Елена Сапарина - Ага! и его секреты

Ньюэл, Шоу и Саймон наделили машину способностью использовать два эвристических приема, кстати сказать, наиболее часто употребляемых людьми. Это метод «горячо-холодно» и упрощение, огрубление задачи.

Так появился на свет универсальный решатель проблем. И он развил довольно успешную деятельность, даже что-то делал в промышленности.

Однако «универсальным» он все же не оказался. И знаете, на чем машина споткнулась? На шахматах. Она решала сложные, серьезные проблемы, а в игре пасовала.

И не удивительно. Ведь в любой самой сложной задаче всегда известна исходная ситуация — начальная площадка лабиринта, и определена цель — центральная его площадка. А в шахматах область поиска не определена. Здесь столько «коридоров», «площадок», «тупиков», что перебрать все варианты маршрутов не под силу даже быстродействующей вычислительной машине. А подходящих алгоритмов в ее распоряжении не было.

Признать ограниченность своего детища американским психологам не очень хотелось. Кроме того, это означало, что какой-то важный механизм человеческого мышления им не удалось разгадать. Вот тогда они и принялись за новые поиски. Правда, они изучали теперь не столько особенности нашего мышления, сколько правила игры в шахматы, надеясь хоть косвенно проникнуть в секреты мозга, думающего над шахматной ситуацией.

Мы теперь знаем, что в какой-то мере им это удалось. Благодаря им машина научилась играть в шахматы «по-человечески» и стала достойным соперником чемпионов.

Но по сравнению с «Универсальным решателем проблем» это был скорее шаг назад. Как-никак та машина хоть и не умела играть в шахматы, зато воспроизводила особенности творческого процесса вообще, свойственного и ученым и поэтам. Иными словами, создавая ее, инженеры решили более общую проблему. А электронный шахматист, как ни был интересен сам по себе, помогал понять только одну сторону творчества. Перед учеными встал вопрос: какой путь предпочесть?

Достаточно было пробить первую брешь, как открытия посыпались словно из рога изобилия. Вслед за шахматистом появился электронный игрок в шашки. Вначале он играл довольно средне — его обыгрывали даже неопытные игроки. Но новый игрок обладал способностью учиться. И вскоре так наловчился, что стал обыгрывать даже чемпионов.

Создали еще одну машину — математика. Она творчески решала задачи по геометрии, с которыми с трудом справлялись студенты-второкурсники.

Американские психологи получили заказ от промышленников — им необходимо было с научной точностью узнать, куда вложить и как лучше истратить деньги. Ученые пригласили к себе в лабораторию одного из самых опытных служащих банка и принялись изучать, как он думает. Это оказалось не таким легким делом. Ведь банковский служащий, чтобы решить, куда поместить деньги для наибольшей прибыли, должен выработать что-то вроде экономической гипотезы. После долгих доделок, переработок электронного финансиста все же удалось создать, и банкиры им как будто довольны.

Другие изучали совсем иную разновидность интеллектуальной деятельности — творчество композитора. И тоже небезуспешно. Мелодии, созданные его электронным собратом, гораздо больше напоминали настоящую музыку, нежели нотные упражнения первых композиторов от кибернетики.

Цели, которые ставили перед собой инженеры и психологи, создавая эвристические программы для вычислительных машин, были нередко диаметрально противоположными. Кто-то стремился научить машину составлять расписание движения поездов или просто уроков в школе. (Не думайте, это довольно каверзная работа, требующая «хитрости» и смекалки.)

А кому-то хотелось иметь электронного ученого, например биохимика. И чтобы он не только разрабатывал планы опытов, оценивал их результаты, выдвигал на этой основе какие-то гипотезы, но и сам проводил опыты с помощью механических рук.

Дело дошло до того, что в лабораторию Московского университета, где занимаются разработкой эвристических программ, стали обращаться с самыми неожиданными просьбами. Не можете ли сделать такого диспетчера, чтобы он работал творчески? Нужен начальник планового отдела «с живинкой к делу». Пришлите электронного учителя, который мог бы быстро и толково устранять «дефекты» знаний.

Что делать? Неужели действительно каждый раз изучать образ мыслей диспетчера, плановика, учителя? И заново составлять программу для очередного случая?

Вряд ли это целесообразно. И московские психологи решили поступить иначе. Найти то общее, что есть в любой более или менее творческой работе. Установив, из каких форм складывается мыслительная деятельность и врача, и инженера, и музыканта, создать что-то вроде «крупных блоков». Скажем, блок «решения проблем», блок «самообучения», блок «распознавания сходных ситуаций» и тому подобные. И из них по мере необходимости собирать программу или для электронного врача, или для диспетчера.

Этот путь не только более экономичен, он, так сказать, ближе по структуре к творчеству человека. Недаром же психологи говорят, что в разных творческих процессах — будь то работа инженера или художника — больше сходства, чем различий. В главном, основном творчество актеров, поэтов и ученых едино. (Вспомните хотя бы, что вы прочли в начале книги о трех китах творчества.)

Стало быть, создание универсального решателя проблем — более верный путь. И теперь перед психологами стоит задача разгадать новые алгоритмы, новые эвристические приемы творческого мышления.

Снова ученые обращаются к человеку, чтобы, во-первых, расшифровать многочисленные эвристические приемы, которыми он владеет, а во-вторых, попытаться воспроизвести их в думающей машине.

Разумеется, дело не сводится лишь к отгадке готовых приемов и способов мышления, как уже об этом говорилось раньше. Важно не просто выявить результат решения, а раскрыть процесс мышления в его динамике.

Психологи Московского университета пытаются, например, воплотить в, виде программы ту особенность мышления, которую можно назвать «чувством близости решения». Машина, даже очень умная, часто проходит буквально в двух шагах от нужного решения и продолжает поиски совершенно в других концах лабиринта. А человек, нередко еще не зная, как справиться с задачей, чувствует, что решение где-то совсем близко, и усиливает поиск именно в этом направлении. Разумеется, благодаря этому он докапывается до смысла гораздо быстрее.

Или вот, скажем, умение человеческого мозга оценивать перерабатываемую информацию с точки зрения ее значимости для решения задачи. При поиске решения человек сосредоточивает внимание исключительно на важной информации. Но как он определяет, какие именно сведения будут работать на пользу дела? Ясно, что здесь тоже не обходится без эвристических приемов, только каких?