banner banner banner
Интеллект-стек 2023
Интеллект-стек 2023
Оценить:
Рейтинг: 0

Полная версия:

Интеллект-стек 2023

скачать книгу бесплатно


Сегодня появилось новое знание, и даже не по физике и не по математике, а по мировоззрению, лежащему в их основе – и ему нужно опять всех учить, и учить всех подряд, в школе, вузе и за их пределами. Промывать населению глобуса мозги, вымывать из них мировоззренческие флогистоны и витализмы прошлого двадцатого века. Нужно ли продолжать учить физике и математике? Да, но и в них тоже другому содержанию: они тоже поменялись, и существенно.

Трансдисциплины: название то же, содержание уже другое

Как соотносимся мы, любимые, физический мир вокруг нас и его модели/теории (ментальные, компьютерные и даже физические)? Слово «солипсизм» тут не надо вспоминать, волнует более насущное: вот у двух разных инженеров разные информационные модели одной и той же атомной станции – как их соотнести друг с другом? А у двух менеджеров разные версии вроде бы как одной и той же методологии управления проектами разработки софта SCRUM – как им договориться? Как мы узнаём, какие модели/теории мира верны, и можно ли вообще говорить о «верности» моделей? Опять же, речь не идёт о «научных доказательствах». Всё много прозаичней: постановка диагнозов, предсказание погоды, моделирование беспилотных автомобилей, предпринимательские гипотезы. И конфликты, возникающие у людей по их поводу, и бесконечные переговоры в попытках совместить разные варианты моделирования одной и той же ситуации. Интеллект-стек в его современном виде – это прикладное мировоззрение, ни разу не «история философии»! Так, слово «онтология» в нём ровно то же, что в 1920 году, но содержание дисциплины полностью другое!

Кто бы мог подумать, что работы E.T.Jaynes от 1998 года формально (то есть математически! доказательства с формулами!) покажут возможность вероятностного вывода/обновления по теореме Байеса из книжки 1763 года, известной в современной формулировке, сделанной Лапласом в 1812 году! И это даст мощный толчок работам в области искусственного интеллекта, и выдвижению гипотезы о том, что человеческий мозг – это именно байесовский вычислитель? Кто бы мог подумать, что работы, в которых показаны ограничения суждений о мире на основании чисто статистики (а хоть и «новомодной» байесовской, а не намертво устаревшей традиционной) будут выполнены уже в 21 веке. Ключевая работа Judea Pearl с доказательством того, что причины и следствия нельзя вывести из данных, и для рассуждений о них должны рассматриваться контрфактические рассуждения, вышла в 2000 году, пересмотрена в 2009 году и пересказана простым языком для широкой публики только в 2018 году как «Книга Почему: новая наука причины и следствия»[88 - Judea Pearl, Dana Mackenzie, The Book of Why: The New Science of Cause and Effect, https://www.amazon.com/Book-Why-Science-Cause-Effect-ebook/dp/B075DCKP7V/ (https://www.amazon.com/Book-Why-Science-Cause-Effect-ebook/dp/B075DCKP7V/)].

Эти идеи «причинной революции», изменившие статистику (можно после них выкидывать большинство статистических расчётов в здравоохранении, например, включая расчёты по обоснованию финансирования крупных эпидемиологических мероприятий типа локдаунов и поголовного вакцинирования), работают не только для искусственного интеллекта, но и для естественного тоже!

Эти новые идеи описывают логику науки с её гипотезами и свидетельствами/экспериментами много точней, чем все предыдущие теории науки. Заявления типа «экстраординарные заявления требуют экстраординарных доказательств» получили в том числе и своё количественное, хотя и вероятностное обоснование. Увы, хотя этому знанию аж двадцать лет, просвещённое ещё в 20 веке учёное население глобуса настолько привыкло к вековой поступи прогресса в области логики, что до сих пор не замечает эти драматические двадцатилетние изменения! 1763-1812-1998-2009-2018 – всё это были частные исследования особо яйцеголовых, «широко известных в узких кругах». Проблема в том, что это лучшее на сегодняшний день знание о том, как мыслить о причинах и следствиях – и этому знанию хотя бы в начальной форме нужно учить всех.

Теория вероятностей сегодня – это абсолютно другая теория вероятностей, чем была ещё в 2000 году! В исследованиях по машинному интеллекту байесовская теория вероятностей, байесовская наука – это уже мейнстрим, иначе бы тамошние проекты были бы безуспешны, просто не работали бы. А что фронтир? Фронтир говорит, что должна быть квантовоподобная/quantum-like вероятность, а не байесовская. У квантовоподобной вероятности есть как минимум два достоинства по сравнению с байесовской: она считается быстрее (поэтому биологические системы используют именно её), а ещё она не отбрасывает то, по чему априорные значения неизвестны, а как-то это учитывает[89 - https://pubmed.ncbi.nlm.nih.gov/33347968/ (https://pubmed.ncbi.nlm.nih.gov/33347968/) иhttps://www.frontiersin.org/articles/10.3389/fnbot.2022.910161/full#B45 (https://www.frontiersin.org/articles/10.3389/fnbot.2022.910161/full#B45)].

А вузовские учебные программы, если не брать программы по машинному интеллекту? Учебные программы пока не откорректированы. Но вот вы прочли сейчас об этих изменениях, вы предупреждены, вы можете принять меры по собственному образованию, образованию друзей и сотрудников.

Сообщество машинного интеллекта (именно инженеров AI интересуют вопросы мировоззренческого уровня – им нужно разобраться в них настолько, чтобы научить и развить не просто уже заведомо умных людей, а заведомо тупые компьютеры) продолжает поставлять новые знания на замену прежних «незыблемых истин». Так, успели отменить принцип «корреляция двух переменных не позволяет судить о том, изменение какой переменной является причиной изменений другой переменной». Объяснения (они ж всегда про причинность!) и доказательство влияния чего-то на что-то теперь никогда не будут прежними – но об этом пока мало кто знает. The Book of Why как раз об этом. Вы будете её срочно читать и перечитывать, или так и будете жить с допотопным пониманием причинности из 20 века? Знание причинности кардинально изменилось в мире где-то в 2009 году (научные работы, например, Judea Pearls), а «попсовый пересказ» в виде The Book of Why вышел только в 2019 году. Так что, будете читать?

Такие же интересные истории можно рассказывать про 4D экстенсионализм, который позволяет более-менее компактно записывать происходящие во времени изменения, быстро договариваться о процессах и их представлении, согласовывать понимания разных людей в моделях деятельности. Более-менее строгим рассуждениям о системах в физическом мире учат буквально в паре мест в мире, число выпускников – пара сотен человек на много миллиардов жителей Земли. Книжка Криса Партриджа BORO book[90 - https://yadi.sk/i/2SgjvILB3PqJEZ (https://yadi.sk/i/2SgjvILB3PqJEZ)], рассказывающая об этом и рекомендуемая нами, практически неизвестна широкой публике. А ведь без неё очень трудно понимать системный подход, и трудно увязывать знания разных дисциплин о физическом мире в одно целое. При этом фронтир тут тоже поменялся, и теперь речь идёт о конструктивных онтологиях, которые части-целые представляют не как объекты в отношении часть-целое, а как конструируемые какими-то операциями объекты – и это даёт возможность думать и о частях-целых для воображаемых/математических/ментальных объектов[91 - https://ailev.livejournal.com/1653296.html (https://ailev.livejournal.com/1653296.html),].

О «бизнес-процессах» трудно договориться, если не знать идеи 4D экстенсионализма, изменения ведь трудно «увидеть», видят-то люди вещи и привыкли обсуждать «вещи», процессы трудны для мышления. Книга Криса Партриджа ведь как раз об этом. Идея проста: все изменения в мире происходят от взаимодействия физических объектов-индивидов. Следовательно «процесс» определяется входящими в него вещами, изменяющимися во времени. Приходите на производство и проверяйте: входят ли окружающие люди и вещи (оборудование, материалы) в процесс – и вы мгновенно договоритесь о границах процесса, о его особенностях. Если не будете привязывать процесс к физическому миру, а наоборот, будете пытаться использовать «классификаторы» (то есть повышать, а не понижать уровень абстракции) – не договоритесь никогда, что мы постоянно и видим в жизни. При этом может оказаться, что даже несколько сот лет существующую систему двойной итальянской записи в бухгалтерии придётся переделывать, она тоже уже не современна[92 - https://www.academia.edu/95095498 (https://www.academia.edu/95095498)]!

