Относится к сборнику статей теори МВАП https://t.me/thinking_cycles
Можно заметить, что при освоении какой-то новой предметной области, человек поначалу просто запоминает отдельные правила и свойства элементов этой области. Он довольно быстро начинает оперировать ими, создавая впечатление специалиста. Это ясно наблюдается в случае освоения программирования, игры в шахматы и т.д.
Характерным следствием изолированной фрагментарности представлений бывает невозможность без подсказки понять схожие правила и свойства. Это ставит тупик на возможности адаптивного совершенствования модели понимания.
Когда человеку, никогда не занимавшемуся программированием, ставится задача освоить какой-то язык программирования, то используется такой бессистемный подход запоминания отдельных правил. Но когда человек уже выучил один язык программирования и приступает к изучению другого, а времени у него достаточно, то он начинает с выявления схожего и различного, возникает некий начальный каркас представлений, в котором уже будут обозначены основополагающие элементы и потом уже сам дополняет такой каркас новыми знаниями. Это позволяет в случае новых элементов уверенно отнести их к одному из базовых представлений. Все в такой ментальной модели оказывается взаимосвязанным в одной системе.
В настоящее время роль категорий в системной модели явления достаточно хорошо исследована в общем виде. Существует множество работ и даже учебников на эту тему.
Достигнуто понимание, что категории играют ключевую роль в системной модели явления, поскольку они позволяют структурировать и организовать информацию, делая ее более доступной и управляемой. Они помогают классифицировать новые данные и связывать их с уже существующими знаниями, что способствует лучшему пониманию и анализу явлений.
В концепции системной модели понимания, категории представляют собой основополагающие узлы каркаса модели, связанные иерархией категорий в структуре кадров эпизодической памяти. Новые образы соотносятся с этими категориями, что позволяет интегрировать их в общую систему знаний.
Важность категорий заключается в их способности обеспечивать гибкость и адаптируемость модели. Благодаря категориям, система может эффективно обрабатывать новые данные, корректируя свои представления и уточняя границы между различными категориями при необходимости.
Категории позволяют:
• разделить элементы системы на группы в зависимости от их характеристик и свойств. Это упрощает анализ и понимание структуры системы;
• выявить связи и взаимодействия между различными элементами системы. Это помогает понять, как элементы влияют друг на друга и как система функционирует в целом;
• выявить закономерности и тенденции в поведении системы. Это может помочь предсказать её будущее состояние и разработать стратегии управления;
• предоставлять основу для анализа и оценки различных вариантов действий. Это облегчает выбор наиболее подходящего решения;
• упростить общение между участниками системы. Это способствует более эффективному обмену информацией и координации действий;
• обеспечивать основу для создания терминологии, что способствует лучшему пониманию и интерпретации результатов анализа.
Например, категории «часть» и «целое» лежат в основе понятия системы как совокупности элементов. Они выражают отношение между совокупностью предметов и связью, которая объединяет эти предметы. Оперирование этими категориями позволяет раскрыть содержание базовых понятий системного подхода — структуры, элемента, связи и других.
Общее понимание роли категорий позволяет достаточно уверенно и просто представить возможности практической реализации дерева категорий системной модели понимания в искусственных адаптивных устройствах.
Можно выделить два основных метода в формировании системы понимания в онтогенезе (fornit.ru/69260).
1. Бессистемное сохранение новых значимостей образов – ранний этап.
2. Системный каркас представлений – экспертный этап.
Это характеризует бессистемный и системный режим мышления при обобщении данных в моделях понимания.
С бессистемностью все понятно: авторитарное правило и значимость (fornit.ru/66643) связанных образов просто запоминаются в эпизодической памяти (fornit.ru/67560) для данного случая его применения. В раннем развитии правила еще не вычленяются, а сохраняются только значимости в семантической памяти (fornit.ru/67439), так что до определенного возраста ребенок не способен мыслить системно.
Для оценки приемлемости нового образа или правила для уже имеющегося каркаса, необходима верификация. В первую очередь нужно отнести новый образ к какому-то из существующих базовых понятий, а если такое не находится, задуматься, относится ли это вообще к системе данной области и, если да, нужно создавать новый базовый узел каркаса. Это многошаговая ментальная проблема, которая решается в рамках созданного временно контекста цели (доминанты нерешенной проблемы: fornit.ru/68503) с пошаговым обновлением общей информационной картине (fornit.ru/68540).
