Определение понятия информации в области компьютерных наук

Обложка

Цитировать

Полный текст

Аннотация

Цель настоящего исследования состоит в формировании рабочего определения информации для обеспечения потребностей компьютерных наук. В настоящее время нет строгого определения данного термина. Наблюдается методологическое противоречие: разработка и применение информационных технологий требуют точности и строгости, но при этом в основе разработок лежит размытое, интуитивное понятие. Материалы и методы. Материалами для исследования служат существующие классические подходы к пониманию информации, в качестве основного метода — анализ этих подходов. Предлагаемое определение строится с учетом двух математических преобразований — выделения некоторого подмножества и отображения между множествами. Для формализации процедуры выделения используются методы теории нечетких множеств. Результаты. Предложено определение информации как результат отображения, при котором выделение подмножества из совокупности прообразов приводит к выделению соответствующего подмножества из совокупности образов. Выделяемое подмножество можно понимать как нечеткое, тогда допустимо эквивалентное определение информации как результат отображения, при котором повышение неоднородности распределения показателя присутствия на множестве прообразов приводит к повышению неоднородности распределения соответствующего показателя на множестве образов. Сущность нового определения демонстрируется на моделях популяционной динамики в дискретном времени. Значимость предложенного подхода для информационных технологий раскрывается на примере численного метода многоэкстремальной оптимизации. Показано, что предложенное определение позволяет сформулировать эффективные условия остановки для численного метода стохастической оптимизации, гарантирующие получение заданного количества информации. Заключение. Предлагаемое понимание информации позволяет преодолеть недостатки предыдущих подходов к пониманию сущности информации, сохраняет все преимущества классического подхода и согласуется с другими известными подходами в области компьютерных наук. Это определение может быть использовано для совершенствования численных методов оптимизации, равно как и других средств информационных технологий.

Об авторах

Олег Анатольевич Кузенков

Национальный исследовательский Нижегородский государственный университет имени Н. И. Лобачевского (ННГУ)

ORCID iD: 0000-0001-9407-0517
Scopus Author ID: 6508182979
ResearcherId: G-9720-2017
603950 Нижний Новгород, проспект Гагарина, 23