То, что системный подход помогает бороться со сложностью – это вроде как все признали. Но он сегодня по факту неизвестен: системное мышление представляется широкой публике или «систематичным» (то есть скрупулёзной проработкой всех клеточек в какой-то неведомой таблице, обходом всех веток каких-то неведомых деревьев решений), или «холистичным» с невнятными призывами тщательно думать, поскольку «всё со всем связано». Это и так понятно, что нужно тщательно думать, но как это конкретно помогает бороться со сложностью?! Ответа на этот вопрос нет, если не заглядывать в учебник современного системного мышления. Но ведь в этот учебник мало кто заглядывал! Этой дисциплине на русском языке ни в школе, ни вузе не учат! Впрочем, и на английском языке этому учат только системных инженеров, но со сложностью в проектах должны ведь совладать все! Тут нельзя думать, что можно сдвинуть всё это системное мышление на AI: без системного мышления вы ведь просто не догадаетесь задать хороший вопрос, поэтому не получите хорошего ответа. Как когда-то шутили про теорию решения изобретательских задач, «ТРИЗ помогает хорошему инженеру, а плохому инженеру не помогает», так и тут: AI как очень умный собеседник помогает другому умному собеседнику, а дураку общение с очень умным собеседником не поможет, он не догадается поговорить о важном, или просто не поймёт, что там важного в ответах, которые ему говорит умный собеседник.

Системный мыслитель про весь мир думает как про наборы вложенных друг в друга и взаимодействующих на каждом уровне матрёшек системных уровней – да ещё и много матрёшек в каждой, да ещё и эти матрёшки непрерывно эволюционируют. Свойства этих матрёшек на каждом уровне вложенности не совпадают со свойствами той матрёшки, в которую они вложены. И каждый уровень такой «мировой матрёшки» (верхняя матрёшка – вселенная с галактическими кластерами, нижняя матрёшка – какие-нибудь квантовые суперструны, но большинство интересного происходит на небольшом числе средних уровней физических объектов – живые клетки, организмы, космические корабли, транспортная инфраструктура Земли представляют собой очень узкий диапазон размеров) обслуживается своим экспертным сообществом, разобравшемся, как этот уровень матрёшки устроен. Понимание, как этот уровень матрёшки устроен, меняется каждые несколько лет, эволюцию знания не остановишь. Вот если у тебя есть такой «матрёшечный» взгляд на мир, и ты ещё привык сначала смотреть на ту обычно находящуюся в чужих руках матрёшку, в которую вкладывается находящаяся у тебя в руках матрёшка, и только потом раскрывать свою матрёшку-в-руках – вот тогда ты системный мыслитель. Всё остальное – бантики и рюшечки, мелкие уточнения.

Уже в самом конце 20 века при разбирательстве с этими матрёшками-системными-уровнями появилось понятие «проектная роль» (матрёшки же всегда у кого-то в руках, и они нужны им для чего-то!), и это отразило идущий в философии уже сто лет «прагматический поворот». И уже в 21 веке этот ход на прагматизм и проектные роли был довершен: жизненный цикл стал восприниматься не как набор работ, а как набор практик – деятельности людей над частями этих матрёшек, и сразу стало понятней с мультидисциплинарностью в проектах, а само системное мышление после обсуждения уже в 21 веке начало рассматриваться как часть мышления сильного интеллекта, вошло в самые разные транисдисциплины интеллект-стека.

В 21 веке системный подход опять поменялся, в 2020 году он не такой, каким был в 2000 году, а в 2000 году он не такой, каким был в 1965, в 2030 году (немного уже осталось!) он будет не такой, как сегодня.

В интернете вы увидите огромное число учебников системного мышления, написанных по идеям 1965 года (первое поколение системного мышления), а не 2020 года (второе поколение системного мышления). Но самые интересные работы физиков и биологов по системному мышлению вышли в 2021—2022 годах, и системное мышление стало мышлением третьего поколения[93 - https://ailev.livejournal.com/1656653.html (https://ailev.livejournal.com/1656653.html)]!

Но это полбеды. Беда в том, что призывы к изучению системного мышления есть, а массового обучения системному мышлению нет! Как будто это просто «мышление опытных людей», а не какое-то мышление, которому можно просто взять – и научить, как учат той же ньютоновской физике, или даже как в учебных программах по машинному интеллекту начинают потихоньку учить байесовской логике.

Алгоритмика была перепутана с компьютерной грамотностью, и бесконечно отстала от жизни. Основные вычисления населения идут сейчас в дата-центрах и инициируются через смартфон, но школьники продолжают учить, что «компьютер состоит из системного блока, клавиатуры, мыши и экрана». Где, где мышь в ноутбуках?! Какой алгоритм позволяет распознавать речь, мы ведь уже общаемся со смартфоном прямо голосом – без клавиатуры! По-прежнему этот гибрид пульта по вызову такси, телевизора, видеокамеры и персонального телеграфа называем «телефон», хотя звонит он уже крайне редко – общение уходит в чаты. Но как он работает? Для большинства людей на планете это чистая магия, и нет учебного предмета, который учит тому, что там происходит. Как взрывается атомная бомба – этому учим, а как переводчик Гугла переводит с фарси на испанский, и каждый год всё более профессионально, уж не хуже изучающего иностранный язык даже уже не школьника, а студента вуза – вот этому не учим, это абсолютная магия.

Алгоритмика живёт сегодня даже в сознании программистов, обученных десяток лет назад, только в виде невнятных идей. И тут ещё приходят квантовые компьютеры, которые имеют дело не с информацией в битах, а со сверхинформацией в кубитах. Об этом не могут говорить даже большинство профессиональных программистов, а с точки зрения обычных людей квантовый компьютер и вовсе шайтан-машина. Но ведь квантовый компьютер намерен быть ровно той шайтан-машиной, которая резко усилит совокупный интеллект человечества. Мы будем учить школьников в школе ньютоновской физике в подробностях, или расскажем хотя бы «на пальцах» принцип работы квантового компьютера? Вообще, кто и где будет давать понятие вычисления в общем виде в учебных программах? И программирование: как говорит Karpathy, самый модный язык программирования сегодня – английский, а программировать надо нейронные сети, настраивать на конкретную задачу универсальные алгоритмы (и это программирование собственной нейросети, программирование нейросети AI, программирование нейросетей ваших друзей и сотрудников и даже программирование коллективной нейросети вашей организации, которая состоит из нейросетей сотрудников и нейросетей в её софте). Современному человеку неплохо бы хоть как-то быть знакомым с происходящим, чтобы не оказаться в мире магии, где надо знать точное заклинание, чтобы вызвать демона из системы искусственного интеллекта, и дальше демон продемонстрирует чудеса, недоступные для понимания.

Если мы хотим, чтобы население как-то справлялось со сложностью окружающего мира, то нам нужно обучать это население (от школьников до профессоров) современным мыслительным трансдисциплинам. Обучать явно, быстро и эффективно. Мыслительные трансдисциплины ни разу не сухая теория, они практичны, они организуют продуктивную деятельность, они поддержат коллективное мышление.

Увы, тут нужно написать, что польза современных трансдисциплин «потенциальна», а не «актуальна». Актуально польза трансдисциплин проявится только тогда, когда понятизация, собранность, семантика, математика, физика, онтология, алгоритмика, логика и так дальше по всему интеллект-стеку в его современной версии, овладеют массами. Не массы овладеют сильным мышлением, а сильное мышление массами, тут должно быть без иллюзий – массы должны быть завоёваны этим мышлением, сами массы добровольно овладевать новым мышлением не будут. Ждать этого овладения можно долго. Чтобы ускорить процесс, массы системному мышлению нужно учить. Ага, «жалеть и учить, жалеть и учить».

Можно говорить о том, что миру надо дать коллективный иммунитет от глупости[94 - https://ailev.livejournal.com/1520730.html (https://ailev.livejournal.com/1520730.html)]. Ибо каждая новая версия интеллект-стека (он меняется ежегодно! Прогресс неостановим!) означает, что владеющие этой версией люди и машины (AI) умней, чем владеющие предыдущими версиями интеллект-стека. То есть эти агенты умнее, в буквальном смысле этого слова.

Так что вам придётся напрячь расслабленный поп-культурой мозг: это привет из вашего завтра, где конкуренция не даст скидки на неграмотность. Миром начинают править удивительно крепко подкованные в «технарском» мышлении люди. Они не ходят в костюмах, они ходят в футболках, а гуманитарии у них на службе и на их содержании.

