Роберт Дилтс - НЛП - управление креативностью

К примеру, в шахматах проблемное пространство определено игровой доской, различными фигурами и ролями «оппонентов». Исходное состояние определяется положением фигур на доске. Целевое состояние – загнать короля противника в угол, поставив ему мат. Действиями являются разрешенные правилами ходы каждой из сторон. Компьютер продвигается к желаемому состоянию путем оценки и запоминания «контрольной» информации в форме приоритетов, которыми наделяются различные возможные ходы, основанные на текущем положении фигур. Приоритеты распределяются согласно вероятности успеха, соответствующей текущему положению на доске, а также количеству дозволенных ходов и уровню ценности, приписанному каждой конкретной фигуре.

Способность ставить себе широкий спектр целей и достигать их является одним из основных признаков интеллекта. Модель SOAR — это программная модель искусственного интеллекта ( Artificial Intelligence, AI ), предназначенная для общего решения проблем. SOAR была разработана Алленом Ньюэллом Гербертом Саймоном и Клиффордом Шоу (Allen, Newell, Herbert Simon, Clifford Shaw) в 1950-х гг. и использовалась для создания компьютерных программ игры в шахматы; модель предполагала, что компьютер обучается самостоятельно в ходе игры, на опыте уже решенных проблем. Подобные программы и по сей день являются наиболее успешным применением искусственного интеллекта.

Согласно данной модели, вся психическая деятельность, посвященная полученному заданию, происходит на когнитивной арене под названием «проблемное пространство». Проблемное пространство, в свою очередь, складывается из набора состояний, которые описывают ситуацию в каждый конкретный момент, и набора операторов, которые описывают методы, которыми решающий проблему может менять ситуацию, переходя из одного состояния в другое. К примеру, в шахматах проблемное пространство будет представлять собой [ряд параметров, которые определяют] «шахматную партию» [такие параметры, как два игрока, доска и т. п.], состояние будет включать в себя конкретную расстановку фигур на шахматной доске, а операторами будут служить разрешенные ходы, такие как «пешка е2-е4)». Задача решающего проблему – найти такую последовательность операторов, которая выведет его из заданного исходного состояния (к примеру, фигуры выстроены в ряд в самом начале партии) и приведет к заданному состоянию решения (король противника в положении мата) (Waldrop, 1988).

Рис. 7.1.Проблемное пространство

После того как все эти параметры определены, решающий проблему должен сформулировать стратегию управления, чтобы найти последовательность операторов, позволяющих пройти путь от стартового состояния к целевому. Для этого служит ряд наделенных приоритетами правил «условие-действие», имеющих форму «ЕСЛИ вы воспринимаете определенное состояние, ТОГДА применяйте определенную последовательность операторов».

Если процесс заходит в тупик, инициализируются субцели и субдействия (т. е. суб-TOTE ), которые запоминаются как новые правила «условие-действие». Следуя этому курсу, решающий проблему двигается от стратегии «проб и ошибок» (метод новичков) через стратегию «поиск экстремума» (делать то, что кажется наилучшим в данный момент) к стратегии, включающей анализ целей и средств (эксперт).

Ключевые положения

Модель SOAR – общая структура для решения проблем, разработанная специалистами по искусственному интеллекту. Ее задачей первоначально было обучение компьютера тому, как обучаться эвристически, на опыте уже решенных проблем.

Экспертная система, в терминах модели SOAR, – это система, которая постоянно обучается, модернизируется и расширяет собственную карту проблемного пространства.

Практикум

Приведите примеры навыков, которые вы приобрели на собственном опыте (в отличие от навыков, полученных в результате специального обучения).

Воспользовавшись интуицией, определите виды учебных и креативных процессов, которые необходимы для обучения посредством опыта.

Как вы думаете, для приобретения каких навыков наиболее подходит именно опытный путь?