированию когнитивной науки, включающей в качестве своих составляющих помимо искусственного интеллекта такие дисциплины, как когнитивная психология, лингвистика, этология, математическая логика, неврология, нейробиология, нейрофизиология, клиническая психология, а также, философия сознания.

Общий курс когнитивной науки, начиная с самого её зарождения, был направлен, в первую очередь, на выявление механизмов знания и познания. Включенность искусственного интеллекта в когнитивную науку способствовала двум процессам: прояснению вопросов гносеологии, как учения о знании и познании, а также расширению методов и знаний в областях, смежных с искусственным интеллектом.

В настоящее время интеграционные процессы в науке, стимулирующие междисциплинарные исследования, сохраняя старые тенденции, выходят на новый уровень, что выражается в так называемой ЫВ1С конвергенции2. Таким образом, новая стадия междисциплинарной интеграции формирует исследовательское направление, включающее когнитивную науку уже в качестве одного из собственных компонентов.

2 Взаимных переходах нано-, био-, информационных и когнитивных технологий [88].

Подводя итоги сказанному выше, можно утверждать, что актуальность темы настоящего диссертационного исследования обусловлена высокой потребностью в философском анализе теоретических и практических аспектов исследуемой в нём проблемы искусственного интеллекта.

При этом, к теоретическим аспектам относятся фундаментальные вопросы гносеологии, рассматриваемые в контексте сопоставления механизмов познания искусственного и естественного интеллекта, с решением которых связан практический аспект, предполагающий их стимулирующее воздействие на развитие методологии искусственного интеллекта и ряда смежных дисциплин, объединяемых когнитивной наукой, а также, получение на основе их выводов праксеологического характера в отношении морального аспекта проблематики искусственного интеллекта.

Степень разработанности проблемы. Несмотря на наличие определённого интереса к проблеме сознания ещё у философов Древней Греции, точкой отсчёта её появления в западноевропейской традиции считается эпоха Нового времени, в период которой были сформированы современные контексты её обсуждения.

В это время данную проблему исследовали Дж. Беркли, X. Вольф, Р. Декарт, И. Кант, Г. Лейбниц, Дж. Локк, Н. Мальбранш, Б. Спиноза, Д. Юм. Попытки решения проблемы сознания в материалистическом ключе предпринимали такие их современники, как Вольтер, К. Гельвеций, П. Гольдбах, Д. Дидро, Ж. Ламетри.

Спровоцированный картезианцами «раскол» на ментальное и нементальное, нашел в начале XX в. развитие в полярных друг другу направлениях: феноменологии Ф. Брентано, Э. Гуссерля, М. Мерло-Понти и бихевиоризма Дж. Ватсона, И. Г1 Павлова, Б. Скиннера. Проблема эволюции биологической природы сознания разрабатывалась Ч. Дарвином, Д. Деннетом, Р. Докинзом.

Дж. Остин, Д. Папино, Дж. Пассмор, С. Линкер, Ч. Пирс, У. Плейс, К. Поппер, Г. Райл, Б.Рассел, Дж. Серл, У. Смарт, П. Стросон, Дж. Фодор, Г. Фреге, Ю. Хабермас, Н. Хомский, Д. Чалмерс, Дж. Экклз, А. Элитцур и их отечественные коллеги А. Ю. Алексеев, В. В. Васильев, Д. Б. Волков, И. Г. Гаспаров, В. В. Горбатов, Д. И.

Дубровский, А. М. Иваницкий, Д. В. Иванов, В. А. Лекторский, С. Ф. Нагуманова, Ю. В. Орфеев, В. И. Самохвалова, А. Г. Спиркин, В. С. Тюхтин, Т. В. Черниговская, Н. С. Юлина. Современный философский дискурс тесно связан с исследованиями, проводимыми в нейронауке, представленными, прежде всего, работами Б. Баарса, К. Коха, Р. Кирка, Р. Сперри, Дж. Эдельмана и др.