Основная причина, почему скоропостижное обучение на «трёхдневных курсах» непрерывно появляющимся новейшим прикладным практикам типа TameFlow в менеджменте или Jobs-to-be-done в инженерии не помогает – отсутствие фундаментального образования в части трансдисциплин, то есть отсутствие мастерства рассуждать правильно (логика!), координировать свои действия с другими людьми (методология!), управлять вниманием (собранность! со времён изобретения йоги и даосских медитаций в этой предметной области тоже немало произошло, в том числе за последние двадцать лет), строить модели (семантика, онтология, рациональность!) и вычислять по этим моделям (алгоритмика!), давать оценки применимости этих моделей (исследования!), точно выбирать тот кусок мира, для которого строится модель и разворачивается вся деятельность (системная инженерия!), занимать свою роль в разделении труда (методология!), вовремя замечать неадекватность своих действий и исправлять ошибки мышления (логика!), не вредить при этом (этика!) … этот список можно продолжать и продолжать, и этому нужно учить со школы, в явном виде.

Пока же мы имеем даже в лучших учебных заведениях образование от педагогов-геронтократов. Геронтократов не по своему возрасту, а по возрасту тех замшелых идей, которые они выучили от своих преподов, а те от своих. Педагогика/андрагогика/хьютагогика (включая тех инженеров и менеджеров, которые вдруг начали преподавать) сегодня преподаёт не state-of-the-art трансдисциплин, педагогика преподаёт традицию, догму предыдущих веков – никогда не преподаётся предмет, по факту преподаётся история предмета. Вот как философия: философствовать никто не учит (да это и не нужно никому!). Зато учат истории философии, вставили это в образовательные программы в обязательном порядке!

То же самое безумное отставание обучения от жизни происходит с любым предметом. Пустите инженера преподавать инженерию: он, как генерал, который всегда готовится к прошедшей войне, будет учить студентов разбираться с допотопными конструкциями, будет «история инженерии». Это счастье, если где-то в этой истории доходят до науки, инженерии, искусства конца 20 века. Но с конца 20 века прошли уже десятки лет! «За время пути собачка могла подрасти»!

Мировоззрение как текущий интеллект-стек всё-таки более-менее стабильно, оно существенно меняется за пару десятков лет. Это прикладные практики меняются каждые 4—5 лет, в соответствии с циклом хайпа Гартнер[95 - https://ru.wikipedia.org/wiki/Gartner (https://ru.wikipedia.org/wiki/Gartner)], в соответствии с ритмом смены информационных технологий, в соответствии с ритмом инвестирования во множество стартапов по всему миру. Фундаментальное знание трансдисциплин живёт дольше, на него можно опереться.

Но нельзя опираться на своё фундаментальное образование больше пары десятков лет! Если вы более-менее выучились мыслительному мастерству к 22 годам, то в 42 года обязательно нужно учиться снова, и содержание вашего образования будет другим! Если вы вот прямо сейчас пройдёте наш курс с очень кратким описанием пока ещё наисвежайшей версии трансдисциплин интеллект-стека, сделайте пометку в календаре – пройти его ещё раз через пяток лет! Хотя сейчас всё так быстро меняется, что и три года тут может быть более полезным предложением. Трансдисциплины меняются так же быстро, как и любые другие прикладные дисциплины, это нельзя игнорировать.

Современное мировоззрение основной массы населения земного шара насквозь мифологично. Старинная аристотелевская логика – допотопный миф, давно заменена математической логикой. Старое системное мышление, в котором не было ещё людей в их разнообразных проектных ролях – антикварный миф. Старая алгоритмика, в которой ещё не было квантовых компьютеров – древний миф. Новой рациональности нужно учить всё население, от школьников до маститых учёных – хотя учёных будет учить ещё сложней, им очень трудно принять роль ученика! Макс Планк ещё замечал: «Не следует думать, что новые идеи побеждают путем острых дискуссий, в которых создатели нового переубеждают своих оппонентов. Старые идеи уступают новым таким образом, что носители старого умирают, а новое поколение воспитывается в новых идеях, воспринимая их как нечто само собой разумеющееся»[96 - https://ru.citaty.net/avtory/maks-plank/ (https://ru.citaty.net/avtory/maks-plank/)].

Мрачно пошутим, что ситуация с этим только ухудшилась. Никакого застоя в науке нет, по сравнению со временами Макса Планка всё только ускорилось, но зато есть увеличение продолжительности жизни носителей старых научных идей и увеличение их бюджетов за счёт денег налогоплательщиков. А поскольку речь идёт не больше и не меньше, как о мировоззрении, о мыслительных трансдисциплинах, то тут холивары могут идти столетиями. Это вам не смена теории флогистона теорией кислородного горения[97 - https://ru.wikipedia.org/wiki/Флогистон (https://ru.wikipedia.org/wiki/%D0%A4%D0%BB%D0%BE%D0%B3%D0%B8%D1%81%D1%82%D0%BE%D0%BD)] буквально за несколько десятков лет!

Так что мы в 20х годах 21 века попали во что-то типа интеллектуального средневековья, только со смартфонами и искусственным интеллектом. Попытки заглушить телеграм и твиттер в самых разных странах, выпустить единый набор учебников для школьников всей страны как раз из этого разряда: все всё понимают, но против современной инквизиции ничего поделать нельзя – рациональные аргументы не работают, когда сознание широких масс (включая законодателей!) насквозь мифологично.

Ошибки не в самой политике, а ошибки в мышлении, в незадействовании современный версий мыслительных дисциплин для выработки политических решений. Рациональность, которая вроде как была обретена человечеством в целом, оказалась эфемерным достижением – её вроде как уже и нет, просвещённые на базе старинных версий трансдисциплин и непросвещённые вообще без задействования трансдисциплин интеллект-стека мнения оказываются одного примерно качества, дикарского.

2. Понятизация

Быстрое мышление через поиск ассоциаций

Понятизация – это практика как-то находить предметы похожими друг на друга и на этой основе выделять какие-то «фигуры из фона», выделять объекты наблюдения и действия (смотрю на гвоздь и забиваю его, смотрю на палящее солнце и загораживаюсь от него) из огромного числа потенциальных окружающих объектов. А ещё эти объекты надо как-то называть (необязательно словами, это иногда называют маркировка/labeling/означкование), и поэтому общее название роли поэт, у которого практика «разглядеть что-то в пестроте будней – и как-то обозвать».

Метафору понятизации и связанных с ней трудностей можно найти на вот этой картинке (в каждой шутке есть доля шутки):

Тут нужно уметь ещё отличать имена предметов (name) от самих предметов (thing), обозначаемых именами, то есть уметь понимать разницу не только между крестами и кольцами (предметами), но и между крестами металлическими и крестами католическими (понятиями).

По большей части речь идёт о врождённой части нейросетевого (в том числе человеческого, но есть гипотезы, что вообще вся вселенная в каком-то роде огромная нейросеть) интеллекта: умение группировать воспринимаемые в физическом мире объекты и воспринимаемые «умозрительно/умочувствовательно» понятия как объекты по их похожести, равно как и понимать, что за звуками речи и символами на письме скрываются понятия.

Именно врождённая понятизация лежит в основе быстрого мышления (мышления-1, режим работы мозга S1) по Даниэлю Канеману[98 - хорошо описано у него в книжке «Думай медленно… решай быстро» – https://www.amazon.com/Thinking-medlenno-reshay-bystro-Russian/dp/5170800533/ (https://www.amazon.com/Thinking-medlenno-reshay-bystro-Russian/dp/5170800533/)].

В машинном интеллекте это «быстрое» понятийное мышление хорошо реализуется глубокими нейронными сетями (deep neural networks). Но необученная нейронная сеть бесполезна в плане мышления примерно так же, как новорождённый ребёнок. Чтобы размышлять даже «быстро», «интуитивно» (про логичное мышление пока молчим), людям с их «мокрыми» нейронными сетями и искусственным нейронным сетям на самой разной аппаратной основе (классические компьютеры, оптические компьютеры, квантовые компьютеры, аналоговые мемристорные компьютеры и т.д.) нужен некоторый жизненный опыт, насмотренность/наслушанность/наработанность. Нужно долгое (для людей – многолетнее) и дорогое познание/исследование – предобучение, а потом ещё и настройка на ту или иную предметную область (профессионализация).

Маленький ребёнок насматривается, наслушивается, наигрывается – он тренирует нейронные сети в своём мозгу. Это неважно, что его не учили писать, читать, логично размышлять. Говорить ребёнок сможет, какие-то проблемы решать (обобщать примеры ситуаций, виденные им в жизни на новые ситуации, в чём-то похожие на старые) ребёнок тоже сможет. Даниэль Канеман подчёркивал, что режим S1 вполне обеспечивает речь, это вовсе не только «образное мышление», «визуальное мышление». Символические рассуждения в S1 вполне возможны! Невозможно только «алгеброй гармонию поверить», если что-то «показалось» или «почудилось», то в этом режиме нельзя логически покритиковать «привидевшееся» и отвергнуть. Хотя интуитивно и это можно, умение вести логические рассуждения появляется как эмерджентное свойство, оно тоже может познаваться/learn на примерах, и потом обобщаться.

