ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ... ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

cdn.scipeople.com
from cdn.scipeople.com More from this publisher
31.01.2015 Views

14 (параметрами порядка) заключается суть Синдромного принципа управления сложными развивающимися системами (глава 7). В роли детерминантов выступают формальные синдромы и вероятностные закономерности (предвестники), которые определяются или с помощью метода предельных обобщений, или с помощью модели многоуровневых набросков. 1.3 Когнитивная самоорганизующаяся критичность В 1987 году был предложен механизм, согласно которому большая, находящаяся далеко от равновесия сложная система, сформированная взаимодействием множества частей, спонтанно эволюционирует к особой критической точке [193]. Поведение подобного типа было названо “самоорганизующейся критичностью” (Self-Organized Criticality, SOC). Как правило, самоорганизующуюся критичность демонстрируют масштабноинвариантные системы со степенными функциями распределения, имеющими “длинные хвосты”. Получается, что многие нелинейные системы пребывают в устойчивой критической точке на границе хаоса и порядка. Стюарт Кауфман выдвинул гипотезу, что все живые системы находятся именно в этом режиме [200]. Данный режим гарантирует оптимальную эволюционную гибкость [165]. Развиваемый в настоящем исследовании Принцип предельных обобщений раскрывает один из ключевых механизмов индивидуального формирования критических/надкритических состояний и процессов. Критическим состояниям соответствуют предельные синдромные и вероятностные модели знаний, а также пограничные экстремальные слои набросков (модель многоуровневых набросков). Экстремальные наброски однозначно характеризуют образ и при этом имеют максимальный уровень обобщения в рамках фиксированного множества операторов агрегирования. Закритическим состояниям соответствуют многозначные (мерцающие) наброски, на основе которых формируются метафоры и ассоциативные связи. Потоки системопаттернов и системоквантов формируют «критические пути». Критические уровни описания действительности, формируемые в рамках метода предельных обобщений, и экстремальные пограничные слои набросков можно рассматривать как границу между порядком – множеством описаний (набросков) с однозначным решением целевой задачи (например, восприятия образа, категории) и хаосом – множеством описаний (набросков), где теряется однозначность решения целевой задачи. Следовательно, если учесть открытость системы, ее диссипативность и множественность набросков с существенным разбросом по масштабу, то

15 предельные модели знаний и экстремальные пограничные слои набросков можно рассматривать как результат когнитивной самоорганизующейся критичности. Диссипация, лежащая в основе долговременной когнитивной самоорганизации, определяется, как механизмом «забывания» второстепенных деталей, так и постепенной ориентацией на работу с критическими набросками (максимально обобщенными набросками). При этом достигается минимум энергии и максимум скорости обработки данных (за счет работы с меньшим объемом данных). Критичность моделей знаний определяется их максимальной фальсифицируемостью, а именно: если поступает какая-либо новая ситуация действительности с верифицированным заключением, которая нарушает хотя бы одну закономерность модели знаний, то рушится вся модель знаний. Может также нарушиться свойство «предельности» синдрома/закономерности при изменении онтологии (Банка тестов). В обоих случаях либо скачком осуществляется переход к другой критической модели знаний, которая не противоречит изменившейся «картине мира», либо заново запускается процесс построения всех предельных моделей знаний. Можно сказать, что предельные модели знаний и пограничный экстремальный слой набросков обладают повышенной чувствительностью к малейшему нарушению специфичности любого из синдромов модели знаний или экстремального наброска. Состояние “на краю хаоса” (смысловой многозначности), в которое когнитивная система спонтанно переходит в процессе эволюции при решении определенного класса задач, характеризуется типичными синергетическими свойствами: согласованностью локальных процессов (например, обобщением-конкретизацией в рамках отдельных орграфов доменов тестов) и глобальных процессов (например, применением моделей знаний и функциональных систем), интенсивным согласованным взаимодействием компонент (например, в процессе движения к предельным моделям знаний или экстремальным слоям набросков) и др. В основе механизма когнитивной самоорганизующейся критичности лежит естественная (забывание) и/или искусственная диссипация и потребность в минимизации когнитивной (мыслительной, вычислительной) энергии. В начале 70-х годов прошлого века был открыт Принцип природной добиологической и биологической гиперциклической самоорганизации (на примере молекулярных структур) [191]. За это достижение М. Эйгену и П. Шустеру была присуждена Нобелевская премия. Поскольку при изучении когнитивных процессов мы имеем дело с динамическими системами кооперирующихся когнитивных компонентов (структур и их физических носителей – ансамблей нейронов), наибольший интерес представляют устойчивые аттракторы внутри области

14<br />

(параметрами порядка) заключается суть Синдромного принципа<br />

управления сложными развивающимися системами (глава 7). В роли<br />

детерминантов выступают формальные синдромы и вероятностные<br />

закономерности (предвестники), которые определяются или с помощью<br />

метода предельных обобщений, или с помощью модели многоуровневых<br />

набросков.<br />

1.3 Когнитивная самоорганизующаяся критичность<br />

В 1987 году был предложен механизм, согласно которому большая,<br />

находящаяся далеко от равновесия сложная система, сформированная<br />

взаимодействием множества частей, спонтанно эволюционирует к особой<br />

критической точке [193]. Поведение подобного типа было названо<br />

“самоорганизующейся критичностью” (Self-Organized Criticality, SOC). Как<br />

правило, самоорганизующуюся критичность демонстрируют масштабноинвариантные<br />

системы со степенными функциями распределения,<br />

имеющими “длинные хвосты”. Получается, что многие нелинейные<br />

системы пребывают в устойчивой критической точке на границе хаоса и<br />

порядка. Стюарт Кауфман выдвинул гипотезу, что все живые системы<br />

находятся именно в этом режиме [200]. Данный режим гарантирует<br />

оптимальную эволюционную гибкость [165].<br />

Развиваемый в настоящем исследовании Принцип предельных<br />

обобщений раскрывает один из ключевых механизмов индивидуального<br />

формирования критических/надкритических состояний и процессов.<br />

Критическим состояниям соответствуют предельные синдромные и<br />

вероятностные модели знаний, а также пограничные экстремальные слои<br />

набросков (модель многоуровневых набросков). Экстремальные наброски<br />

однозначно характеризуют образ и при этом имеют максимальный уровень<br />

обобщения в рамках фиксированного множества операторов<br />

агрегирования. Закритическим состояниям соответствуют многозначные<br />

(мерцающие) наброски, на основе которых формируются метафоры и<br />

ассоциативные связи. Потоки системопаттернов и системоквантов<br />

формируют «критические пути».<br />

Критические уровни описания действительности, формируемые в<br />

рамках метода предельных обобщений, и экстремальные пограничные слои<br />

набросков можно рассматривать как границу между порядком –<br />

множеством описаний (набросков) с однозначным решением целевой<br />

задачи (например, восприятия образа, категории) и хаосом – множеством<br />

описаний (набросков), где теряется однозначность решения целевой задачи.<br />

Следовательно, если учесть открытость системы, ее диссипативность и<br />

множественность набросков с существенным разбросом по масштабу, то

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!