кщо - тоВ».
2.2 ассоцианистскимпідхід - погляд на нього в монографії
Основа даногопідходу - пошук суміжних елементів, стійко повторявшихся в минулому досвіді,є також основою однієї з потужних гілок штучного інтелекту: навчаннярозпізнаванню образів на прикладах.
М. Вертгеймеркоротко і точно описав цей підхід: В«сліпа процедура плюс спосіб перевіркиВ» [2;с. 40]. Він одержав широке поширення у зв'язку зі спробами вирішення накомп'ютері задач розпізнавання усної та письмової мови, літаків і людей,відбитків пальців і почерків. Невдачі намагалися в перший час подолатизбільшенням матеріалу навчання, однак безуспішно. Разом з тим техніканавчання розпізнаванню образів на прикладах виявилася досить ефективною в прикладнихзавданнях (геологічної і медичної діагностики). Найбільший успіх випав назавдання, в яких вихідні моделі погано обгрунтовані, і неосмислені, але точнірішення комп'ютера виявлялися переважніше розумних, але помилкових рутиннихрецептів.
У завданняхрозпізнавання образів виникає важливе питання про забобони - помилковихасоціаціях, що виникають при узагальненнях на малому числі прикладів. У рамкахассоцианистским підходу єдиний спосіб боротьби із забобонами -збільшення числа прикладів. (Саме цим і було викликано величезну кількість прикладів- По 200-у задачі розпізнавання букв.) Ця проблема була усвідомлена і проаналізованаМ. Вертгеймер в його книзі [1; с. 67].
Він наводитькілька прикладів помилкового узагальнення. Ось один з них. Беруться трійки чисел:12-3-4; 56 - 7 - 8; потрібно по двох числах 45 - 6 визначити третє.Можливий відповідь: 7, оскільки в попередніх випадках третє число було завждибільше другого на 1: 4 = 3 +1; 8 = 7 +1. Відповідно, в останньому випадку 6 +1 == 7.В«Хіба тут істотно, що учень засновував своюВ« гіпотезу В»на дуже малійчислі випадків? - Запитує М. Вертгеймер. - Ні. Сама гіпотеза безглузда В». Більшерозумної представляється гіпотеза, що числа пов'язані відомим простимарифметичним законом: 12:3 = 4; 56:7 == 8; а отже, 45:6 = 7,5. Такимчином, правильним виявляється рішення, обгрунтоване в більш широкомуконтексті, ніж вихідні дані.
Одна з найбільшпопулярних ідей штучного інтелекту: мозок є машина для перетвореннясимвольної інформації. Пафос такого роду програм - у їх повній незалежностівід зовнішнього світу, від особливостей сприйняття. Реальний досвід робіт поштучному інтелекту показує, що безліч визнаних інтелектуальнихоператорів (наприклад, нормування, утоньшения, накладення та ін) потрібні лише ввипадках, коли зовнішній світ описується неадекватним чином. При переході доадекватному мови опису потреба в такого роду псевдоінтелектуальнихоператорах просто пропадає. Точно так само велика частина інтелекту найтіснішимчином пов'язана з організацією рухів, з їх фізичною реальністю. В той жечас провідні журнали і конференції по штучному інтелекту отторгли відсебе роботи з розпізнавання образів та робототехніці як В«низькийВ» жанр.
На протязівсієї книги М. Вертгеймер гаряче заперечує проти такої моделі мислення, колимозок розглядається як машина для перетворення символьної інформації:В«Точка зору, згідно з якою мислення розглядають тільки якінтелектуальну операцію ... є вельми штучною і вузькою В»[2; с. 209].
Проблемарозпізнавання образів має справу не тільки з окремими об'єктами і їхкласифікацією, але і з класами і поняттями. Узкокібернетіческое визначенняпоняття як узагальнення предметів деякого класу за їх специфічними ознакамипроникло і в філософську літературу. Такий підхід передбачає процедурувитягання загальних ознак із заданої множини об'єктів, що належатьодного класу. Вище згадувалася можливість зменшення матеріалу навчання зарахунок використання зовнішньої інформації. М. Вертгеймер в своїй книзі запропонувавкардинально відмінний шлях побудови понять і виявлення суттєвих ознак- За рахунок внутрішніх властивостей одиничного прикладу. Штучному інтелектудовелося добиратися до цієї ідеї чверть століття. Виявилося, що при описіоб'єкта на адекватному мовою сама граматична структура висловлювання міститьінформацію про ієрархію важливості ознак об'єкта: чим глибше розташована вграматичній структурі дана характеристика, тим менш важливою вона є.Це відноситься до описів на природній мові, до програм на мовахпрограмування, до спеціальних мов опису зображень і т. д.