S1 обеспечивает быстрые, неточные, с большим числом логических ошибок результаты. Кроме того, S1 не может объяснить полученные результаты. Но интуиция, «нюх» (включая самые разные математические, логические, физические интуиции), самые разнообразные ассоциации – это всё S1 поддерживает.

Если человек или компьютер с нейросеткой много видел, участвовал во многих ситуациях, много читал, много смотрел видео (и не только художественных фильмов, но и документальных фильмов), то речь у него будет богатой, ассоциации точными и не ограниченными одной модальностью восприятия (видео, аудио, кинестетикой, вкусом, запахом).

Сколько это – много? Это зависит от размера нейросетки. Есть работа[99 - https://arxiv.org/abs/2203.15556 (https://arxiv.org/abs/2203.15556), пояснения на русском с https://t.me/gonzo_ML/1216 (https://t.me/gonzo_ML/1216)], показывающая зависимость размера нейросетки от оптимальной «насмотренности»: если насмотреться меньше, то аппаратные возможности недоиспользованы, если насмотреться больше – результата не будет, только зря потраченное время на познание, «некуда запоминать результаты». Если очень грубо, то для 40—70 млрд параметров нейросети для обучения надо предъявлять последовательности из 1.4 триллиона токенов (токен – это какой-то элемент как потенциальный носитель смысла, например пиксель, воксель, аудиоотсчёт, буква, слог или часть слова – корень, суффикс, приставка). Мощность человеческого мозга по отношению к оптимальности практически неограничена, нужно довольно долго (сейчас – порядка двадцати пяти лет) насматривать/нарабатывать/начитывать мозг, чтобы он начал выдавать приемлемые результаты мышления. Но нет насмотренности – привет на работе пятилетнему ребёнку, он тоже человек, просто насмотренности поменьше!

Большие языковые модели (large language models), с которыми работают сейчас в области AI, тут мало отличаются: они начитаны, удивительно творческие, хорошо пишут школьные сочинения и даже журнальные статьи, но удивительно глупы: в сгенерированных ими текстах есть ошибки, и эти сетки не трудятся их обнаружить и исправить. Со временем эта ситуация исправляется, ошибок у нейросетей меньше и меньше, и у взрослых людей ошибок меньше и меньше, но всё равно это не полная безошибочность строгого математического вычисления.

Первая же догадка, которая приходит «на ум» (живому человеку или компьютерной нежити) выдаётся как результат. Если догадка была в связи с очень похожей на уже встреченные в жизни ситуации (опыт имеет значение!), то всё ОК. Если ситуация отличается, то вероятность ошибки догадки тем больше, чем больше отличается новая ситуация от ранее встреченных. Так что начинаем мы с практики понятизации, как самой основы мышления, но практики абсолютно недостаточной для качественного мышления.

К слову сказать, и людей, и нейронные сетки учат сейчас распознавать и такие объекты как «ошибка»: люди могут буквально физически чувствовать при этом «ошибку» (например, чувство какого-то «дребезга» при сопоставлении слова и подразумеваемого им типа, например, чёткое ощущение чего-то не того в фразах типа «все три зверя чувствуют себя хорошо: слон, муха и арбуз». Идёт замедление хода мыслей, обрабатывается вот это ощущение «что-то тут не то!»).

?

Передача субъективного опыта

Модальности восприятия – это восприятия от наших пяти чувств: видео (зрение), аудио (слух), кинестетика (ощущения в теле – и тут много всего разного, включая проприорецепцию/проприоцепцию), ольфакторное (обоняние), густаторное (вкус). В какой модальности происходит понятизация? Ибо мышление идёт вроде как «в понятиях», амодально. Понятизация – это как раз «ввод-вывод для мышления», как раз про проявление абстрактных понятий в сознании, осознанности «содержания мышления».

Понятизация поэтому существенно связана с органами чувств, а также нашими представлениями «в голове» о нашем восприятии. «Внутри головы» мы визуализируем мысли в форме образов, аудируем в форме звуков, воображаем вкусы и запахи, а также представляем себе ощущения – «воображение работает ровно таким же образом, как и восприятие. Нельзя ничего почувствовать из того, что нельзя воспринять органами чувств». Но то, что мы можем воспринять извне, всё это мы можем и «вообразить», «галлюцинировать», «представить». Все эти «голоса внутри головы» и «картинки на внутреннем экране» реально существуют и представляют собой вполне работающие дополнительные интерфейсы к мозгу-вычислителю, как нейронной сети. Понятизация активно это использует.

Простейшая работа с нашим восприятием заставляет задуматься, как же мы представляем себе какие-то объекты. Например, в курсе системного фитнеса просят обратить внимание на кинестетическую модальность – представить себе ощущение обмякания каких-то мышц. Надо именно напрячь-расслабить какое-то место в теле, попробовать дорасслабить его вдогонку естественному расслаблению – и запомнить ощущение как «кинестетическую гифку, маленький фильм дорасслабления». А затем обращаться с этим воспоминанием как словом/знаком на «телесном языке» (всё есть текст!). Что же тут может пойти не так? Удивительно много:

• Можно запомнить дорасслабление как визуальный образ, не обращая внимания на ощущения тела. Дальше теряем время: вспоминаем визуальный образ, потом рефлекторно переходим от него к «мышечной памяти» и только тут начинается действие.

• Запоминаем ощущение в теле, но оно запоминается не как «развёрнутое во времени изменение в ощущении», а как «статичная фотка».

• Запоминаем не ощущение, а последовательность действий, приводящая к этому ощущению, и туда наверняка попадает что-то лишнее. Например, можно сразу расслабить-дорасслабить место в теле. Но запоминаем почему-то сначала напряжение, которое нам нужно было только для того, чтобы начать расслабление. Его не нужно, если уже место в теле расслаблено, а дальше надо только дорасслаблять сознательно. Но мы сначала вспомним последовательность операций, затем выполним лишнее напряжение, а потом уже начнём дорасслаблять.

• … ещё много подобных ситуаций. Люди плохо работают с кинестетической модальностью: не обращают внимание на ощущения в теле. А ведь интуиция часто проявляется в кинестетической, а не аудиальной или визуальной модальностях, и уж совсем редко в форме запаха или вкуса!

Так что нужно тренировать работу с кинестетической модальностью – как восприятием мира в первом доступе (терминология взята в адаптации её в НЛП из теории автоматов[100 - https://ailev.livejournal.com/649230.html (https://ailev.livejournal.com/649230.html)]). Прямой доступ – это то, что поступает на датчики, то есть фотоны в глаза, перепады давления воздуха в ухо и т.д., дальше это кодируется датчиком и перерабатывается мозгом. Человек получает первый доступ в момент осознания восприятия, то есть человек осознаёт только результат обработки прямого доступа. Когда речь идёт о коммуникации, даже о попытке описать свои собственные восприятия первого доступа, мы выражаем это восприятие привычным нам языком – словами и жестами, картинками. В попытках описать восприятия первого доступа (ко внешнему миру или воображаемому/ментальному «внутри головы», это без разницы) мы уходим довольно далеко от точности выражения этого восприятия, если будем использовать слова, обозначающие какие-то абстрактные объекты, например «я ощущаю затруднение» (какое именно? что трудно?). Но мы можем поднять точность выражения, если будем заботиться о сенсорной обусловленности описаний (то есть отслеживать, что мы представляем мир довольно точно таким образом, как он выглядит, слышится, ощущается, пахнет, каков он на вкус – и ещё это в развёртке динамики, «гифками во всех модальностях восприятия»). И тут оказывается, что наличие языка и какой-то «насмотренности» накладывает ещё один фильтр: сенсорная обусловленность в понятизации профильтровывается только тем, что есть в культуре, культурной обусловленностью, поскольку, если чего в культуре нет (например, нет слов для передачи какого-то ощущения), вы передать его не сможете.

Предположим, у вас нет слов для передачи вашего ощущения для чего-то очень специфического из вашей практики – например, ощущения от расслабления чего-то в районе горла. Это называется «субъективный опыт». Передача субъективного опыта – это огромная проблема для философов. Но поскольку мы тут не занимаемся философией, мы эту проблему будем решать инженерно, «из первых принципов», то есть исходить из физики (и поступать так же, как поступают физики).