Проблемы искусственного интеллекта исследуются такими зарубежными учёными, как М. Арбиб, Дж. Вейценбаум, С. Дрейфус, X. Дрейфус, Дж. Маккинси, М. Минский, X. Патнэм, Р. Пенроуз, Б. Розенблум, А. Тьюринг, Р. Шенк, а также отечественными учеными и философами А. П.

Объект исследования. Объектом диссертационного исследования является феномен искусственного интеллекта.

Предмет исследования. Предметом исследования являются онтологические и гносеологические аспекты проблемы искусственного интеллекта.

Цель и задачи исследования. Целью настоящего исследования является философский анализ онтологических и гносеологических аспектов проблемы искусственного интеллекта. Достижение указанной цели предполагает решение следующих задач:

-рассмотрение в исторической перспективе развития представлений о природе сознания и интеллекта, а также классификация существующих

подходов к проблеме сознания по признаку положенных в их основу принципов;

-выявление взаимосвязи и анализ современных актуальных проблем искусственного интеллекта и философии сознания;

— исследование возможности преодоления противоречий в существующих концепциях сознания;

— анализ перспектив доктрины компьютерного сознания и установление онтологического статуса искусственного интеллекта.

Методология исследования. В качестве методологической базы диссертационного исследования используются традиционные для философии методы: диалектический метод, метод структурно-функционального анализа, метод интроспекции и феноменологической редукции, методы мысленного моделирования, а также принцип единства конкретного и абстрактного.

1. Предложен и апробирован в настоящем исследовании метод синтеза основоположений существующих концепций сознания, основанный на сочетании метода диалектического синтеза и феноменологического анализа.

2. Выявлена структура и существенные последствия применения подходов к компьютерной метафоре сознания в двух основных разновидностях: представляющих сознание как биологически обусловленную и культурно обусловленную сущности.

3. Выявлены и эксплицированы онтологические и гносеологические аспекты различия данных подходов.

4. Предложен аргумент, демонстрирующий несостоятельность критики когнитивистской парадигмы средствами мысленного эксперимента с китайской комнатой.

5. Предложен и применён принцип необходимости и достаточности изоморфизма систем для оценки результатов исследования компьютерной метафоры сознания.

Положения, выносимые на защиту.

— Принципы, лежащие в фундаменте основных современных концепций сознания принципиально синтезируемы и могут непротиворечиво сочетаться в рамках единой теории сознания.

— Ограниченность «интроспективных» методов создания искусственного интеллекта имеет последствия лишь в гносеологическом аспекте, как границы логической возможности познания процессов мышления, но не накладывает ограничений в практическом плане на создание искусственного интеллекта.

— Правомерность аналогии между искусственным и естественным интеллектом в онтологическом плане сохраняется только при каузально-биологической интерпретации компьютерной метафоры сознания.

— Проблема возможности создания «сильного» искусственного интеллекта сохраняет актуальный статус лишь при анализе систем, построенных в рамках коннекционистского подхода.

Теоретическая и практическая значимость исследования.

Теоретическая значимость данного исследования состоит в том, что полученные в его рамках результаты, расширяют аргументативную базу современных дискуссий по проблеме сознания и искусственного интеллекта и позволяют прояснить соотношение и взаимосвязь механизмов функционирования искусственного и естественного интеллекта. Полученные в работе выводы также могут быть использованы для дальнейшего исследования проблемы сознания.

Практическая значимость данного исследования заключается в возможности использования его материалов при подготовке и чтении курсов по «Онтологии и теории познания», а также спецкурсов по философии сознания и искусственного интеллекта.

Глава 1. Исторический контекст зарождения и развития философской проблематики искусственного интеллекта

1.1 Развитие философских представлений о природе сознания и интеллекта

Появление феномена искусственного интеллекта стало возможным лишь благодаря исследованиям интеллекта естественного: процессов мышления, механизмов приобретения знания, структуры и сущности сознания. Вследствие этого, философские аспекты проблематики искусственного интеллекта, находятся в тесной взаимосвязи с ключевыми проблемами сознания, рассматриваемыми в рамках онтологии и теории познания.

