Джеф Хокинс - Об интеллекте

С природной точки зрения мозг демонстрирует физическую изменчивость. Определенно некоторые из различий предопределены генетически, такие как размер областей (у отдельных людей наблюдается различие размеров области V1 в три раза) и полушарные различия (у женщин имеется тенденция к более толстым соединениям между левой и правой частями мозга, чем у мужчин). У некоторых людей мозг содержит больше нейронов или другие типы соединений. Маловероятно, что творческий гений Альберта Эйнштейна был чисто следствием стимуляции окружения патентного бюро, в котором он работал в юности. Недавние исследования его мозга — который считался потерянным, но был найден в сохранности несколько лет назад — обнаружили, что его мозг количественно был необычным. В нем было больше вспомогательных клеток, называемых глиальными, на один нейрон, чем обычно. Был обнаружен необычный паттерн из борозд в теменных долях — в области, которая считается ответственной за важные математические способности и пространственное мышление. Она была также на 15 процентов шире, чем обычно у других. Возможно мы никогда не узнаем, почему Эйнштейн таким умным и творческим, но можно биться об заклад, что часть его таланта была унаследована через генетические факторы.

Каким бы не было различие между блестящими людьми и обычными — все мы творческие. И путем практики и обучения мы можем улучшить наши знания и таланты.

Да, вполне определенно. Я обнаружил, что есть путь стимулировать обнаружение необычных аналогий, когда работаешь над проблемой. Во-первых, вы заранее должны предполагать, что есть ответ на проблему, которую вы пытаетесь решить. Люди слишком легко сдаются. Вам необходимо быть убежденным, что решение ждет, чтобы его открыли, и вы должны продолжать думать о проблеме продолжительный период времени.

Во-вторых, вы должны позволить своему разуму блуждать свободно. Вы должны дать своему мозгу время и пространство для нахождения решения. Нахождение решения проблемы — это буквально нахождение паттерна в мире, или паттерна, хранящегося в вашем кортексе, который аналогичен проблеме, над которой вы уже работали. Если вы застряли над проблемой, модель «память-предсказание» советует найти другой способ взглянуть нее, чтобы увеличить вероятность увидеть аналогии в прошлом опыте. Если вы будете просто сидеть и пристально искать снова и снова — вы далеко не продвинетесь. Попробуйте взять части вашей проблемы и упорядочить их по-другому — буквально и фигурально. Когда я играю в Scrabble, я постоянно переставляю фишки. Я не надеюсь, что буквы случайно составят новое слово, но я надеюсь, что различные комбинации букв напомнят мне слова или части слов, которые могли бы быть частью решения. Если вы видите, что ваш рисунок не имеет смысла, попробуйте нарисовать его сверху вниз, изменить цвета или изменить перспективу. Например, когда я думал о том, как различные паттерны в V1 могут привести к инвариантному представлению в IT, я застрял. Тогда я перевернул проблему и спросил, как постоянные паттерны в IT могли бы привести к различным предсказаниям в V1. Инвертирование проблемы немедленно помогло, в конце концов приведя меня к моей уверенности, что V1 не должна рассматриваться как единая кортикальная область.

Если вы застряли над решением проблемы — отойдите ненадолго. Займитесь чем-нибудь другим. Затем начните снова, перефразируя проблему заново. Если вы сделаете это достаточное количество раз — рано или поздно что-то изменится. Это может занять дни или недели, но все равно это произойдет. Цель — найти аналогичную ситуацию где-то в прошлом или в настоящем опыте. Для успешного решения вы должны часто думать над задачей, но также заниматься другими делами, так, чтобы кортекс имел возможность найти аналогичные знания.

Вот другой пример того, как переупорядочивание проблемы привело к новому решению. В 1994 мои коллеги и я пытались решить, как ввести текст в наладонный компьютер. Все сосредоточились на программном распознавании рукописного текста. Говорили, «смотрите, вы пишете на клочке бумаги, вы должны суметь сделать это же на экране компьютера». К несчастью, это оказалось очень трудным. Это одна из тех вещей, которые компьютеры пока не могут, хотя для мозга это очень просто. Причина в том, что мозг использует память и текущий контекст для предсказания написанного. Слова и буквы, которые не получается распознать самих по себе, легко распознаются в контексте. Сопоставления паттернов в компьютере недостаточно для решения этой задачи. Я разработал несколько компьютеров, которые использовали распознавание традиционных рукописных символов, но они это делали недостаточно хорошо.

Я несколько лет боролся над тем, как заставить распознающую программу работать лучше, и не двигался с места. Однажды я отошел и решил взглянуть на проблему с другой перспективы. Я поискал аналогичную проблему. Я сказал себе: «Как мы вводим текст в настольный компьютер? Мы печатаем его на клавиатуре. Как мы учимся печатать на клавиатуре? Да, действительно, это не легко. Это было придумано недавно и необходимо долгое время, чтоб научиться. Печатание пальцами на клавиатуре в стиле печатной машинки сложно и не интуитивно, это совершенно не похоже на писание от руки — но миллионы людей научились этому. Почему? Потому что это работает». Мои размышления продолжались по аналогии, «Возможно я могу предложить систему текстового ввода, которая не обязательно будет интуитивной, но люди будут использовать ее, потому что это работает».

Буквально, именно такой процесс я прошел. Я использовал действие печатания на клавиатуре как аналогию к решению того, как ввести текст стилусом на дисплее. Я понял, что люди готовы научиться сложной задаче (печатанию), потому что это надежный и быстрый способ ввести текст в машину. Следовательно, если б мы смогли создать новый метод ввода текста с помощью стилуса, который будет быстрым и надежным, люди использовали бы его, даже если это потребует обучения. Таким образом, я разработал алфавит, который бы надежно транслировал написанное в компьютерный текст, мы назвали его Граффити. В системах распознавания традиционного рукописного текста, когда компьютер неправильно интерпретирует написанное — вы не знаете почему. Но система Граффити всегда производит корректные буквы, несмотря на то, что вы делаете ошибки в написании. Наш мозг не любит непредсказуемость, вот почему люди не любят системы распознавания традиционного рукописного текста.

Множество людей считает Граффити совершенно дурацкой идеей. Я прошел через все то, как по их мнению должен работать компьютер. Заклинанием тех дней было то, что компьютер должен адаптироваться к пользователю, но не наоборот. Но я был уверен, что люди приняли бы новый способ ввода текста по аналогии с клавиатурой. Граффити обернулось великолепным решением и было широко принято. До сих пор я слышу, как некоторые люди заявляют, что компьютеры должны адаптироваться к пользователям. Это не всегда верно. Наш мозг предпочитает системы, которые непротиворечивы и предсказуемы, и мы можем обучиться новым умениям.