Роджер Желязны описывал, что два мага с изумлением обнаружили, что они видят заклинания по-разному: для одного это были ниточки с узелочками, а для другого лучики с блёстками. Вот это оно и есть. При этом, конечно, для визуальности у нас полно средств описать, что там видно – пока вы не увидите что-то типа вертолёта, который нужно будет описать Чебурашке, как в том анекдоте: «как бы тебе это объяснить? Апельсин знаешь? Ага, знаешь. Ну так вот вертолёт на него абсолютно не похож». А теперь опишите соседу, как вы чувствуете тальк, рассыпанный по полу – это ж просто кинестетика, да? Тело, которое вдруг начинает вести себя на скользком тальке совсем не так, как на земле, но и не совсем так, как на льду. И вы это тело воспринимаете не снаружи глазами, а в ощущениях, изнутри. Как это ощущение описать? Ощущение поцелуя, ощущения эээ… ну вы понимаете.

Итак, вы называете нужное вам ощущение «расгорлить» и понимаете, что никакие слова передать это ваше субъективное ощущение (субъективный опыт) другому человеку не помогают. Чтобы «расгорлить» (то есть представить это ощущение там, где вам надо – и получить эффект расслабления там, где надо), надо это представить – но передать из мозга в мозг ощущение нельзя! А уж если надо передать ощущение «расгорлить» компьютерной нейросетке, то это и подавно оказывается невозможным.

Тут помогает та же процедура, что известна физикам, когда они передают свои абстрактные понятия типа «ускорение свободного падения». Они задают какие-то операции во внешнем мире с понятными хорошо определёнными предметами, чтобы точно воспроизвести какой-то эксперимент. В эксперименте предусмотрено измерение, то есть обращение внимания на какой-то конкретный параметр системы в ходе взаимодействия объектов этой системы. Эксперимент уточняется и уточняется, пока не получается однозначным (например, не просто кидается дробинка и пёрышко с Пизанской башни, а падение делается в трубке, из которой откачан воздух – уточняются условия, убираются мешающие факторы, добиваются однозначного воспроизведения у разных людей).

Как понять, что такое красный? Выполните инструкцию: проколите на солнечном свету (конечно, тут мы поступаем как физики: долго описываем все условия эксперимента, необходимые и достаточные, чтобы получить результат измерения) пальчик булавкой, посмотрите на это место, там будет жидкость как раз красного цвета, хотя и разных оттенков. Или купите в магазине красную краску (попросите продавца продать «красную краску») и поглядите на неё. Ещё лучше выполнить пять-шесть разных замеров разными способами, чтобы как-то обобщить результат. Ощущения, понятно, запоминаются – и маркируются словом. Но передаётся от источника знаний не «краснота», а инструкция по её получению. Когда мы обсуждаем, как в эволюцию/развитие включить развитие внутреннего опыта, если мы не можем записать это знание в мемом где-нибудь рядом в книжке, то это тупик. Мы должны в мемом включать маркер для названия ощущения («красный») и пару-тройку инструкций по выполнению практики, как это ощущение получить. Другой объект: запоминается практика со знакомыми объектами, чтобы получить незнакомый внутренний опыт. Хотите узнать, что ощущает гимнаст во время сальто? Сделайте сальто, и вы это ощутите!

Не заметили подвоха в предыдущих строчках? Чтобы сделать сальто, нужно что-то сделать со своим телом, для этого нужно как-то им проуправлять (как? вы ж не делали никогда сальто?), а уж потом вы попадаете в сальто – то есть вы как гимнаст воспроизводите телом ощущения прыжка в сальто (но оно вам неизвестно!), а потом уже вы можете ощутить, что там в самом прыжке, если вы ухитрились туда как-то допрыгнуть. То есть сначала опытный гимнаст должен передать вам соматомеханическое описание (что там происходит с телом изнутри тела: сома – это как раз тело, как оно чувствуется изнутри тела) для захода в биомеханическое внешне видимое сальто вашего тела, чтобы потом вы оценили, как там оно в этом прыжке в ощущениях. То есть вы уже должны неплохо владеть сомой, чтобы выжимать из сомы всё новые и новые ощущения. Ну да, вы уже должны знать про зрение, чтобы смотреть на «красный», а не слушать «красный», или не пробовать «красный» на вкус. Всегда есть какое-то базовое знание, вы обычно не с полного нуля начинаете, у вас уже есть какая-то насмотренность/наслышанность/начувствованность, а также наработанность как опыт манипулирования какими-то предметами, включая собственное тело.

Как тренеру системного фитнеса продемонстрировать обмякание в ваших перенапряжённых мышцах, чтобы дальше вы могли работать с этим ощущением? У всех эти мышцы перенапряжены в разных местах, внутри себя все чувствуют разное (описывают это как жжение, давление, «тянет», «прёт», набухает, холодит и т. д. – и часто это ещё и совсем другие ощущения). Всё просто: вы проводите ряд операций типа подавить рукой на стенку с разной силой, а потом прекратить давление – и обратить внимание на ощущения, да ещё сознательно попытаться его усилить, «доотпустить мышцу», сопроводить этот сброс усилия. Не всё, конечно, вот прямо так просто (то есть как и в случае «выйди на солнышко перед тем, как смотреть на пальчик», чтобы было точно «красное», а не «в темноте все кошки серы», нужно выполнить несколько дополнительных условий, повышающих вероятность того, что вы ощущаете ровно то, что нужно), и давите затем вы ногой, лбом – пытаясь обобщить это ощущение сброса усилия мышцами. Запоминаете это под названием «обмякание». Пытаетесь воспроизводить с самыми разными регионами тела (вам же даже названия мышц не нужны!), поднимаете вашу чувствительность к «обмяканию» (новое ощущение! но вы уже знаете, каково оно, поэтому можно захватить его вниманием и отслеживать его маленькие изменения!), добиваетесь беглости воспроизведения сброса усилий мышц в разных частях тела «по памяти» (то есть не надо давить куда-нибудь, чтобы получить ощущение обмякания, а нужно просто дать сознательную команду – «сбрасывай усилие», мышцы обмякнут, и вот оно – ощущение «обмякания», воспроизведённое по вашей уникальной памяти). Как записать это уникальное знание «обмякания», чтобы потом обсуждать его, передавать от человека к человеку, оно ж абсолютно уникально ощущается в каждом мозгу, в каждом теле?! А вот так, процедурой «подготовка измерения, проведение измерения, передача результата измерения в память». И, конечно, «результат измерения по заданной процедуре» получает название, которое можно использовать при обсуждении. Вот это самое «расгорлить» можно передать по вот этой процедуре.

Возьмём случай посложнее. Вот собранный человек с хорошо развитым сознанием, которое понятийно наводит внимание и умеет каким-то образом не терять это внимание подолгу. Те, кто занимаются просветлением, берут коан (любая бессмысленная мысль, смысла которой понять заведомо невозможно – вам же нужно занять ум задачкой, у которой заведомо нет решения, чтобы задачка никогда не кончилась! Смысла заведомо не должно быть, чтобы вы вечно могли его искать!) и удерживают его во внимании. Оказывается, это можно тренировать, как цирковой трюк: удерживать размышление над бессмыслицей весь день, а потом ещё и полночи (быстрый сон), а потом еще и всю ночь (медленный сон). Ура, после круглосуточного удержания внимания ваш мозг попадает в особый режим круглосуточной работы сознания, вы можете называться «пробуждённым» (другое название того же самого – «просветлённый»), ибо вы спите, но ваше сознание как удержание внимания на задаче работает. Полностью бессмысленное дело, цирковой номер, ни на что не влияет, занимает кучу времени, но вам же хотелось узнать «каково оно, быть пробуждённым/просветлённым» изнутри? Вот, как раз операционный рецепт, цифровая (точно воспроизводимая, словесная, знаковая) память, нужная для эволюции, простота репликации, точность повторения (это повторяли сотни тысяч людей! Просветлённых на Земле и сейчас десятки тысяч в странах, где практикуют буддизм, индуизм, ламаизм). Нужно только выполнить последовательность операций, потратить от двух до шести лет жизни. Эффектов для интеллекта от этого особо никаких не получите (скорее, наоборот – число лауреатов нобелевской премии в странах, где много просветлённых пониже, и вообще уровень жизни пониже, если бы люди от такого умнели, всё было бы по-другому[101 - https://ailev.livejournal.com/428032.html (https://ailev.livejournal.com/428032.html)]), хотя внутри мозга это очень, очень приятно.

