Поскольку значительная часть эмпирических данных по текущему анализу процессов понимания накоплены в области чтения, именно здесь наметился прорыв к новым решениям. Идея состоит в том, чтобы в самом текущем процессе (то есть в режиме on-line) чтения иностранного текста детектировать сочетания параметров движений глаз, свидетельствующих о возникших трудностях понимания (как отмечалось выше, такими признаками являются прежде всего регрессии — возвраты к некоторому слову одновременно с увеличением длительности фиксаций), и осуществлять дозированную подсказку перевода в родном или любом другом удобном для читателя языке. Первый прототип подобного интеллектуального интерфейса iDICT, разработанный финскими ин-форматиками совместно с немецкой фирмой SensoMotoric Instruments, был показан в конце 2005 года. Он содержит три функциональных блока: 1) лингвистический модуль, описывающий структуру текста и прогнозирующий сложность отдельных его компонентов; 2) модуль знаний о параметрах движений глаз при обычном чтении и при возникновении трудностей понимания; 3) коннекционистский модуль, обеспечивающий адаптацию к индивидуальным особенностям движений глаз.
Второй пример связан с усилиями, направленными на повышение бе
зопасности автотранспорта. Основной причиной столкновений на скоро
стных магистралях, иногда вовлекающих десятки машин, является нару-
174 шение правила сохранения дистанции до впереди едущего автомобиля.
Устройства, автоматически выдерживающие нужное расстояние с учетом скорости, условий видимости и параметров поверхности дороги, давно созданы. Эти так называемые ACCs — от Adaptive Cruise Control — сканируют окружение, выделяют другие машины и поддерживают по отношению к ним определенное, зависящее от перечисленных выше условий расстояние, так что если водитель хочет двигаться слишком быстро, приближаясь к впереди едущей машине, педаль газа становится более жесткой. Однако вскоре выявилась следующая проблема: если водитель вынужден отключить подобное устройство для осуществления обгона, то потом оно им почему-то не включается. Традиционный принцип «коммуникации» человека и машины посредством эксплицитных команд здесь не работает. Некомандное решение проблемы разрабатывается, в частности, в рамках проекта под названием «Что человеческий глаз говорит мозгу автомобиля». При этом отслеживаются паттерны движений глаз, характерные для интенции обгона. При возникновении такого паттерна система блокировки скорости отключается сама, а при восстановлении обычного режима визуального сканирования — включается вновь.
Хотя и со значительной задержкой по сравнению с естественными науками психология начинает влиять на пути развития высоких технологий. Часто мы даже не знаем слов, которые будут использоваться для обозначения всех этих новых направлений прикладных исследований. Самое последнее предложение состоит в том, чтобы называть их «когнитивными техническими системами». Не имеет пока устойчивого названия и работа по психологической поддержке технологий «виртуальных форм жизни» — интеллектуальных «действующих лиц» (агентов и авата-ров — Поспелов, 2003; Schilbach et al., 2005), а также область исследований, связанная с оптимизацией взаимодействия человека с мобильными роботами, а не просто с обычными стационарными компьютерами (см. 2.1.2, 9.2.3 и 9.4.2). Нет, впрочем, никакого сомнения, что речь идет при этом о возникновении совершенно нового поколения адаптивных человеко-машинных систем. Задача разработки этих технологий 21-го века является самым серьезным практическим вызовом экспериментальной психологии и когнитивной науке за всю историю их существования.
175
8
МЫШЛЕНИЕ
И МЕТАПОЗНАНИЕ
Структура главы:
8.1 Высшие познавательные функции
8.1.1 Разнообразие подходов и моделей
8.1.2 Мышление и речь — мышление для речи
8.1.3 Метапознание и творческое воображение
8.2 Процессы и модели умозаключений
8.2.1 Индукция, аналогия и прогноз
8.2.2 Дедуктивные умозаключения
8.2.3 Специализация и прагматика умозаключений
8.3 Процессы решения задач
8.3.1 Решение малых мыслительных задач
8.3.2 Сложные проблемы, творчество и открытие
8.3.3 Решение задач экспертами
8.4. Принятие решений и структура интеллекта
8.4.1 Эвристики и принятие решений
8.4.2 Новые веяния в исследованиях решений
8.4.3 Функциональная структура интеллекта
Как когда-то заметил Кёлер, изучение мышления предъявляет особые требования к мышлению самого исследователя. Развитие психологических представлений о высших формах познавательной активности оказалось очень сложным, до сих пор далеко не законченным процессом. Для ассоцианизма мышление вообще было областью интересов логики и математики, а не психологии. Вюрцбургская школа, обнаружившая целенаправленность психики, подчеркивала роль создаваемых задачей установок, или детерминирующих тенденций. Отто Зельц (Selz, 1924) добавил к ассоциациям и детерминирующим тенденциям новый структурный элемент — репрезентацию проблемной ситуации. Это представление условий и требований к решению понималось им как антиципирующая схема, то есть обобщенная структура знания, предвосхищающая искомое решение. Гештальтпсихологи, в свою очередь, отметили, что следование определенной установке может играть и негативную роль, препятствуя нахождению нетривиального решения. Центральным для них стало различение репродуктивного и продуктивного мышления. Первый вид мышления направлен на воспроизведение привычных подходов, второй имеет творческий, креативный характер.
