Скачать 167.96 Кбайт
С чего начинается НЛП
При реализации теории на вычислительных машинах вскрываются те ошибки и недочеты, которые обычно ускользают от внимания даже самых скрупулезных исследователей.
Патрик Уинстон
Где-то в середине двадцатого столетия, когда появились первые электронно-вычислительные машины, люди задались вопросом: "Как научиться их использовать с наибольшей эффективностью?" Их очень интересовал вопрос, как заставить эту груду железа, напичканную лампами и проводами, приносить человеку наибольшую пользу.
Первые попытки особой оригинальностью не отличались. Ученые просто отдали машине право проводить быстрые вычисления. Отсюда и название — электронно-вычислительная машина. В результате ученые осуществляли всю интеллектуальную часть работы, а ЭВМ — вычислительную. Черновую, стало быть.
Правда, общение с компьютерами оказалось достаточно затруднено. Не говоря уже о том, что они совершенно не умели решать более или менее отвлеченные задачи.
Решили испытать новейший военный суперкомпьютер. Заложили в него всевозможные данные по военному делу. Приходит генерал и спрашивает:
— Нам наступать или отступать?
Компьютер думает несколько часов и выдает:
— Yes!
Полковник:
— Что 'Yes'?
Компьютер думает еще несколько часов и рапортует:
— Yes, sir!
Для общения с ЭВМ потребовались особые специалисты — программисты. А уж об их умении думать, как их собственные подопечные стали ходить настоящие легенды:
Программист ставит себе на тумбочку перед сном два стакана. Один с водой — на случай, если захочет ночью пить. А второй пустой — на случай, если не захочет.
Гораздо более интересный подход наметился с приходом кибернетики. Здесь уже человек задумался над тем, как научить машину думать. Ну, хотя бы в минимальных пределах. Понятное дело, чтобы "не изобретать велосипед" решили скопировать собственный стиль мышления. Так появилось понятие искусственного интеллекта.
А ученые в очередной раз задались вопросом: "Как же человек думает?" И главный сюрприз был именно в том, что теперь уже этим вопросом занялись представители точных наук. Их в первую очередь интересовали те вещи, которые действительно работали. Они отбросили все домыслы и фантазии и взяли из человеческого интеллекта именно то, что можно реально переложить на точный машинный язык. Ведь эти ученые собирались научить компьютеры думать, причем думать эффективно. И по-человечески…
Как вы понимаете, НЛПеры в своем поиске реально работающих инструментов просто не могли пройти мимо столь полезных находок. А это действительно оказалось самым настоящим сокровищем. Удобным, простым, универсальным — полезным. Причем, они взяли уже обработанный трудами многих кибернетиков алмаз и просто применили к моделированию человеческого совершенства.
Компьютеры просто отдали свой долг людям. С помощью тех же методов, какими они учились мыслить по-человечески, люди сами стали учиться тому же…
Та самая модель…
Простая, удобная, универсальная и потому — базисная, она появилась одной из первых. Ее иногда называют моделью эффективного достижения целей, основанной на обратной связи. Общую идею этой модели можно выразить словами "постепенное приближение к выбранной цели методом последовательных циклических приближений".
Вспомните грибников. Если подумать, там они выполняют большое количество повторяющихся действий, и в результате получают полную корзину.
Идут, смотрят по сторонам, заметили гриб, подошли, наклонились, срезали, положили в корзину, идут дальше, смотрят по сторонам, заметили гриб, подошли, наклонились, срезали, положили в корзину …
Цикл, стало быть. И так гриб за грибом они постепенно приближаются желаемому результату. Кому-то нужна корзина, кто-то стремится к ужину…
Формулировка действительно сложновата, но ее можно понять с помощью трех главных слов: цель, чувствительность, гибкость. Действительно, те кто легко достигает поставленных перед собой целей, руководствуются именно этими тремя принципами. Они четко знают, чего хотят. Они чувствительны к внешней обстановке. Они могут проявлять гибкость в средствах достижения своей цели.
Про важность грамотной постановки цели я говорить не буду — этому уже и так уделено достаточно много слов. Чувствительность проявляется в том, что после каждого небольшого шага мы собираем обратную связь из внешнего мира: "Приблизил ли меня этот шаг к желаемому результату?" Гибкость определяет нашу способность изменять свои действия вместе с переменой внешней обстановки.
Примерно этому самому и стали тогда учить машины. Ей ставилась максимально конкретная задача, давались средства для ее решения, назначалась "целевая функция" (она определяет эффективность каждого очередного шага) и давался четкий критерий выхода. Благодаря всему этому, компьютер учился решать самые различные задачи: от решения сложнейших систем дифференциальных уравнений до традиционных головоломок типа "пятнашек".
Формально полученная модель называется T.O.T.E. — Тест-Операция-Тест-Выход (Exit). При первом тесте мы определяем нашу цель, то чего мы хотим достичь. При втором — где мы сейчас находимся.