Альтернатива: удерживать внимание путём записей (на бумаге или в компьютере – это уже становится непринципиальным), записи помогут удержать внимание на каком-то предмете и на пять лет, не только на время сна! А за приятными ощущениями проще сходить в баньку попариться, или послушать хорошую музыку, покушать клубнику со сливками и т. д. Можно понять попов/жрецов и прочих продавцов религиозных мемов: чтобы затащить к себе, они дают подобные ощущения «кайфа от нестандартных режимов работы мозга», и человек на них подсаживается – всё, вот ещё один монах, который искренне рассказывает, что можно получать кайф вот таким извращённым способом. Репликация мемов практики работы с вниманием! Но можно ведь без кайфа и цирковых эффектов удержания мозга в несколько лет тренируемых режимах, а просто быть осознанным и собранным для работы. Более того, можно этими альтернативными «техническими» методами удерживать собранность и коллектива! И даже не надо заботиться о телепатии, если полагаться на смартфон, который по большому счёту эту проблему «передачи мысли на расстояние» решил, и решил надёжно, дёшево и без затрат на обучение и тренировки. Этот инженерный подход в сто раз быстрее и в тысячу раз полезнее. Поэтому субъективно ощущаемая «собранность» передаётся тоже словесно, тоже записывается – но эта собранность (включая собранность, поддержаную экзкокортексом/моделером) как субъективное ощущение не может быть описана, как она ощущается изнутри. И всё же она описывается: как набор операций, приводящих вас в состояние, когда вы просто её ощущаете, то есть становитесь собранным.

Для «расгорлить» вы придумываете последовательность упражнений, в которых внимание того, кому вы хотите это передать, направляется на какое-то расслабление («подними гирю правой рукой на упоре, затем отпусти гирю – почувствуй, что у тебя расслабляется», «повтори другой рукой» и т.д., далее инструкция на генерализацию – всё это обобщается как «расслабление где-то»). Дальше можно дать какие-то упражнения, где мышцы напрягаются уже не гирей – внимание знает, как искать где-то в теле «расслабление». Далее надо задать упражнение, которое чуть-чуть напрягает мышцы в горле, которые надо расслабить. И потом сознательно надо усилить это расслабление «вдогонку», то есть «дорасслабить» сознательно. Полученное конечное ощущение после действия сознательного «дорасслабления» в горле – это и есть результат операции «расгорлить». Всё, достаточно теперь сказать, что надо «расгорлить», и мы получим искомое состояние, просто сознательно выполнив это «дорасслабление в нужном месте» без предварительных нагрузок и других упражнений. Время изготовления навыка какого-то телесного действия, время использования навыка – получения нужного состояния, достижения заданных ощущений, индивидуально воспринимаемых каждым в их первом доступе, но трудных в словесном выражении.

Выполнить всё это оказывается возможным, если мы даём инструкции на сенсорно-обусловленном, а также культурно-обусловленном языке (не обязательно словами! Кинестетика, если эти ощущения нам знакомы, это тоже текст, причём «слова» там могут быть «гифками», то есть это всё динамическое, а не статическое. Слова речи «в голове», они ведь тоже «аудиогифки», меняющиеся во времени фонемы, а не «один статичный постоянный звук»! ).

Конечно, тренировать сенсорную обусловленность и преодоление культурной обусловленности нужно для всех модальностей, не только кинестетической. Например, хорошо бы понимать, что происходит в визуальной модальности – «картинки внутри головы» не самый плохой интерфейс к нейросети, эти картинки вполне могут становиться сами по себе объектами внимания точно так же, как и внешне воспринимаемые зрительные образы. Но как и с кинестетическими «образами», нельзя считать, что мышление идёт именно в визуальной модальности. В европейской культуре визуализации «внутри головы» обычны для мыслящих людей, с детства они работают с диаграммами и художественными сложными образами, схемами и иллюстрациями. В культуре индейцев визуализация мышления – это дар богов, или нужно пить психотропные вещества, чтобы тебя «посетили видения». В книге «Визуальное мышление. Доклад о том, почему им нельзя обольщаться»[102 - https://ridero.ru/books/vizualnoe_myshlenie/ (https://ridero.ru/books/vizualnoe_myshlenie/)] рассказано, что полагаться именно на визуализацию, как основной способ мышления, неправильно:

https://ridero.ru/books/vizualnoe_myshlenie/

?

Нейросемиотика. Нейросемиотическое программирование

Понятийное мышление вполне синестезийно в части представления его результатов как доступного восприятию, то есть которые можно выделить вниманием, но абстрактно/внемодально в части понятийной работы, не привязано к каким-то определённым модальностям. Понятия представляются как некоторые области многомерного пространства, отвечающего всем возможным понятиям. И эти понятия могут затем отображаться как картины (или даже «фильмы/гифки»), звуки (или даже «речь»), ощущения (или «кинестетические гифки»), и т.д., или даже «всё это вместе и одновременно, тесно переплетённое», то есть синестезийно[103 - https://ru.wikipedia.org/wiki/Синестезия (https://ru.wikipedia.org/wiki/%D0%A1%D0%B8%D0%BD%D0%B5%D1%81%D1%82%D0%B5%D0%B7%D0%B8%D1%8F)] и идеастезийно[104 - https://ru.wikipedia.org/wiki/Идеастезия (https://ru.wikipedia.org/wiki/%D0%98%D0%B4%D0%B5%D0%B0%D1%81%D1%82%D0%B5%D0%B7%D0%B8%D1%8F)].

В машинном интеллекте те же тренды: языковые модели получают уже и для визуальных наборов данных, и наборов данных из подписанных картинок. Всё больше и больше исследователей замечают, что есть огромное сходство старого нейролингвистического программирования (NLP, neuro-linguistic programming)[105 - https://libcat.ru/knigi/religioznaya-literatura/samosovershenstvovanie/390938-dzhon-grinder-shepot-na-vetru.html (https://libcat.ru/knigi/religioznaya-literatura/samosovershenstvovanie/390938-dzhon-grinder-shepot-na-vetru.html) – описание подхода на русском языке, от одного из соавторов подхода, профессора лингвистики.] и современной работы с нейронными сетками в части естественного языка (NLP, natural language processing, сводимого сегодня к «пониманию человеческой речи на естественных языках»). Но так же, как понятийное мышление не визуально (ну, или «и визуально тоже», можно визуализировать результаты), оно не аудиально, то есть необязательно идёт «словами». Поэтому один из подходов тут может считаться нейросемиотическим/neurosemiotic[106 - The Routledge Handbook of Semiosis and the Brain, 2022: Neurosemiotics aims to identify and explain the neural processes and mechanisms that manifest as sign-relations in the animal kingdom, thereby supplying semiotic models to neurobiological accounts.] – это про то, каким образом формируются понятия и знаки в нейронных сетях, в том числе человеческом мозге, но и не только – компьютерные нейронные сети сюда тоже попадают, а ещё можно рассматривать и другие варианты вычислителей (семиотика – это наука знаках).

Модель мира отражается в многомерном ментальном пространстве понятий, а потом как-то становится доступной сознанию (иногда причудливым образом: уши слышат, как наш рот проговаривает какие-то слова – одна часть мозга генерирует речь, а вторая часть мозга обеспечивает восприятие этой речи как бы извне, но вот сама понятийная работа, само мышление как поиск решений проблем остаются «невоспринимаемыми» – я специально не употребляю тут модально-окрашенных слов «невидимыми», «неслышимыми», «не унюхиваемыми»).

Понятизация занимается тем, как соотносятся объект, его знак, понятие, значение, смысл в нейросети живой или не очень живой, или даже другом вычислительном субстрате с позиции восприятия этого вычислителя («я работаю с понятиями»), как вообще идёт означкование в каком-то вычислителе, какие алгоритмы можно применить в этом вычислителе для работы с понятиями. Нейросемиотика – это про понятизацию в нейровычислителях (в том числе человеческом мозге, но это могут быть и сообщества, и общества). Семантика занимается соотношениями между знаками, стоящими за ними понятиями и объектами, которые эти понятия отражают, причём с внешней позиции восприятия субстрата вычислителя («он работает с понятиями», а не «я работаю с понятиями»), вычислитель и его природа тут не так важны, сколько важно, с чем этот вычислитель должен работать – с отношениями знаков, понятий, объектов. Как в обычном программировании/информатике можно выделить алгоритмику (качественные алгоритмы, выдающие правильный результат за минимальное время) и семантику как вопрос о смысле вычислений, так и в нейролингвистическом/словесном или нейросемиотическом/знаковом в любой форме программировании можно тоже выделить понятизацию/алгоритмику (что делать, чтобы быстро и правильно думать о понятиях, знаках и предметах и как-то устанавливать между ними соотношениями) и семантику (каковы должны быть соотношения между знаками, понятиями и объектами, чтобы они имели смысл). Программирование/обучение/преднастройка на контекст может быть как живого человеческого мозга (трудно представить мозг кошки, хорошо работающий со знаками), так это может быть программирование/обучение/преднастройка на контекст нейронной сети в «неживых» вычислителях, «разговаривающий компьютер» уже вполне существует.