К этим работам и восходят современные исследования, для которых характерна трактовка высших форм познания как процессов преобразования знаний. Мышление описывается при этом как взаимодействие концептуальных структур и операций над ними. С культурно-исторической точки зрения, сила нашего мышления состоит в том, что оно опирается на систему концептуального знания. Его слабость — в слишком большой зависимости от этой системы, препятствующей творческим достижениям. В новых ситуациях использование одних только имеющихся знаний оказывается недостаточным, необходимой становится метакогнитивная активность. Преобразование знаний оказывается столь сложным процессом, поскольку оно создает субъективно незнакомые ситуации. Поэтому решение продуктивных задач требует особых личностно-волевых качеств и, во-вторых, опирается на быстро развивающиеся в антропогенезе пре-фронтальные области коры. Вместе с тем, концептуальные структуры и метапознавательные координации образуют лишь «верхушку айсберга» механизмов человеческого интеллекта. Исследования выявляют и другие, более древние в эволюционном отношении уровни организации. Вырисовывающаяся глобальная архитектура, Grand Design интеллекта, состоит, по меньшей мере, из шести таких уровней. Их совместная работа позволяет дать описание познавательной активности, сопоставимое 178 по сложности с ее феноменологией и нейрофизиологией.
8.1 Высшие познавательные функции
8.1.1 Разнообразие подходов и моделей
Перед тем как начать действовать в новой ситуации, мы обычно стараемся подумать. Как подойти к объяснению того, что собственно при этом происходит? Можно допустить, что мысль работает по образцу очень сложной компьютерной программы, возможно, целого пакета таких программ типа современной операционной системы. Поскольку в творческом мышлении и в решении повседневных задач важную роль играет воображение, для многих авторов, начиная с Аристотеля, суть мышления состоит в манипулировании образами. Еще один подход возник в рамках прикладных исследований, направленных на оценку индивидуальных различий в интеллектуальных способностях. Этот психометрический подход может сочетаться с анализом возрастных изменений, хотя развитие может изучаться и с точки зрения его общих механизмов, как, например, в классических работах Выготского и Пиаже. Наконец, можно попытаться выделить мозговые механизмы, специфически влияющие на процессы решения задач и другие интеллектуальные достижения. Все эти подходы не исключают друг друга, но они по-разному расставляют акценты в исследованиях познания.
Первый подход, возникший в рамках работ по искусственному интеллекту, связан с созданием глобальных когнитивных моделей, которые были подробно рассмотрены нами в главе по представлению знаний (см. 6.4.1). Как отмечалось, по замыслу они напоминают сверхтеории необихевиористов. Намерения авторов заключались в моделировании возможно более широкого круга задач, от формирования навыков (см. 5.1.1) до умозаключений (см. 8.2.2). Вопросам мышления специально посвящена теория решения задач человеком А. Ныоэлла и Г. Саймона. Следуя более ранним идеям Дункера и Зельца, они использовали важное разграничение между процедурами, с необходимостью ведущими к решению, или алгоритмами, и эвристиками — упрощенными стратегиями, зачастую ускоряющими нахождение решения, но не гарантирующими его со 100% вероятностью.
Основными эвристиками, выделенными этими авторами, стали «анализ средств и целей» (means-ends analysis) и репрезентация задачи в виде проблемного пространства разноуровневых целей и средств. Современный вариант этой теории — предложенная в середине 1980-х годов Ньюэллом и усовершенствованная затем его учениками (см. Laird & Rosenbloom, 1996) модель Soar. Эта модель также выделяет иерархию подцелей и работает с пространством потенциальных состояний проблемной ситуации (см. 8.3.2). По мнению Дж.Р. Андерсона, автора конкурирующей модели ACT-R, центральным механизмом мышления являются умозаключения по аналогии. Когда мы сталкиваемся с новой проблемной ситуацией, мы часто пытаемся найти пример какой-нибудь похожей задачи с известным решением. Этот процесс представляет собой нахождение сходства между