Список литературы

  1. Kosta A., Pappas N., Angelakis V. Age of Information: A New Concept, Metric, and Tool // Foundations and Trends in Networking. 2017. Vol. 12, no. 3. P. 162–259. doi: 10.1561/1300000060.
  2. Maatouk A., Kriouile S., Assaad M., Ephremides A. The Age of Incorrect Information: A New Performance Metric for Status Updates // IEEE/ACM Transactions on Networking. 2020. Vol. 28, no. 5. P. 2215–2228. doi: 10.1109/TNET.2020.3005549.
  3. Leinster T. Entropy and diversity: the axiomatic approach. New York: Cambridge University Press, 2021. 442 p. doi: 10.48550/arXiv.2012.02113.
  4. Мазур М. Качественная теория информации. М.: Мир, 1974. 238 с.
  5. Колмогоров А. Н. Комбинаторные основания теории информации и исчисления вероятностей // Успехи математических наук. 1983. Т. 38, № 4. С. 27–36. doi: 10.1070/rm1983v038 n04abeh004203.
  6. Чернавский Д. С. Синергетика и информация: Динамическая теория информации. М.: Наука, 2001. 304 с.
  7. Bates M. J. Concepts for the Study of Information Embodiment // Library Trends. 2018. Vol. 66, no. 3. P. 239–266. doi: 10.1353/lib.2018.0002.
  8. Adriaans P. A Critical Analysis of Floridi’s Theory of Semantic Information // Knowledge, Technology & Policy. 2010. Vol. 23. P. 41–56. doi: 10.1007/s12130-010-9097-5.
  9. Floridi L. What is the philosophy of information? // Metaphilosophy. 2002. Vol. 33, no. 1–2. P. 123–145. doi: 10.1111/1467-9973.00221.
  10. Ган Л. Философия информации и основы будущей китайской философии науки и техники // Вопросы философии. 2007. № 5. С. 45–57.
  11. Adriaans P., van Benthem J. Philosophy of information (Handbook of the philosophy of science). North Holland, 2008. 1000 p.
  12. Колин К. К. Философия информации: структура реальности и феномен информации // Метафизика. 2013. Т. 4(10). C. 61–84.
  13. Sequoiah-Grayson S. The Metaphilosophy of Information // Minds and Machines. 2007. Vol. 17. P. 331–344. doi: 10.1007/s11023-007-9072-4.
  14. Mingers J., Standing C. What is information? Toward a theory of information as objective and veridical // Journal of Information Technology. 2018. Vol. 33, no. 2. P. 85–104. DOI: 10.1057/ s41265-017-0038-6.
  15. Diaz Nafria J. What is information? A Multidimensional Concern // TripleC. 2010. Vol. 8, no. 1. P. 77–108. doi: 10.31269/triplec.v8i1.76.
  16. Crnkovic G., Hofkirchner W. Floridi’s “Open Problems in Philosophy of Information”, Ten Years Later // Information. 2011. Vol. 2, no. 2. P. 327–359. doi: 10.3390/info2020327.
  17. Robinson L., Bawden D. Mind the Gap: Transitions between concepts of information in varied domains //Theories of Information, Communication and Knowledge. 2014. Vol. 34. P. 121–141. doi: 10.1007/978-94-007-6973-1_6.
  18. Лекторский В. А., Пружинин Б. И., Бодякин В. И., Дубровский Д. И., Колин К. К., Мелик-Гайказян И. В., Урсул А. Д. Информационный подход в междисциплинарной перспективе (материалы «круглого стола») // Вопросы философии. 2010. № 2. С. 84–122.
  19. Zins C. Conceptual Approaches to Defining Data, Information and Knowledge // Journal of the American Society for Information Science and Technology. 2007. Vol. 58, no. 4. P. 479–493. doi: 10.1002/asi.20508.
  20. Liew A. Understanding Data, Information, Knowledge And Their Inter-Relationships // Journal of Knowledge Management Practice. 2007. Vol. 8, no. 2.
  21. Capurro R., Hjorland B. The Concept of Information // Annual Review of Information Science and Technology. 2003. Vol. 37, no. 1. P. 343–411. doi: 10.1002/aris.1440370109.
  22. Beynon-Davies P. Significance: Exploring the nature of information, systems and technology. London: Palgrave Macmillan, 2010. 355 p.
  23. Callaos N., Callaos B. Toward a Systemic Notion of Information: Practical Consequences // Informing Science. 2002. Vol. 5, no. 1. P. 1–11. doi: 10.28945/532.
  24. Vigo R. Representational information: a new general notion and measure of information // Information Sciences. 2011. Vol. 181, no. 21. P. 4847–4859. doi: 10.1016/j.ins.2011.05.020.
  25. Deutsch D., Maretto C. Constructor theory of information // Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences. 2015. Vol. 471, no. 2174. P. 20140540. doi: 10.1098/rspa.2014.0540.
  26. Dittrich T. “The concept of information in physics”: an interdisciplinary topical lecture // European Journal of Physics. 2015. Vol. 36, no. 1. P. 015010. doi: 10.1088/0143-0807/36/1/015010.