В какой-то мере самые разные последовательности не только букв, но и фонем в речи, нот в музыке, паттернов в чём угодно можно (и, наверное, нужно) считать текстом, следуя известной максиме Jacques Derrida[107 - https://ru.wikipedia.org/wiki/Деррида,_Жак (https://ru.wikipedia.org/wiki/%D0%94%D0%B5%D1%80%D1%80%D0%B8%D0%B4%D0%B0,_%D0%96%D0%B0%D0%BA)] «всё есть текст». Если вам пару веков назад бросили перчатку, то это такой «динамический знак» (жест), означающий вызов на дуэль. Это «словарное значение» знака, но их может быть и несколько разных («косил косой косой косой»). Вокруг текста как последовательности знаков (или даже одного знака) есть контекст, который уточняет значение текста (или даже одного знака) – ту область пространства понятий, куда мы попадаем. А то, зачем мы вообще занимаемся вычислениями с этим текстом, задаёт смысл: какое отношение к изменениям в физическом мире имеют эти вычисления.

Пространство понятий в знаках выражается квантованно/дискретизовано, ибо часто значение находится где-то там, где нет подходящего знака для его выражения («между точками дискретизации пространства понятий»), и приходится работать с пространством понятий через грубый язык, через знаки, а иногда и изобретать знаки – быть поэтом. Вот это и есть предмет понятизации. Представьте себе 100 оттенков синего цвета, и слова-знаки «синий» и «голубой» (при этом в некоторых языках даже может не быть слова «голубой»). Вот это типичная ситуация: требуется довольно много слов, чтобы выразить некоторые понятия. Потом их можно означковать, но это если они часто встречаются. Большинство понятий не имеют каких-то своих значков, но вполне выразимы на естественном языке.

Нейролингвистические программисты влед за Хомским говорят о поверхностной структуре языка (выразимой знаками, как изображение пикселями, а звук отсчётами амплитуды в какие-то дискреты во времени) и глубокой структуре (понятия, кодируемые нейросеткой, эти понятия обычно «промеж пикселей, результат вычислений», не точно соответствуют каким-то знакам). Знаки (поверхностная структура) тем самым представляют какие-то вехи, обозначающие места в понятийном пространстве (глубокая структура), поэтому иногда говорят о знаковой координатной сетке/grid (скажем, понятия разных синих цветов вам или больше доступны, если есть слова/знаки «голубой» и «синий», или менее доступны – вы хорошо можете различать голубой и синий цвет, но не сможете это хорошо выразить. Чем больше развит язык, тем точнее можно высказываться на нём. Ньютон писал свои трактаты на латыни, ибо тогдашний английский был как язык довольно убог).

Представьте себе, что у вас есть мир Майнкрафта и слова для каждого его объекта. А потом вам предлагают описать ваше реальное рабочее место только этими словами. Трудно, да? В этот момент вам захочется и как-то аллегорически или метафорически заговорить на этом языке, а иногда и новые слова в этот язык внести, а иногда переопределить значение уже имеющихся слов. По большому счёту, с естественным языком происходит ровно вот это: выражение на языке знаков (без разницы, синестетических, визуальных, аудиальных, динамических/жестов, кинестетических и т.д.) – это дискретизация, что-то типа АЦП, аналого-цифрового преобразования, а понимание выраженного знаками – обратный процесс, «цифро-аналоговое преобразование» со всеми вытекающими особенностями аналогового представления (например, невозможность многократного точного копирования, ибо при аналоговом копировании накапливается ошибка).

По большому счёту, значительная часть работы человеческого и машиннного (Bing, ChatGPT, Bard, ERNIE Bot и множество других систем AI на базе современных нейронных сетей) мыслительного мастерства сегодня проходит в простом и лёгком режиме S1 по Канеману. Из экспериментов в AI известно, что способности нейронной сети к научению растут с размером этой сети, и при достаточных размерах даже наблюдается рост способности к обобщению, а потом и возможность рассуждать[108 - https://ai.googleblog.com/2022/04/pathways-language-model-palm-scaling-to.html (https://ai.googleblog.com/2022/04/pathways-language-model-palm-scaling-to.html)]:

Человек в этом плане лучше, чем муравей или кошка. В мозгу человека множество разных нейронных сетей в разных частях мозга причудливо связаны друг с другом так, что появляется и понимание языка, и понимание шуток. А в мозгу кошки нейроны связаны друг с другом так, что понимание языка и шуток не появляются. А вот в искусственных нейронных сетях это всё появляется, но эти сети тоже должны быть не любыми, а специально устроенными.

Сами по себе проверки на ошибки в каких-то представлениях в нейронной сети не появляются, и огромные нейронные сети страшно ошибаются, если решаемые ими задачи вдруг становятся проблемами, то есть требуют разбирательства с новой предметной областью. Ребёнок, у которого не удерживается внимание, который не владеет логикой, но который много чего повидал и почитал – вот это и есть человек с хорошо развитым мастерством понятизации и отсутствием разных других видов мастерства. Это поэт, который легко отождествляет морскую звезду из монографии по биологии морских безпозвоночных и Патрика из мультильма Спанчбоб. Поэтому в его рассуждении морская звезда со дна моря вполне может сказать несколько слов и иметь друзей. Это поэзия, склеивание миров. В мире поэзии граф Дракула – вампир, а высказывание «вампиров не существует» заставляет графа Дракулу смеяться. Поэт интуитивно может расклеить разные миры, но может и не расклеить – ибо устранение ошибок смешивания рассуждений из разных контекстов делается обычно логическими проверками.

Мы начинаем учиться тогда, когда уже умеем выделить какую-то фигуру из фона: выделить объект (ментальный или во внешнем восприятии) и обнаружить сходство его с другим каким-то объектом, который вынимаем из нашей памяти. Начинаем с врождённого умения выделять объекты и обобщать способ, которым мы эти объекты выделяем (находим в объектах похожести). Это и есть понятизация – работа с понятиями, их ассоциирование/сопоставление друг с другом на предмет нахождения похожестей.

О том, что мышление человека существенно опирается на аналогии, на нахождение паттернов/закономерностей/связей/шаблонов/ритмов хорошо написано в книге Дугласа Хофштадтера «Гёдель, Эшер, Бах. Эта бесконечная гирлянда»[109 - https://ru.wikipedia.org/wiki/Гёдель,_Эшер,_Бах (https://ru.wikipedia.org/wiki/%D0%93%D1%91%D0%B4%D0%B5%D0%BB%D1%8C,_%D0%AD%D1%88%D0%B5%D1%80,_%D0%91%D0%B0%D1%85)]. Это книжка аж 1979 года (написана сорок два года назад), поэтому она давно уже неактуальна как «передовое знание человечества», но она являет собой хороший сборник примеров причудливости проявления аналогий и ассоциаций, хорошее введение в саму проблематику понятизации. За сорок с лишним лет после издания этой книги она перестала быть «передовой», и человечество существенно продвинулось в объяснении того, что в этой книге описано. Но главное – у человечества появилось машинное обучение, а в рамках машинного обучения появились большие языковые модели (large language models), которые показывают, каким образом появляется понятизация, дают возможность экспериментировать и возможности инженерной разработки устройств, которые выполняют понятизацию.

Всевозможные детские упражнения на «логику» типа «какой тут предмет лишний» – это, по большому счёту, упражнения не на логику, а на классификацию (отнесение предмета к какому-то типу на основании его похожести по каким-то критериям). Это как раз про понятизацию. Логика нужна была бы только в том случае, если нужно было бы объяснить, почему было принято то или иное решение по поводу отнесения объекта к типу, но для этого объяснения нужно будет много чего ещё уметь, кроме как выдать догадку, что же в ряду лишнее или что на что похоже.

Классические тесты на IQ – это тесты на часть понятизации, связанные с определением паттернов. Это хорошо показано в работе Fran?ois Chollet «On the Measure of Intelligence»[110 - https://arxiv.org/abs/1911.01547 (https://arxiv.org/abs/1911.01547)] (2019). По большей части это тесты, которые не требуют даже владения естественным языком[111 - https://lab42.global/arc/core-knowledge/ (https://lab42.global/arc/core-knowledge/)] (хотя там для людей бывают и лингвистические тесты, но это не главное там тестируемое, и компьютерные варианты этих тестов не обращаются к знанию языка для тестируемых на интеллект алгоритмов[112 - https://lab42.global/arcathon/ (https://lab42.global/arcathon/)]).