Такий підхіддо утворення понять дозволяє по єдиному прикладу побудувати поняттяВ«АркаВ», по єдиній флюорограмме описати весь клас допустимих флюорограмм,по єдиному зразку кожної літери розпізнавати всі допустимі їх варіанти(Чого не вдавалося зробити старими методами і по 200 зразкам).
Однією ззавдань, яка обговорюється в книзі, добре знайома тим, хто займаєтьсяштучним інтелектом. Це завдання про побудову з кубиків арки (потермінології М. Вертгеймера - моста). М. Вертгеймер розглядає її як задачуосвоєння поняття моста по єдиному прикладу. У штучного інтелектубув свій шлях до її вирішення. Спершу поняття передбачалося створювати узагальненнямбезлічі прикладів. Для цього необхідно було показати мости різної висоти,довжини і кольору і визначити безліч об'єктів, від яких їх потрібно буловідрізняти. Пізніше була запропонована більш економна процедура: показ одного мостаі ряду підібраних спеціально конструкцій В«не мостуВ». Нарешті, було зрозуміле, щопри адекватному описі єдиною показаної конструкції моста в самійграматичній структурі відображена ієрархія важливості ознак, що визначаютьміст.
Ось яквиглядає такий опис моста (дужки відзначають глибину рівня в граматичнійструктурі):
(((4-гранна)призма) лежить) на
((((4-гранна)призма) стоїть) (((4 - гранна) призма) стоїть))
Змінанайглибшого рівня (замість В«4-граннаВ» - 5-гранна) не руйнує поняттяВ«МістВ». Заміна на більш високому рівні поняття В«призмаВ» на В«пірамідаВ» сильноспотворює поняття В«містВ», робить його більш схожим на карикатуру, але зберігаєосновні риси. Заміни на ще більш високому рівні повністю руйнують поняття.
М. Вертгеймервідзначає ще одну важливу властивість моста - стійкість, яке зазвичай явно незгадується, але дозволяє різко обмежити можливі конструкції. Це зауваженняще раз демонструє продуктивність виходу в новий контекст, в реальний світ.
Особливийінтерес викликає приклад на додавання ряду натуральних чисел. Гарний спосіб їїрішення - це попарне складання крайніх чисел ряду (всі суми виявляютьсярівні). Перехід до геометричної інтерпретації демонструє, яким чиномможна прийти до правильного групування.
Основнимпунктом усіх прикладів М. Вертгеймера, що демонструють продуктивне мислення,є вміння побачити ситуацію по-новому, а точніше - по-новому її описати(Наприклад, на іншій мові). Ця ідея знаходить повне підтвердження в багатьохзавданнях сучасного штучного інтелекту. І.М. Гельфанд вказав на цейшлях як магістральний для штучного інтелекту.
Такимчином, видно, що Вертгеймер різко протестує проти прийняття ассоцианистскимпідходячи для вирішення на комп'ютері задач розпізнавання усної та письмової мови,літаків і людей, відбитків пальців і почерків, вказуючи на йогонеосмислені, а тому неефективність і неприйнятність для вирішеннядеяких завдань.
2.3 Ціліснийпідхід як протиставлення логічного і ассоцианистским в монографії
Вирішальним удослідженні мислення М. Вертгеймер вважав підхід з позицій гештальттеории, т.тобто цілісний підхід. Суть цього підходу М. Вертгеймер сформулював наступнимчином: В«... існують зв'язки, при яких те, що відбувається в цілому, невиводиться з елементів, існуючих нібито у вигляді окремих шматків, пов'язанихпотім разом, а, навпаки, те, що проявляється в окремій частині цього цілого,визначається внутрішнім структурним законом цього цілого. Гештальттеория єце, не більше і не менше В»[2; с. 6]. Має сенс зіставити це визначенняз іншим відомим маніфестом цілісності: В«ціле не є сума частинВ».Звертає на себе увагу, що М. Вертгеймер використовує в своєму визначенні двапоняття: В«шматокВ» і В«ч...
