Knowledge system: hierarchy of axioms, models and their verification

Cover Page

Cite item

Full Text

Abstract

The article explores the possibilities for improving the system of knowledge, which currently lacks the necessary integrity, exists simultaneously in several contradictory paradigms, and is described in alternative, mutually untranslatable languages of various sciences and fields of knowledge. The possibilities for enhancing the system of knowledge can be realized through the systematization and generalization of knowledge in the form of a hierarchical structure, based on the involvement of several methodological levels, which include: the formation of a hierarchy of axioms; the establishment of formal theories of subject areas based on the chosen axiomatics and the uniform rules accepted within the framework of the current scientific paradigm; the determination of methodological approaches to the synthesis of formal models; topological verification of knowledge for ensuring the continuity of mappings and preserving consistency during the development and transformation of the entire system of knowledge as well as local systems of knowledge related to its fragments or manifestations. The research methodology is based on an evolutionary approach to cognition, according to which relatively large subject areas correspond to evolutionary levels of the universe, for which axiomatics is defined. The construction of a formal model is carried out using a special synthesis methodology. To justify the choice of a formal model, an original classification of models is proposed based on a wide range of criteria. The scientific novelty of the study lies in: the definition of a methodology for building a hierarchy of axioms; the establishment of three criteria for selecting the best axioms (evolutionarity, obviousness, and paradigmaticity); the identification of mechanisms for the emergence of incompleteness and contradictions in knowledge systems arising from the encapsulation of generalized knowledge of previous evolutionary levels, associated with information loss, as well as the determination of approaches to eliminating incompleteness and contradictions; the formalization of a special synthesis methodology for formal models, which includes accumulated synthesis experience, consolidated in the form of secondary laws of objects related to modeling, and the tools for describing the sequence of synthesis based on its linguistic interpretation; the formation of a comprehensive approach to solving the problem of formal models when they change beyond systemic determinacy. In the long term, the development of the knowledge system aims to define methodological approaches to the task of constructing linguistic forms for the translation of meanings between various subject areas while preserving continuity or redefining the meanings of knowledge.

References

  1. Грибков А.А. Вторичные паттерны форм и отношений: постановка задачи и определение методологических подходов // Философия и культура. 2025. № 6. С. 15-29. doi: 10.7256/2454-0757.2025.6.74932 EDN: RBVHCT URL: https://nbpublish.com/library_read_article.php?id=74932
  2. Клини С.К. Введение в метаматематику. М.: Издательство иностранной литературы, 1957. 526 с.
  3. Келли Дж. Общая топология. Пер. с англ. М.: Наука, 1981. 432 с.
  4. Грибков А.А. Эмпирико-метафизическая общая теория систем: монография. М.: Издательский дом Академии Естествознания, 2024. 360 с. doi: 10.17513/np.607. EDN: QTOCDS.
  5. Аристотель. Сочинения в четырех томах. М.: "Мысль", 1976–1983.
  6. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: "Мир", 1976. 165 с.
  7. Флейшман Б.С. Основы системологии. М.: "Радио и связь", 1982. 368 с.
  8. Кириллов Н.П. Концептуальные модели технических систем с управляемыми состояниями: обзор и анализ // Искусственный интеллект и принятие решений. 2011. Т. 4. С. 81-91. EDN: PXGUWD.
  9. Новиков С.П. Топология. Москва-Ижевск: Институт компьютерных исследований, 2002. 336 с.
  10. Букур И., Деляну А. Введение в теорию категорий и функторов. Пер. с англ. М.: Мир, 1972. 259 с.
  11. Голдблатт Р. Топосы. Категорный анализ логики. Пер. с англ. М.: Мир, 1983. 488 с.
  12. Математическая логика и основания математики: Сборник переводов / Под ред. А.В. Идельсона и Г.Е. Минца. М.: Наука, 1967. 351 с.
  13. Кейслер Г., Чэн Ч.Ч. Теория моделей. Пер. с англ. М.: Мир, 1977. 615 с.
  14. Смирнов С.В. Онтологии как смысловые модели // "Онтология проектирования". 2013. № 2. С. 12-19. EDN: QICWND.
  15. Строгалев В.П., Толкачева И.О. Имитационное моделирование: Учеб. пособие. М.: Изд-во МГТУ им. Н.Э. Баумана, 2008. 280 с. EDN: QMSBGL.
  16. Бурилина М.А., Ахмадеев Б.А. Анализ многообразия архитектур и методов моделирования децентрализованных систем на основе агент-ориентированного подхода // Креативная экономика. 2016. Т. 10. № 7. С. 829-848. doi: 10.18334/ce.10.7.35364. EDN: WFIUCH.
  17. Railsback S.F., Grimm V. Agent-Based and Individual-Based Modeling: A Practical Introduction. 2nd ed. Princeton University Press, 2019. 360 p.
  18. Burgin M. Systems, Actors and Agents: Operation in a multicomponent environment. 2017. 28 p. URL: arXiv:1711.08319.
  19. Зеленский А.А., Грибков А.А. Акторное моделирование когнитивных систем реального времени: онтологическое обоснование и программно-математическая реализация // Философская мысль. 2024. № 1. С. 1-12. doi: 10.25136/2409-8728.2024.1.69254 EDN: LVEGUM URL: https://nbpublish.com/library_read_article.php?id=69254
  20. Shah V., Vaz Salles M.A. Reactors: A case for predictable, virtualized actor database systems // International Conference on Management of Data. 2018. С. 259-274.
  21. Парийская Е.Ю. Сравнительный анализ математических моделей и подходов к моделированию и анализу непрерывно-дискретных систем // Дифференциальные уравнения и процессы управления. 1997. № 1. С. 91-120. EDN: VEGEAJ.
  22. Спеньер Э. Алгебраическая топология. Пер. с англ. М.: Мир, 1971. 680 с.
  23. Маклейн С. Категории для работающего математика. Пер. с англ. М.: ФИЗМАТЛИТ, 2004. 352 с. EDN: QJMIXL.
  24. Уемов А.И. Системный подход и общая теория систем. М.: "Мысль", 1978. 272 с.

Supplementary files

Supplementary Files
Action
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».