База каркаса области понимания – это общий интегральный образ, различаемый по его ID, имеющий свою значимость в каждом из тех условий, в которых он актуален, т.е. это то, что составляет модель понимания на основе имеющегося опыта (fornit.ru/69260). Например, это понятия “игра в шахматы”, “программирование на С++”, “теория сознания” и т.п. В мышлении это создает и поддерживает определенную тему (fornit.ru/69412).
Основополагающие узлы каркаса – это так же образы со своими значимостями. Эти узлы связаны с образом области - условиями их активности в кадрах эпизодической памяти. Они образуют первый уровень дерева категорий. В принципе, может быть сколько угодно вложений категорийных узлов в древовидной системе модели понимания области. Но, возможно, что число узлов в ветке дерева системной модели ограничивается неким оптимизирующим числом, что дает определенные преимущества.
Нахождение места в каркасе для нового образа сводится к поиску имеющихся иерархий категорий при проходе от общего образа области через подходящие узлы ветки дерева. Если в результате сканирования найден узел, от которого нет более глубокой связи к известным узлам, то возникает необходимость обобщения старого и нового конечных образов, и в результате достаточной схожести создается новый узел категории, в противном же случае новый узел привязывается к предшествующему общему узлу более общей категории - по правилам поддержки универсального механизма дерева в мозге (fornit.ru/66797).
Дерево системных категорий - это особое, ментальное дерево модели понимания. Его может не существовать физически как структуры памяти, выделенной под такое дерево, как это есть в случае, например, дерева эпизодической памяти (fornit.ru/67560). Оно может актуализироваться как кратковременная память в процессе системного обобщения и формирования моделей понимания. Т.е. дерево появляется в результате цикла мышления о проблеме систематизации новых образов в каркасе модельной области, через итерацию вызовов новой информации (fornit.ru/68830) в процессе верификации. И тогда дерево системной модели понимания – это особая структура, дополняющая информационную картину (fornit.ru/68540) и служащая контекстом для совершения последующих шагов верификации. Но возможен и вариант физической реализации структуры для сохранения постоянной памяти о системной модели. У обоих вариантов есть плюсы и минусы, но есть важный критерий: если память категорий делать в виде постоянно сохраняющейся структуры, то эпизодическую память нельзя будет оптимизировать, т.к. потерянные элементы сломают дерево категорий.
Пока что все эти рассуждения довольно далеки от аксиоматики надежных фактов исследований.
Механизмы процессов формирования системной модели понимания могут быть реализованы самыми разными способами. Как именно это реализовано в природном мозге пока совершенно неизвестно. Но теперь прояснен вопрос о том, как в принципе может реализовываться каркасная система модели понимания, которая из субъективного вида абстракций может быть формализована в виде теории.
Про системный метод формирования теории было сказано в статье “Критерии полноты и верности теории”: fornit.ru/7649.
Профессиональная экспертность – это использование множества системных моделей понимания, множества предметных областей. Так, эксперт в вэб-программировании может использовать такие области как: модель понимания языка HTML, языка Javascript, языка PHP, язык GO, IDE (среда разработки) 1, IDE 2? IDE 3.
Иногда системные модели понимания бывают настолько сложными, что с большим трудом укладываются в голове и легко забываются, потому что кадры эпизодической памяти оптимизируются по актуальной значимости и востребованности и возникает дезадаптация. Программный код или художественное произведение или научные (теоретические, практические, философские, фантастические, религиозные) концепции могут быть настолько сложными и детализированными, что приходится использовать внешние элементы памяти (схемы, пояснения, напоминания). При неподъемной сложности приходится распределять экспертность по разным ее носителям и отрабатывать методы взаимодействия. Так, предметная область физики или химии подразделяется на множество более специализированных моделей и охватить их всех в одной модели понимания не способен никто.
В искусственном существе Beast (fornit.ru/beast) функцию категорий выполняют базовые узлы дерева эпизодической памяти. Так же есть отдельные функции выделения категорий из эпизодической памяти. Поддержки же системного каркаса модели понимания еще нет ввиду множества возможных способов реализации – чтобы не усложнять инструмент моделирования механизмов индивидуальной адаптивности (уже сейчас сложность кода такова, что возникают серьезные проблемы удержания его модели в голове). Но легко могут быть написаны дополнительные информационные функции для оперативного формирования узлов категорий в системной модели из кадров эпизодической памяти. Так же как уже есть поиск решений по бессистемным моделям понимания.
Nick Fornit
28 Jan 2025