Основа данного подхода — поиск смежных элементов, устойчиво повторявшихся в прошлом опыте, является также основой одной из мощных ветвей искусственного интеллекта: обучения распознаванию образов на примерах.
М. Вертгеймер коротко и точно описал этот подход: «слепая процедура плюс способ проверки» [2; с. 40]. Он получил широкое распространение в связи с попытками решения на компьютере задач распознавания устной и письменной речи, самолетов и людей, отпечатков пальцев и почерков. Неудачи пытались в первое время преодолеть увеличением материала обучения, однако безуспешно. Вместе с тем техника обучения распознаванию образов на примерах оказалась весьма эффективной в прикладных задачах (геологической и медицинской диагностики). Наибольший успех выпал на задачи, в которых исходные модели плохо обоснованы, и неосмысленные, но точные решения компьютера оказывались предпочтительнее разумных, но ошибочных рутинных рецептов.
В задачах распознавания образов возникает важный вопрос о предрассудках — ложных ассоциациях, возникающих при обобщениях на малом числе примеров. В рамках ассоцианистского подхода единственный способ борьбы с предрассудками — увеличение числа примеров. (Именно этим и было вызвано огромное число примеров — по 200—в задаче распознавания букв.) Эта проблема была осознана и проанализирована М. Вертгеймером в его книге [1; с. 67].
Он приводит несколько примеров ложного обобщения. Вот один из них. Берутся тройки чисел: 12—3—4; 56 — 7 — 8; требуется по двум числам 45 — 6 определить третье. Возможный ответ: 7, поскольку в предыдущих случаях третье число было всегда больше второго на 1: 4=3+1; 8=7+1. Соответственно, в последнем случае 6+1 ==7. «Разве здесь существенно, что ученик основывал свою «гипотезу» на очень малом числе случаев? — спрашивает М. Вертгеймер.— Нет. Сама гипотеза нелепа». Более разумной представляется гипотеза, что числа связаны известным простым арифметическим законом: 12:3=4; 56:7==8; а следовательно, 45:6=7,5. Таким образом, правильным оказывается решение, обоснованное в более широком контексте, чем исходные данные.
Одна из самых популярных идей искусственного интеллекта: мозг есть машина для преобразования символьной информации. Пафос такого рода программ — в их полной независимости от внешнего мира, от особенностей восприятия. Реальный опыт работ по искусственному интеллекту показывает, что множество признанных интеллектуальных операторов (например, нормировки, утоньшения, наложения и др.) нужны лишь в случаях, когда внешний мир описывается неадекватным образом. При переходе к адекватному языку описания надобность в такого рода псевдоинтеллектуальных операторах просто пропадает. Точно так же большая часть интеллекта теснейшим образом связана с организацией движений, с их физической реальностью. В то же время ведущие журналы и конференции по искусственному интеллекту отторгли от себя работы по распознаванию образов и робототехнике как «низкий» жанр.
На протяжении всей книги М. Вертгеймер горячо возражает против такой модели мышления, когда мозг рассматривается как машина для преобразования символьной информации: «Точка зрения, согласно которой мышление рассматривают только как интеллектуальную операцию . является весьма искусственной и узкой» [2; с. 209].
Проблема распознавания образов имеет дело не только с отдельными объектами и их классификацией, но и с классами и понятиями. Узкокибернетическое определение понятия как обобщения предметов некоторого класса по их специфическим признакам проникло и в философскую литературу. Такой подход предполагает процедуру извлечения общих признаков из заданного множества объектов, принадлежащих одному классу. Выше упоминалась возможность уменьшения материала обучения за счет использования внешней информации. М. Вертгеймер в своей книге предложил кардинально отличный путь построения понятий и выявления существенных признаков — за счет внутренних свойств единичного примера. Искусственному интеллекту пришлось добираться до этой идеи четверть века. Оказалось, что при описании объекта на адекватном языке сама грамматическая структура высказывания содержит информацию об иерархии важностей признаков объекта: чем глубже расположена в грамматической структуре данная характеристика, тем менее важной она является. Это относится к описаниям на естественном языке, к программам на языках программирования, к специальным языкам описания изображений и т. д.
Больше по теме:
Стили руководства группой
Личность психолога является важнейшим фактором, определяющим успешность или неуспешность тренинга. Многие авторы (А. Голдстейн, С. Кратохвил, М. Либерман, И. Ялом и др.) придавали большое значение исследованию функций, ролей, стилей повед ...
Внутренний диалог как проявление смыслового
переживания матери
Диалогический подход как новый тип научного мышления, складывающийся на рубеже XIX—XX вв. в русле гуманитарного знания, обозначается в современной науке как неклассический. Вместо субъект-объектных отношений, что характерно для классическ ...
Проблема адаптации детей инвалидов в семье
Проблема социальной адаптации детей инвалидов очевидна и актуальна на данном этапе развития нашего общества по нескольким причинам. Именно в последнее время государство сняло покров таинственности с "запретной" темы тяжелого пол ...