Наука о мышлении


Когнитивные науки (Сognitive science) представляют собой междисциплинарный синтез наук связанных единой проблематикой. Классическую схему взаимосвязи когнитивных наук в 1987 г. изобразил Х. Гарднер. Некоторые связи он отметил как «слабые», требующие серьезного развития (на схеме они обозначены пунктирными линиями).

Однако к настоящему моменту науки, изображенные на схеме значительно развились и связи между ними упрочились. Это дало повод такому авторитетному специалисту в области когнитивных наук как Т.В. Черниговская сказать о том, что «следует возлагать надежды не на еще большее усложнение разрешающей способности техники, а на методологический и даже философский прорыв, который должен привести к возникновению новой мультидисциплинарной научной парадигмы».

В когнитивных науках ставится задача разработки технологии получения и применения знаний; обсуждается, как трансформировать обучение из процесса передачи информации в умение хорошо думать.

Основной объект изучения когнитивных наук – мышление.

Мышление может быть направлено либо на понимание реальных обстоятельств («в какой ситуации приходится действовать, как устроен мир»), либо на достижение практического результата («как достичь того, что мне нужно»). Результатами процесса мышления могут быть выработка обобщения, понимание предмета или ситуации, вывод на основании рассуждения, составление плана действий.

Мышление изучается в разных аспектах различными дисциплинами. Формальная логика изучает нормы и правила такого вида мышления, как рассуждение. Психология исследует мышление с точки зрения взаимодействия в этом процессе текущего и прошлого опыта, влияния на него установок субъекта, его эмоциональных состояний. Философия изучает мышление с целью выяснения возможности или невозможности постижения реальности с помощью тех или иных норм мышления.

В рамках единой современной когнитивной науки мышление изучается во взаимодействии логики, психологии, исследований в области искусственного интеллекта, экономики и философии.

Например, поведенческая экономическая теория (behavioural economics) является альтернативой допущению, что люди ведут себя рационально. Методологической основой поведенческой теории является модель ограниченной (Г. Саймон) или переменной (X. Лайбенстайн) рациональности человека. Согласно данной теории, человек в реальной жизни при принятии решений использует готовый набор правил поведения, причем не универсальных, а применимых к наиболее часто встречающимся в экономической жизни ситуациям. Как правило, выбор варианта поведения не привязывается к конкретной ситуации, а определяется заранее заданным набором правил, сформированным под влиянием внешнего окружения.

Другими словами, человек мыслит усвоенными им алгоритмами.

Память с раннего детства формирует алгоритмы, которые работают автоматически. Переводя в автоматический режим все стереотипное (быстрый мозг), мы развиваем медленный мозг для лучшего построения алгоритмов в неизвестных нам ситуациях.

Когнитивные вычисления (cognitive computing) — тренд последних нескольких лет. Каждый день человечество генерирует около 2,5 квинтиллионов байтов данных, и 80% из них являются неструктурированными. А это означает, что эти 80% невидимы для современных компьютерных систем, созданных по обычной технологии. На помощь приходят когнитивные вычисления. Основная их задача - дать человеку возможность работать с неструктурированными данными расширяя алгоритмы его мышления и понимая их более глубоко на основе комплекса когнитивных наук.

У когнитивных вычислений есть определенные особенности:

  • Они должны «понимать», т.е. получать и обрабатывать неструктурированную информацию способами, подобными людям (язык, текст, изображения и речь).

  • Они должны формировать гипотезы и алгоритмы, извлекать взаимосвязи. Сформулировать алгоритм — это значит обобщить имеющееся эффективное решение таким образом, чтобы расширить возможность его использования при других конкретных условиях. Имея библиотеку алгоритмов можно быстро решить, какие из них подходят для конкретной ситуации. А если таких не окажется, то на основе информации о причинно-следственных связях, полученной из знания жизненных эвристик можно создать свои конкретные алгоритмы.

  • Они должны обучаться на глубокой базе знаний. Эвристики, которые мы получаем при попытке понять мир вокруг нас, вполне являются подходящей базой, для более глубокого построения алгоритмов, если возникнет необходимость. По крайней мере, эта база позволяет нам соотнести наше поверхностное знание с подходящей областью более глубокого экспертного знания других людей.

В здравоохранении когнитивные системы помогают постепенно двигаться к такой цели, как индивидуальный подход к лечению пациента. На данный момент наиболее совершенной и целостной когнитивной системой, включающей огромное число подсистем и элементов, является IBM Watson.

Но действительно ли люди хотят, чтобы компьютеры оказались способными проявить «истинный интеллект»? Когда Watson выиграл викторину Jeopardy, но ошибся, отвечая на один из вопросов категории «Города США», многие облегченно вздохнули. Отрицательная реакция на «искусственный интеллект» повторилась, когда компьютер Deep Blue победил чемпиона мира по шахматам Каспарова. Перед матчем в журналах публиковались кричащие заголовки: «Последняя битва мозга», а после матча что-то вроде: «Дело в том, что Deep Blue — это просто грубое вычислительное устройство… Оно бессознательная, не отдающая себе отчета ни в чем и напрочь бездумная машина. Сам по себе Deep Blue даже не знает, как выйти из поезда».

#мышление #кибернетика

Избранные посты
Недавние посты
Архив
Поиск по тегам
Тегов пока нет.
Мы в соцсетях
  • Facebook Basic Square
  • Twitter Basic Square
  • Google+ Basic Square