Хеннинг Бекк - Ошибаться полезно [Почему несовершенство мозга является нашим преимуществом] [litres]

Тем не менее результаты исследований раз за разом говорят о том, что перерывы благотворно сказываются на обучении. И это касается не только направлений живописи, но и заучивания новых слов, последовательности движений, естественнонаучных взаимосвязей, запоминания каких-либо перечней. Причина кроется в способах взаимодействия нейронов. Первый информационный импульс побуждает нервные клетки к изменению структуры. Данное изменение надо для начала «переварить». Лишь после этого клетки будут готовы к следующему возбуждению. Если очередной импульс поступает слишком рано, он не оказывает должного воздействия. Только когда различные фрагменты информации сменяют друг друга, мозг получает возможность объединить их в некое знание. Это похоже на приготовление лазаньи. Разумеется, можно сначала залить в форму соус, потом свалить в кучу пласты теста и сверху засыпать сыром. Но это будет не лазанья. Вкусное блюдо (как и осознанная мыслительная концепция) получается лишь в результате определенной очередности операций. Такое концептуальное мышление позволяет нам уйти от простого заучивания. Только так можно классифицировать все предметы и явления окружающего мира по категориям и смысловым взаимосвязям и, как следствие, понять его.

То, что можно выучить, впоследствии можно и забыть. Но если вы что-то поняли, то уже не сможете вернуться к состоянию непонимания. В обучении как таковом нет ничего особенного. Обучаться могут многие животные и даже компьютеры. Но на то, чтобы понимать окружающие явления, способен только наш мозг, и этим искусством он владеет благодаря тому, что не ограничивается накоплением данных, а пытается обнаружить корреляции между ними. Только таким путем из данных рождается знание. Их нельзя путать. Правда, в современном оцифрованном мире между ними зачастую ставится знак равенства. Однако, хотя символы:-) и:-(равны в количественном выражении, они несут в себе совершенно разную информацию. Я уже не говорю про эмоциональную подоплеку (улыбающееся лицо вызывает радостные чувства). Для компьютера разница между:-) и:-(составляет 33 процента, но для нас – все сто.

Как мы усваиваем эти знания и концепции? Как мы понимаем мир? Давайте сначала познакомимся с образцами непонимания на примере компьютерных алгоритмов, причем самых современных из тех, которые имеются на сегодняшний день, – так называемых глубоких нейронных сетей. Речь идет о компьютерных системах, в основе программирования которых лежит неклассическая логика (из А вытекает Б). Они построены по примеру мозга (по крайней мере, так утверждают) и копируют его нейронную структуру. В ходе работы цифровые «нейроны» приспосабливаются друг к другу, взаимодействуя в местах контакта, в зависимости от того, какие данные обрабатываются. Поскольку нейроны самостоятельно анализируют характер своих контактов, со временем система может самообучаться. К примеру, если мы хотим, чтобы программа распознавала пингвинов, ей демонстрируются сотни тысяч разных фотографий, среди которых попадаются сотни изображений пингвинов. В результате программа сама определяет отличительные особенности пингвинов и начинает понимать, кто это такой.

Прогресс этих искусственных нейронных сетей поражает. Только за счет демонстрации изображений такие системы самостоятельно находят животных, предметы и людей на любых фотографиях. Их способность распознавать лица уже превосходит человеческую (приложение Google может распознавать в толпе не только человеческие лица, но и коровьи морды). Но давайте скажем прямо: подобные компьютерные системы имеют такое же отношение к мозгу, как футболист-любитель, играющий в районном первенстве, к олимпийскому чемпиону по десятиборью. Они даже выступают в разных видах спорта, так как компьютер делает отнюдь не то же самое, что нервные клетки, что бы ни заявляли концерны, работающие в сфере информационных технологий и якобы создающие искусственные нейронные сети. Компьютер не обладает настоящей нейронной сетью и строится не по образцу мозга. Это всего лишь маркетинговый трюк производителей. Ведь для того, чтобы научиться выделять на картинке пингвина, компьютер должен предварительно просмотреть тысячи изображений. Мозгу же это не требуется.

Недавно соседский парнишка двух с половиной лет от роду зашел ко мне в прихожую. Указав пальцем на пожарный извещатель на потолке, он сразу сказал: «Это для пожара». Я был поражен. Неужели родители целыми неделями показывали ему изображения пожарных извещателей, чтобы он в конце концов выделил их общие черты и особенности и смог распознавать среди других предметов? Должен признать, что его отец действительно работает в пожарной охране, так что выбор темы не случаен. Но ведь малышу, в отличие от «глубоких нейронных сетей», не демонстрировали тысячи фотографий устройств для сигнализации, огнетушителей и другого пожарного инвентаря, чтобы он в случае чего смог узнать их среди всего прочего. От него не требовали сдавать экзамены по этому предмету! Каким же образом ребенок, видевший пожарный извещатель всего два-три раза, смог распознать его в совершенно незнакомой обстановке?

Он не изучал пожарные извещатели, как это делал бы компьютер. Мальчик просто понял, что это такое. Это как раз то, в чем люди сильны и что в психологии называется быстрой классификацией. Если, к примеру, дать трехлетнему ребенку какие-нибудь предметы, которых он раньше никогда не видел, и объяснить, что предмет, явно отличающийся от всех остальных, называется «коба» или привезен из страны

Коба, он запомнит это слово и сможет вспомнить о нем даже через месяц. Заметьте, с первого раза! Еще лучше обстоят дела, когда наряду со словами запоминаются действия. Даже детям в два с половиной года достаточно всего пятнадцать минут поиграть с каким-нибудь предметом, чтобы впоследствии перенести его свойства на другие схожие объекты. Если ребенок увидел, что с яркой пластмассовой деталью с выдуманным названием «коба» можно совершать какие-то манипуляции, то на будущее усвоит для себя, что схожие, хотя и несколько отличающиеся по форме, предметы тоже должны называться «коба», и будет пытаться совершать с ними те же манипуляции. Всего несколько минут – и ему уже все ясно. А разве смогли бы двухлетние дети осваивать в среднем по десять новых слов в день, если бы для этого им приходилось все повторять по сто раз? Ни у одного мозга на это просто не хватило бы времени.

Разумеется, мозг учится не на пустом месте. В настоящее время мы исходим из того, что в процессе быстрой классификации новая информация стремительно распределяется по уже имеющимся категориям (возможно, даже без участия гиппокампа, с которым вы познакомились в предыдущей главе). Но и сами категории создаются очень быстро, причем именно тогда, когда у нас слишком мало времени на обдумывание. Если быстро показать трехлетнему ребенку один за другим три варианта игрушки (например, какие-то необычные погремушки, отличающиеся друг от друга по цвету и свойствам поверхности) и назвать их выдуманным словом «вуг», то малыш вряд ли опознает «вуг» в четвертой погремушке. Но если между демонстрацией трех первых погремушек проходило по полминуты и ребенку давали возможность немного с ними поиграть, то он быстро осваивал концепцию «вуга» и сразу же называл этим словом четвертую погремушку, хотя она была другой формы и расцветки. Казалось бы, эти паузы совершенно не нужны. Они только отвлекают внимание и являются пустой тратой времени в нашем мире, где все подчинено оптимизации и повышению производительности. Однако именно в них заключается наша сила, позволяющая добиваться большего, чем компьютер, который тупо накапливает новую информацию.