Несмотря на то, что проблема сознания обсуждалась уже в произведениях античных авторов, современные контексты её обсуждения сформировались лишь в Новое время. Их характерными чертами являются: в гносеологии -разделение знаний на непосредственно воспринимаемые и получаемые опосредованно; в методологии — принцип сомнения и опора на интроспективно получаемые данные; в онтологии — направленность на выявление истинных причин, источника возникновения сознания, а также, решение проблемы взаимосвязи духовного и физического, получившей название проблемы «сознание — тело»3.

Родоначальником проблемы взаимодействия сознания и тела является Р. Декарт. При этом её происхождение носит отнюдь не случайный или искусственный характер, а, скорее является закономерным звеном в разрабатываемой Р. Декартом концепции, основу которой составил его принцип методологического сомнения, сформулированный им в работе «Рассуждения о методе» [33]. Он пишет: «…так как чувства нас иногда

3 В современной литературе можно встретить массу альтернативных её обозначений: психофизическая проблема, психофизиологическая проблема, проблема «сознание — мозг» и т. д.

обманывают, я допустил, что нет ни одной вещи, которая была бы такова, какой она нам представляется; и поскольку есть люди, которые ошибаются даже в простейших вопросах геометрии и делают в них паралогизмы, то я, считая и себя способным ошибаться не менее других, отбросил как ложные все доводы, которые прежде принимал за доказательства.

Наконец, принимая во внимание, что любое представление, которое мы имеем в бодрствующем состоянии, может явиться нам и во сне, не будучи действительностью, я решился представить себе, что все когда-либо приходившее мне на ум, не более истинно, чем видения моих снов.

Но я тотчас обратил внимание на то, что в это самое время, когда я склонялся к мысли об иллюзорности всего на свете, было необходимо, чтобы я сам, таким образом рассуждающий, действительно существовал. И заметив, что истина Я мыслю, следовательно, я существую столь тверда и верна, что самые сумасбродные предположения скептиков не могут ее поколебать, я заключил, что могу без опасений принять ее за первый принцип искомой мною философии» [33, с. 32].

Dubitatio (сомнение), как частный случай cogitatio (мышления), легло в основу самоочевидного принципа cogito ergo sum. Необходимым и очевидным следствием данного принципа, стало признание мышления атрибутом бытия. Об этом Р. Декарт говорит в работе «Размышления о первой философии»:

«Я есмь, я существую — это очевидно. Но сколь долго я существую? Столько, сколько я мыслю. Весьма возможно, если у меня прекратится всякая мысль, я сию же минуту полностью уйду в небытие. Итак, я допускаю лишь то, что по необходимости истинно. А именно, я лишь мыслящая вещь…» [34, с. 23].

Постулирование духовной и непространственной res cogitans сделало необходимым обозначение телесных пространственных феноменов. Таким феноменам Р. Декарт дал название res extensa (вещь протяжённая). Размышляя о зависимости собственного существования от мышления, Р. Декарт приходит к выводу о субстанциальности res cogitans: «…если бы я перестал мыслить, то хотя бы

все остальное, что я когда-либо себе представлял, и было истинным, все же не было основания для заключения о том, что я существую. Из этого я узнал, что я — субстанция, вся сущность или природа, которой состоит в мышлении и которая для своего бытия не нуждается ни в каком месте и не зависит ни от какой материальной вещи» [33, с. 33].

В то же время, сопоставляя res cogitans и res extensa, он обнаруживает в них единство по отношению к идее субстанции, на основании чего заключает о субстанциальности второй: «Из того, что в идеях телесных вещей есть ясного и отчетливого, мне кажется, кое-ч

Электронный научный архив урфу: создание сервиса виртуального стилиста для персонализации онлайн продаж одежды с использованием технологий искусственного интеллекта : магистерская диссертация