IQ тесты мало тестируют мастерство в других практиках интеллект-стека, хотя они и связаны тесно с собранностью (если у вас внимание отсутствует, то вы просто не помните, какой паттерн уже видели – и ничего повторяющегося в мире у вас нет. То есть для понятизации уже нужна собранность! Деление на отдельные практики интеллект-стека и выстраивание в последовательность довольно условно). И хоть понятизация лежит в основе интеллект-стека, это не самая большая его часть. Так что IQ не слишком коррелирует с успешностью в науке или бизнесе, хотя некоторая связь, конечно, есть. Но не такая прямая, как это обычно представляется. Люди со средним IQ могут получить хорошее образование и добиться больших успехов в науке. А люди с высоким IQ вполне могут иметь мастерство в других практиках интеллект-стека похуже, и не достичь особых результатов. Интеллект не определяется полностью качеством именно понятизации или собранности. Интеллект определяется совокупным мастерством мышления по дисциплинам всех практик интеллект-стека в целом.

?

?

Психопрактики для понятизации: внимание к кинестетике

Помощь в понятизации людям может прийти со стороны психопрактик фокусирования/focusing (вытаскивание инсайтов из телесных/кинестетических ощущений)[113 - https://www.b17.ru/article/46839/ (https://www.b17.ru/article/46839/)] и вытекающих из них практик концептуализации этих инсайтов thinking at the edge (TAE)[114 - http://previous.focusing.org/tae-intro.html (http://previous.focusing.org/tae-intro.html)]. По своим идеям эти практики очень близки к нейролингвистическому программированию, но выходят за классические рамки НЛП в том, что не работают чисто с «процессом», оставляя «содержание» где-то в глубинах нейросетки. Нет, это практика понятизации как работы с содержанием: «процесс» как раз вытаскивает содержание из нейросетки, вытаскивает субъективный опыт (первый доступ «внутри головы») – и пытается передать его другим людям, найти выражение для этого опыта.

TAE как практика начинает с внимания к ощущениям тела (это тоже знаки! Всё есть текст!), затем эти ощущения стабилизируются, затем они выводятся на уровень понятий (осознание того, что эти ощущения могут означать), затем этим понятиям даются имена.

TAE заходит довольно далеко и в практики интеллект-стека, которые находятся после понятизации, ибо кроме концептуализации/формализации/моделирования на поздних этапах там включается и логика тоже. Focusing и TAE продолжают линию метафора-ориентированной психотерапии, выводя терапию с пациентами (ремонт поломанных людей) за пределы терапии, превращая её в инженерию с клиентами (не поломанными!), обучение с учениками (не поломанными!). Авторы TAE пишут, что все «шаги» их процедур нужны только для того, чтобы научить. А потом «немые обретают язык, и выражают свою интуицию быстро и понятно». Это ровно то, что нам нужно на этапе осознания: из синестезии по линии либо визуальной (образы, всякие техники «ответа на экране»), либо кинестетической (как в психопрактике фокусирования, предтече TAE) получить какие-то тексты, характеризующие содержание пространства смыслов – для той его области, в которой часто и слов-то нет для обозначения новых, пока безымянных концептов. В TAE оговаривается, что даже при отсутствии слов для концептов можно использовать всю полноту естественного языка для выражения этих новых концептов, так что это тоже не препятствие.

Аналогичные TAE практики легко представить и в других модальностях (визуальной, аудиальной), не только кинестетической, как в оригинальном методе. В принципе, такое можно делать и в синестезии, это ведь тоже тренируется. Безмодальное/внемодальное пространство смыслов отражается в сознании синестезийно, и потом только осознаётся разными модальностями – ощущениями в теле, мелькающими перед внутренним взором картинками, слышимыми внутренним слухом звуками и т. д. Вот и использовать всё это богатство внутреннего представления мира. Модели мира внутри себя сознанием ощущаются ведь ровно так же, как мир снаружи: видео, аудио, ощущения и т. д. – только это «внутри головы». И даже пространство «внутри головы» такое же, четырёхмерное (3D и время).

Классическое нейролингвистическое программирование[115 - https://en.wikipedia.org/wiki/Neuro-linguistic_programming (https://en.wikipedia.org/wiki/Neuro-linguistic_programming)] жёстко критикуется психотерапевтами (почти всё содержание статьи в Википедии – это критика со стороны психотерапии), и часть этой критики верна. В том числе верна и в том, что это – не терапия, а больше инженерия. То, что предлагало NLP для людей, очень напоминает prompt engineering[116 - https://en.wikipedia.org/wiki/Prompt_engineering (https://en.wikipedia.org/wiki/Prompt_engineering)] для современный нейросетей: настройка/дообучение вычислений нейросети в мозгу (S1) с понятиями в контексте, задаваемом «подсказками»/промптами/prompts, причём без особого соотнесения с S2 (особо на это «программируем непосредственно S1, прямо обращаемся к вычислителю для S1, не трогаем S2» были направлены паттерны так называемого «нового кода»[117 - https://www.newcodenlp.org/ (https://www.newcodenlp.org/)] NLP). Многие сотни известных приёмов и практики (паттернов) нейролингвистического программирования[118 - Shlomo Vaknin, «The Big Book of NLP, Expanded: 350+ Techniques, Patterns & Strategies of Neuro Linguistic Programming», 2010, 828 страниц] вполне получают объяснение в свете современных воззрений на работу нейронных сетей, хотя как и с любым знанием, за почти полвека с момента появления тамошних практик их набор надо существенно чистить (напомним, это инженерия, а не «чистая наука о мозге», но инженерные практики меняются едва ли не быстрее, чем научные теории, к нейролингвистическому программированию это тоже относится в полной мере). Причём это «программирование»: в NLP это называется «работа по процессу, а не по содержанию» (внимание уделяются тому, «как думать», алгоритму, а не «о чём думаем» – ровно как в компьютерных программах на традиционных языках программирования внимание уделяется алгоритму, а не содержимому переменных, оно будет определяться потом, в ходе работы, когда входные данные определят значения переменных программы). Как ни странно, это не самая простая идея: в мире программирования разделение алгоритма (в NLP – процесса) и данных (в NLP – содержания), работа с алгоритмом как данными и данными как алгоритмами появилось не сразу и эти идеи могут принимать множество самых различных форм, учитывая и размытость между софтом и аппаратурой. Это верно и для людей: кошку и ребёнка можно научить каким-то условным рефлексам, но людей потом можно учить, просто сообщая им какие-то фразы, например, «не влезай – убьёт» (но для этого надо сначала людей научить языку, а кошку нельзя научить языку в силу плохой аппаратуры её мозга).

Оригинальное НЛП из 80х годов содержит некоторое количество инженерных решений в части моделирования «языковой модели внутри человека», а затем и в части обучения человека практикам программирования такой модели (обучения мозга, про плохую привычку: «как ваш мозг сумел это выучить?» – это не терапевтический, а инженерный вопрос!). НЛП было озабочено пониманием того, как работают результаты словесного программирования нейронных сеток людей, нейро (мозг) лингвистического (словами) программирования. А в современных искусственных нейросетках даже нет такого аспекта «работы с человеком, но не пациентом». Так что современная понятизация как-то должна объединить находки нетерапевтической/инженерной работы по моделированию человеческого совершенства (human excellence, предмет НЛП) и моделированию компьютерного совершенства (computer excellence, предмет computer science, hardware and software engineering и отдельных дисциплин типа artificial intelligenсe, deep learning и т. д. – всё, что работает с нейро-вычислителями).

3. Собранность

Агенты

Всё больше и больше физиков, которые вдруг занялись физичностью жизни, включая физичность интеллектуальной жизни, прибегают к использованию физики частиц[119 - https://arxiv.org/abs/2210.12761 (https://arxiv.org/abs/2210.12761) от Friston со товарищи, https://arxiv.org/abs/2301.10077 (https://arxiv.org/abs/2301.10077) от Ванчурин со товарищи, https://www.mdpi.com/1099-4300/25/1/129 (https://www.mdpi.com/1099-4300/25/1/129) вот от от Hoffman со товарищи, https://writings.stephenwolfram.com/2023/02/computational-foundations-for-the-second-law-of-thermodynamics/ (https://writings.stephenwolfram.com/2023/02/computational-foundations-for-the-second-law-of-thermodynamics/) от Wolfram, constructor theory https://www.constructortheory.org/ (https://www.constructortheory.org/) по факту про то же.]. Частицы/particles – это с одной стороны части, с другой стороны – «что-то особенное, обособленное от остального». В физике такие объекты обычно называют системами/systems: они состоят из чего-то внутри себя (подсистем, частей систем) и находятся в окружении/среде (environment), которое тоже состоит из систем – и имеют границу, которая различает их и окружение (то есть не расплываются в среде, а как-то поддерживают свою «самость», отдельность, автономность).