  27. Clifton R., Bub J., Halvorson H. Characterizing quantum theory in terms of information-theoretic constraints // Foundations of Physics. 2003. Vol. 33. P. 1561–1591. doi: 10.1023/A:1026056716397.
  28. Morrison M. L., Rosenberg N. A. Mathematical bounds on Shannon entropy given the abundance of the ith most abundant taxon // Journal of Mathematical Biology. 2023. Vol. 87. P. 76. doi: 10.1007/s00285-023-01997-3.
  29. Cushman S. A. Entropy in landscape ecology: a quantitative textual multivariate review // Entropy. 2021. Vol. 23, no. 11. P. 1425. doi: 10.3390/e23111425.
  30. Беляев М. А., Малинина Л. А., Лысенко В. В. Основы информатики: Учебник для вузов. М.: Феникс, 2006. 352 с.
  31. Симонович С. В. Информатика. Базовый курс: Учебник для вузов. 3-е изд. Стандарт третьего поколения. СПб.: Питер, 2011. 640 с.
  32. Макарова Н. В., Волков В. Б. Информатика: Учебник для вузов. СПб.: Питер, 2011. 576 с.
  33. Nielsen M., Chuang I. Quantum Computation and Quantum Information. Cambridge: Cambridge University Press, 2000. 702 p. doi: 10.1017/CBO9780511976667.
  34. Заде Л. А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. 1974. C.5–49.
  35. Заде Л. А. Нечеткие множества // Нечеткие системы и мягкие вычисления. 2015. Т. 10, № 1. С. 7–22.
  36. Kuzenkov O., Morozov A. Towards the Construction of a Mathematically Rigorous Framework for the Modelling of Evolutionary Fitness // Bulletin of Mathematical Biology. 2019. Vol. 81, no. 11. P. 4675–4700. doi: 10.1007/s11538-019-00602-3.
  37. Перфильева Е. Г. Приложения теории нечетких множеств // Итоги науки и техники. Серия «Теория вероятностей. Математическая статистика. Теоретическая кибернетика». 1990. Т. 28. С. 83–151.
  38. Kuzenkov O., Ryabova E. Variational Principle for Self-replicating Systems // Mathematical Modelling of Natural Phenomena. 2015. Vol. 10, no. 2. P. 115–128. doi: 10.1051/mmnp/201510208.
  39. Kuzenkov O. A., Novozhenin A. V. Optimal control of measure dynamic // Communications in Nonlinear Science and Numerical Simulation. 2015. Vol. 21, no.1-3. P. 159–171. DOI: 10.1016/ j.cnsns.2014.08.024.
  40. Sandhu S., Morozov A., Kuzenkov O. Revealing Evolutionarily Optimal Strategies in Self-Reproducing Systems via a New Computational Approach // Bulletin of Mathematical Biology 2019. Vol. 81, no. 11. P. 4701–4725. doi: 10.1007/s11538-019-00663-4.
  41. Muller I. A History of Thermodynamics: The Doctrine of Energy and Entropy. Berlin: Springer, 2007. 330 p. doi: 10.1007/978-3-540-46227-9.
  42. Shu J. J. A new integrated symmetrical table for genetic codes // Biosystems. 2017. Vol. 151. P. 21–26. doi: 10.1016/j.biosystems.2016.11.004.
  43. Morozov A. Y., Kuzenkov O. A., Sandhu S. K. Global optimisation in hilbert spaces using the survival of the fittest algorithm // Communications in Nonlinear Science and Numerical Simulation. 2021. Vol. 103. P. 106007. doi: 10.1016/j.cnsns.2021.106007.
  44. Yao X., Liu Y., Lin G. Evolutionary programming made faster // IEEE Transactions on Evolutionary Computation. 1999. Vol. 3, no. 2. P. 82–102. doi: 10.1109/4235.771163.
  45. Kuzenkov O., Morozov A., Kuzenkova G. Recognition of patterns of optimal diel vertical migration of zooplankton using neural networks // IJCNN 2019 — International Joint Conference on Neural Networks, Budapest. Hungary. 2019. P. 1–6. doi: 10.1109/IJCNN.2019.8852060.
  46. Kuzenkov O., Kuzenkova G. Identification of the fitness function using neural networks // Procedia Computer Science. 2020. Vol. 169. P. 692–697. doi: 10.1016/j.procs.2020.02.179.
  47. Casagrande D. Information as verb: Re-conceptualizing information for cognitive and ecological models // Journal of Ecological Anthropology. 1999. Vol. 3, no. 1. P. 4–13. doi: 10.5038/2162- 4593.3.1.1.
  48. Dusenbery D. B. Sensory Ecology. New York: Freeman, 1992. 558 p.
  49. Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 167 с.
  50. Кузенков О. А., Кузенкова Г. В., Киселева Т. П. Компьютерная поддержка учебно-исследовательских проектов в области математического моделирования процессов отбора // Образовательные технологии и общество. 2019. Т. 22, № 1. С. 152–163.
  51. Кузенков О. А. Изучение концепции информации студентами ИТ-направлений // Современные информационные технологии и ИТ-образование. 2023. T. 19, № 1. С. 13–23. doi: 10.25559/SITITO.019.202301.013-023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах