Допустим, что решение некоторой хронометрической задачи включает несколько последовательных этапов переработки информации, например, тех трех этапов, которые описал еще Дондерс: детекция стимула, его различение и выбор ответа (см. 1.2.1). Тогда в случае наиболее сложной задачи времени реакции выбора (п стимулов -» и реакций) можно было бы попытаться найти такие независимые переменные, или факторы, которые, селективно влияя на продолжительность каждого из этих этапов, не вызывают изменения времени переработки информации на других этапах. Наличие отдельных этапов выразилось бы в аддитивном влиянии этих факторов на общее время реакции выбора. Аддитивность двух факторов А и В означает, что при всех значениях одного фактора влияние другого постоянно. Формальным критерием аддитивности служит ситуация, при которой величина взаимодействия факторов (АхВ) в дисперсионном анализе не достигает уровня значимости. При графическом представлении результатов аддитивность выражается в появлении параллельных зависимостей.
Действительно, многочисленные данные демонстрируют существование переменных, которые, влияя на время решения тех или иных задач, не взаимодействуют между собой (Sternberg, 1969; 1999). Как показано на рис. 2.6А, к их числу в простейшем случае относятся оптическая зашумленность («читабельность») предъявляемых зрительно цифр и естественность соответствия стимулов и ответов: в соответствующих экспериментах испытуемый должен был либо просто называть показанную цифру, либо называть цифру, на единицу большую. Аддитивность (независимость) влияния этих двух факторов на время реакции свидетельствует о существовании, по крайней мере, двух независимых этапов в процессах решения данной задачи. Содержательно их можно было бы назвать этапами перцептивного кодирования и организации ответа. Время перцептивного кодирования избирательно зависит от читабельности
естеств.неестествестеств.неестеств.
Соотношение стимулов и реакций
Рис. 2.6. Примеры аддитивного (А) и неаддитивного (Б) влияния на время реакции в задаче называния цифры (по· Sternberg, 1999).
цифр, а время организации ответа — от его естественности. С другой стороны, третий экспериментальный фактор — число альтернатив — взаимодействует в той же задаче как с читабельностью цифр, так и с естественностью ответов. Можно сделать вывод, что этот фактор влияет на продолжительность каждого из выделенных выше этапов переработки, а его полезность для тестирования процессов на одном из этих этапов ограничена.
Таким образом, метод аддитивных факторов заключается в поиске пар не взаимодействующих между собой факторов с целью расчленения процесса решения задачи на отдельные стадии. Это выявление внутренней структуры процессов переработки информации оказывается возможным чисто психологическими методами, без использования физиологических и нейропсихологических процедур. Ограничением метода аддитивных факторов является то, что он может использоваться только в хронометрических экспериментах, причем в режиме относительно безошибочной работы. Следует подчеркнуть последний момент: в силу взаимозависимости скорости и точности ответов (больше времени — точнее работа и наоборот) число ошибок в хронометрических исследованиях, за исключением специальных случаев, должно оставаться на очень низком и примерно одинаковом уровне (порядка 2—3%). Данный метод был использован в огромном числе когнитивных исследований, прежде всего для систематического анализа закономерностей поиска информации в памяти (см. 5.1.2).
121
Четвертый принцип традиционного когнитивного подхода состоял в нарочито нечетком определении связи психологических и нейрофизиологических процессов. Считалось, что хотя процессы переработки символьной информации как-то связаны с мозговым субстратом, эта зависимость не является жесткой. Скорее всего, работающий мозг .— необходимое, но не достаточное условие формирования символьных репрезентаций и психологического контроля поведения. Для представителей искусственного интеллекта, кстати, мозговой субстрат не был даже необходимым условием — предполагалась, что полноценные когнитивные репрезентации могут быть сформированы также и достаточно мощной компьютерной программой. В силу нечеткости психофизиологической связи, для многих научных и практических целей вполне достаточным представлялось формальное описание вовлеченных в переработку информации процессов, даже если их мозговой субстрат остается неизвестным. Подобное формальное описание строилось на базе формализации предложений естественного языка, то есть предполагалось, что внутренние репрезентации знания имеют в своей основе вер-бально-логический характер.
Представления об абстрактно-символьной природе внутренних репрезентаций были наиболее полно разработаны Аланом Ньюэллом. Подобные представления были необходимы, чтобы полностью использовать потенциал компьютерной метафоры и показать, что знания и следствия из них (умозаключения) могут в буквальном смысле слова вычисляться. Единицей знания при этом (см. также 5.3.1, 7.1.3 и 8.1.1) считается пропозиция — логическое суждение (утверждение), которое может быть либо истинным, либо ложным.
В логике и лингвистике существуют разные подходы к описанию пропозиций. Традиционный подход близок к описанию структуры предложения и состоит в выделении в составе пропозиции субъекта, предиката (отношения, свойства) и объекта. Этот подход, однако, проблематичен, так как субъект и объект легко могут меняться местами без изменения истинности утверждения: «Россия продала Аляску Америке» и «Аляска была продана Россией Америке». Поэтому более современным, отвечающим духу математической логики подходом является трактовка предиката как логической функции, или отношения, в которое могут подставляться различные аргументы (объекты отношения). В зависимости от характера предиката (отношения) пропозиция может допускать различное количество аргументов. Примером одноместного предиката служит выражение твердый (карандаш), двуместного — на (книга, стол), трехместного — подарить (Маша, Летя, яблоко) и т.д. В качестве аргументов таких выражений могут выступать не только существительные, имена собственные и местоимения, но и целые пропозиции, в связи с чем говорят о предикатах второго порядка. Например, предикат установления причинно-следственной связи, cause, способен рекурсивно объединять серию более элементарных пропозиций:
cause[подарить (Маша, Петя, яблоко), благодарить (Петя, Маша)].
живое существо
птица |
Мурка
Чижик
Рис. 2.7. Пример простейшей семантической сети.
На базе пропозициональных репрезентаций возможно выполнение вычислений, для которых используется пропозициональная логика, называемая также исчислением предикатов. Подчеркивание роли пропозиционального описания знания, таким образом, тесно связано с поставленной еще Лейбницем (см. 1.1.2) задачей автоматического вывода и моделирования умозаключений. Существует большое количество производных от пропозиций средств моделирования, наиболее известными из которых являются семантические сети. Они представляют собой пространственные структуры, включающие узлы (понятия, объекты, аргументы) и связи между ними (отношения, функции, предикаты). Пример фрагмента простейшей семантической сети показан на рис. 2.7 С помощью подобных сетей возможно моделирование процессов категоризации и простых умозаключений (см. 6.2.1 и 8.2.1). Так, если два понятия «лебедь» и «щука» объединены иерархически более высоким узлом «живое существо», то возможен перенос части свойств, приписанных данному узлу, с одного понятия на другое. Иными словами, интерпретация и репрезентация понятий в символьном подходе прямо зависят от процессов категоризации: как только понятие относится к некоторой более
123
абстрактной категории, оно наследует семантические признаки этой категории10.
В конце 1970-х годов появились и другие средства моделирования когнитивных процессов, прежде всего так называемые системы продукций или марковские алгоритмы, названные так в честь русского математика A.A. Маркова (1858—1922). Одним из примеров могут служить правила перезаписи порождающей грамматики Н. Хомского (см. 1.3.3). Они представляют собой колонку пар (продукций) типа «условие» —» «действие»: если на вход системы продукций попадает одно из «условий», то оно автоматически приводит к соответствующему «действию». Продукции можно представить как определенные правила, например: «Если идет дождь, то нужно взять с собой зонт», хотя речь может идти и о средствах моделирования простых связок: «стимул» —» «реакция» Управление начинается сверху колонки и последовательно спускается вниз до нахождения первого подходящего условия. После осуществления операций — «действий» — управление вновь начинается с верхней строчки В отличие от обычных машинных программ системы продукции практически не обладают структурой, в них, в частности, отсутствует обычный для многих языков программирования оператор перехода к другим участкам программы (оператор «goto»). Простота систем продукций привела к тому, что они стали широко использоваться при когнитивном моделировании (см. 6 4.1 и 9 2.1). В связи с упоминанием «действий» много надежд было связано и с возможным использованием систем продукции для дополнения моделей когнитивных функций (прежде всего памяти и мышления) моделями сенсомоторных процессов.