Таблица истинности в элементарном виде представляет собой два множества: множество бинарных значений аргумента и множество бинарных значений соответствующей ему функции, при условии, что каждому конкретному значению аргумента соответствует только одно значение функции [1, 2, 3]. В более сложных конфигурациях таблица истинности может описывать множество аргументов, а не один, наряду с описанием множества функций [4, с. 72]. В этом случае определенная комбинация аргументов приводит к наблюдению определенной комбинации функций [5, с. 32]. При этом не нужно путать представление многоразрядного числа как состоящего из множества аргументов, где каждый разряд является аргументом (эта же концепция справедлива и для функции). Такой подход используется в информатике, но он является лишь частным случаем и искажает вышеописанную концепцию таблицы истинности сложной конфигурации, поскольку в микросхеме, состоящей из n входов и m выходов, значение каждого выхода при определенной конфигурации входного сигнала неразрывно связано со значениями остальных выходов по определенному закону [6, с. 44].
Вообще концепция связи (использования) такого инструмента как таблица истинности преимущественно по отношению к микросхемам существенно ограничивает сферу его применения [7, 8]. Таблица истинности как метод описания сложных событий может не иметь никакого отношения к микросхемам и микропроцессорной технике [9, с. 60]. При описании событий, например, технологических параметров на производстве, поведения операторов, таблица истинности способна принимать множество форм, позволяющих при совместном использовании сформировать прогноз события любой сложности и конфигурации, посредством выявления законов между отдельными факторами данного события, которые его и образуют [10, с. 58].
Таким образом, аргументами для таблицы истинности сложной конфигурации выступают те или иные значения переменных, представляющих собой численное значение физических явлений, процессов, поступков человека, которые по сути ничем не отличаются от описания функций данной таблицы [11, с. 126]. Это обусловлено тем, что терминология “аргумент-функция” определяет лишь хронологическую последовательность наступления (регистрации) некой переменной (события) после такой же регистрации другой переменной [12, с. 16]. Следовательно, аргумент от функции не отличается ничем по содержанию, кроме как более ранним фактом вычисления (регистрации, наступления).
Возвращаясь к проблематике данной статьи, отметим, что любое событие вне зависимости от его сложности, можно описать ограниченным количеством аргументов и функций, что определяется законами физики, отрицающими возможность альтернативного развития событий при строго определенных условиях [13, с. 39]. Законы физики, по крайней мере в классической их трактовке, не носят вероятностного (корреляционного, стохастического) характера и точно определяют последствия при определенных условиях. Подобная позиция является ключевой при описании сложных явлений и процессов и позволит избежать спекулятивных выводов по этому поводу, таких как идеи хаотичности, нечеткости, размытости, непредсказуемости и прочих производных от них [14, с. 37].
Описанная концепция, несмотря на очевидные преимущества, имеет серьезный недостаток, который заключается в том, что количество комбинаций аргументов и функций хотя и является ограниченным, но выражается весьма большим числом (избежим трактовки стремится к бесконечности, поскольку огромное число это не бесконечность) [15, с. 143], что приводит к формированию еще большего числа комбинаций аргументов и функций в данной таблице истинности [16, с. 15]. Однако это количество можно сократить достаточно эффективными методами. К их числу относятся: параллельное создание менее сложных таблиц истинности, посредством удаления из исходной тех или иных аргументов и функций, выявление элементарных математических формул зависимости между значениями аргументов и функций. В первом случае наблюдается появление факта соответствия описываемой комбинации аргументов более одной комбинации функций с автоматическим снижением вероятности наблюдения описываемых значений. Во втором случае факты совпадения формул зависимости между отдельными комбинациями позволяют заменить эти комбинации с абсолютных (описываемых согласно таблице истинности) на относительные (вычисляемые согласно выявленной формуле). Причем получаемое множество аргументов также может быть подвергнуто вышеописанным операциям [17, с. 97].
Таким образом, благодаря достаточно простой и эффективной концепции преобразования таблицы истинности сложной конфигурации, можно существенно сократить ее вид, заменив на множество более простых таблиц истинности и формул, полученных из тех же множеств данных аргументов и функций, что и изначальная таблица истинности.
Библиографический список
- Карпушин Е.С. Представление переменных в искусственном интеллекте // Наука и устойчивое развитие общества. Наследие В.И.Вернадского. Тамбов: «Тамбовпринт», 2011, №9. – С. 47-48.
- Городецкий А.Я. Информационные системы. Вероятностные модели и статистические решения. – СПб.: Изд-во СПбГПУ, 2003. – 326 с.
- Кучма Н.А. Биокомпьютер в реальных процессах // Инженерный вестник Дона. Ростов-на-Дону: «Северо-Кавказский научный центр высшей школы ФГАОУ ВПО Южный федеральный университет», 2013, №4. – С. 248.
- Карпушин Е.С. Анализ операций в искусственном интеллекте // Международный научный журнал. М.: ООО «Спектр», 2012, №3. – C. 69-74.
- Карпушин Е.С. Математическая модель управления статистическими цензами в искусственном интеллекте // Биржа интеллектуальной собственности. М.: «Корина-Офсет», 2012, №4. – с. 31-35.
- Карпушин Е.С. Проблемы понятия «информация» как объекта управления // Наука на рубеже тысячелетий. Тамбов: «Тамбовпринт», 2010, №9. – С. 44-45.
- Сироткин А.В., Бархатов Н.И. Модель системы автоматизированного управления информационным обслуживанием // Инженерный вестник Дона. Ростов-на-Дону: «Северо-Кавказский научный центр высшей школы ФГАОУ ВПО Южный федеральный университет», 2013, №4. – С. 20.
- Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. – М.: Нолидж, 2000. – 352 с.
- Карпушин Е.С. Управление обработкой информации в искусственном интеллекте // Международный научный журнал. М.: ООО «Спектр», 2011, №2. – C. 60-65.
- Карпушин Е.С. Рассмотрение причинно-следственных связей как совокупности статистических цензов // Компетентность. М.: «Калужская типография стандартов», 2011, №9-10. – C. 56-60.
- Карпушин Е.С. Разработка алгоритма функционирования элементарного искусственного интеллекта // Международный научный журнал. М.: «Триада», 2012, №2. – C. 122-126.
- Карпушин Е.С. Повышение эффективности систем управления атомными электростанциями // Компетентность. М.: «Калужская типография стандартов», 2010, №8. – С. 15-19.
- Карпушин Е.С. Математическая модель системы поддержки принятия управленческих решений // Биржа интеллектуальной собственности. М.: «Корина-Офсет», 2012, №7. – C. 37-42.
- Карпушин Е.С. Формирование математических операций в искусственном интеллекте // Биржа интеллектуальной собственности. М.: «Корина-Офсет», 2012, №5. – С. 35-40.
- Артамонов Д.В. Идентификация объектов управления. Пенза: Изд-во Пензенского государственного университета, 2003. – 211 с.
- Карпушин Е.С. Проблемы использования булевых функций // Наука и бизнес: пути развития. Тамбов: «Фонд развития науки и культуры», 2011, №3. – С. 15-16.
- Карпушин Е.С. Статистические цензы как метод представления причинно-следственных связей // Международный технико-экономический журнал. М.: ООО «Спектр», 2012, №1. – C. 97.