Патрик Уинстон
Где-то в середине двадцатого столетия, когда появились первые электронно-вычислительные машины, люди задались вопросом: "Как научиться их использовать с наибольшей эффективностью?" Их очень интересовал вопрос, как заставить эту груду железа, напичканную лампами и проводами, приносить человеку наибольшую пользу.
Первые попытки особой оригинальностью не отличались. Ученые просто отдали машине право проводить быстрые вычисления. Отсюда и название — электронно-вычислительная машина. В результате ученые осуществляли всю интеллектуальную часть работы, а ЭВМ — вычислительную. Черновую, стало быть.
Правда, общение с компьютерами оказалось достаточно затруднено. Не говоря уже о том, что они совершенно не умели решать более или менее отвлеченные задачи.
Решили испытать новейший военный суперкомпьютер. Заложили в него всевозможные данные по военному делу. Приходит генерал и спрашивает:
— Нам наступать или отступать?
Компьютер думает несколько часов и выдает:
— Yes!
Полковник:
— Что 'Yes'?
Компьютер думает еще несколько часов и рапортует:
— Yes, sir!
Для общения с ЭВМ потребовались особые специалисты — программисты. А уж об их умении думать, как их собственные подопечные стали ходить настоящие легенды:
Программист ставит себе на тумбочку перед сном два стакана. Один с водой — на случай, если захочет ночью пить. А второй пустой — на случай, если не захочет.
Гораздо более интересный подход наметился с приходом кибернетики. Здесь уже человек задумался над тем, как научить машину думать. Ну, хотя бы в минимальных пределах. Понятное дело, чтобы "не изобретать велосипед" решили скопировать собственный стиль мышления. Так появилось понятие искусственного интеллекта.
А ученые в очередной раз задались вопросом: "Как же человек думает?" И главный сюрприз был именно в том, что теперь уже этим вопросом занялись представители точных наук. Их в первую очередь интересовали те вещи, которые действительно работали. Они отбросили все домыслы и фантазии и взяли из человеческого интеллекта именно то, что можно реально переложить на точный машинный язык. Ведь эти ученые собирались научить компьютеры думать, причем думать эффективно. И по-человечески…
Как вы понимаете, НЛПеры в своем поиске реально работающих инструментов просто не могли пройти мимо столь полезных находок. А это действительно оказалось самым настоящим сокровищем. Удобным, простым, универсальным — полезным. Причем, они взяли уже обработанный трудами многих кибернетиков алмаз и просто применили к моделированию человеческого совершенства.
Компьютеры просто отдали свой долг людям. С помощью тех же методов, какими они учились мыслить по-человечески, люди сами стали учиться тому же…
Та самая модель…
Простая, удобная, универсальная и потому — базисная, она появилась одной из первых. Ее иногда называют моделью эффективного достижения целей, основанной на обратной связи. Общую идею этой модели можно выразить словами "постепенное приближение к выбранной цели методом последовательных циклических приближений".
Вспомните грибников. Если подумать, там они выполняют большое количество повторяющихся действий, и в результате получают полную корзину.
Идут, смотрят по сторонам, заметили гриб, подошли, наклонились, срезали, положили в корзину, идут дальше, смотрят по сторонам, заметили гриб, подошли, наклонились, срезали, положили в корзину …
Цикл, стало быть. И так гриб за грибом они постепенно приближаются желаемому результату. Кому-то нужна корзина, кто-то стремится к ужину…
Формулировка действительно сложновата, но ее можно понять с помощью трех главных слов: цель, чувствительность, гибкость. Действительно, те кто легко достигает поставленных перед собой целей, руководствуются именно этими тремя принципами. Они четко знают, чего хотят. Они чувствительны к внешней обстановке. Они могут проявлять гибкость в средствах достижения своей цели.
Про важность грамотной постановки цели я говорить не буду — этому уже и так уделено достаточно много слов. Чувствительность проявляется в том, что после каждого небольшого шага мы собираем обратную связь из внешнего мира: "Приблизил ли меня этот шаг к желаемому результату?" Гибкость определяет нашу способность изменять свои действия вместе с переменой внешней обстановки.
Примерно этому самому и стали тогда учить машины. Ей ставилась максимально конкретная задача, давались средства для ее решения, назначалась "целевая функция" (она определяет эффективность каждого очередного шага) и давался четкий критерий выхода. Благодаря всему этому, компьютер учился решать самые различные задачи: от решения сложнейших систем дифференциальных уравнений до традиционных головоломок типа "пятнашек".
Формально полученная модель называется T.O.T.E. — Тест-Операция-Тест-Выход (Exit). При первом тесте мы определяем нашу цель, то чего мы хотим достичь. При втором — где мы сейчас находимся.
|
|