2) пожарник в парке (1–2)
3) адвокат в церкви (2–1)
4) адвокат в парке (2–2)
Из приведенного примера видно, что персонаж «доктор» встречается только в одном из предложений, а персонаж «адвокат» – двух. Подобным образом можно определить количество ассоциированных фактов для всех персонажей и местонахождений.
После того как испытуемые заучивали эти факты, им предъявлялась другая серия предложений, среди которых были как те, которые они заучивали (например, «адвокат в церкви»), так и те, которых в первоначальном списке не было (например, «адвокат в банке»). Испытуемым нужно было узнать, какие из предложений они заучивали, а какие – нет. Оказалось, что время реакции при опознании предложения зависит от количества фактов, ассоциированных с элементами этого предложения: при увеличении числа фактов, скорость опознания снижается. Например, предложение «доктор в банке», опознается существенно быстрее, чем «адвокат в парке».
С точки зрения уравнения
Покажем, каким образом гибридная модель Андерсона может сочетаться с двухполюсной концепцией творчества. Фактически работа системы продукций осуществляет то, что Пономарев относил к логическому полюсу. Продукции работают строго детерминистически, осуществляя трансформацию исходной модели события в новый вариант. Модель событий при этом образована совокупностью декларативных знаний, активированных в данный момент времени в рабочей памяти.
В то же время процесс распространения активации может быть кандидатом на объяснение ряда процессов, связанных с тем, что Пономарев называл интуицией. В самом деле, согласно теории Пономарева, роль интуиции заключается в том, чтобы снабжать наш логический аппарат, т. е. создаваемые модели действительности, информацией о свойствах объектов. Именно это и делает семантическая сеть, движение активации по которой приводит к вхождению в рабочую память (= умственную модель) элементов знания, хранящихся в долговременной памяти. Другими словами, механизм интуиции можно представить как систему связей между элементами информации в нашей долговременной памяти, которая формируется независимо от наших сознательных усилий и позволяет в нужный момент актуализировать нужное содержание.
В модели Андерсона отсутствует представление о различии интуитивного и логического режимов функционирования когнитивной системы. Однако такое представление совместимо с моделью, если предположить возможность различных состояний сети. В логическом состоянии активация сети включает немногочисленные элементы, которые в соответствии с веерным эффектом при этом могут быть активированы в большей степени. Высокая степень активации элементов позволяет осуществлять с ними логические операции, однако при этом невысоким оказывается количество элементов, включенных в решение.
Коннекционистские модели
В отличие от гибридных, коннекционистские модели используют сети для описания не только активационных процессов, но и процессов переработки информации. Описание сетей тоже получается несколько иным – понятие может быть связанным не с одним каким-либо узлом, а с целым их набором. Соответственно, и отношения между узлами не оказываются более отношением между понятиями. В коннекционистских моделях в основу функционирования сети положен принцип параллельности.
На сегодняшний день в когнитивизме наиболее распространенным является моделирование с помощью параллельных распределенных сетей. На рисунке 2.13 приведен фрагмент сети, примененной Д. Румелхартом и Дж. Мак-Клелландом для их модели овладения ребенком прошедшим временем английских глаголов, выполненной в рамках подхода параллельной распределенной переработки информации (Rumelhart, McClelland, 1986).
Модель имеет сеть, включающую четыре слоя нейроноподобных элементов, или узлов. Один слой узлов является входным, два – промежуточными (или ассоциативными), четвертый – выходным. Возбуждение распространяется от первых слоев к следующим через дуги между узлами. Связи между первым и вторым, а также третьим и четвертым слоями рассматриваемой модели являются жестко фиксированными. Связи между вторым и третьим слоями могут изменяться в процессе обучения. Изменению в ходе обучения подвержен также порог активации элементов третьего слоя.
Рис. 2.13.
Фрагмент сети модели Д Румелхарта и Дж. Мак-Клелланда