Серьёзное творческое мышление

То пренебрежение, которое всегда выказывали по отношению к юмору традиционные философия, психология, информатика и математика, лишний раз подтверждает, что эти науки занимались исключительно пассивными, управляемыми извне информационными системами. Лишь совсем недавно математики заинтересовались нелинейными и нестабильными системами (хаос, теория катастроф и т. д.).

Прежде всего проведем четкое различие между двумя очень обширными типами информационных систем — пассивными и активными. В пассивных системах информация и записывающая поверхность инертны или пассивны. Вся деятельность исходит от внешнего источника, который доставляет информацию и распределяет ее. В активных системах как информация, так и воспринимающая поверхность активны, и информация организует себя сама, без помощи извне. Вот почему такие системы называются «самоорганизующимися».

Представьте себе стол, на котором лежат небольшие шарики (например, подшипники). Вас попросили расположить шарики ровными рядами, и вы исполнили задачу. В данном случае вы являетесь внешним организатором. Рисунки 1.1 и 1.2 показывают состояние системы до и после вашей организующей деятельности.

Рисунок 1.1

Рисунок 1.2

Теперь представьте, что вместо гладкого стола мы имеем поверхность с двумя желобами, как показано на рисунке 1.3. Теперь, если просто высыпать шарики на эту поверхность, они сами расположатся двумя ровными рядами на дне желобов.

Рисунок 1.3

В этом случае вы не были внешним организатором. В этом не было необходимости, потому что мы имеем дело с самоорганизующейся системой.

Конечно, вы можете возразить, что на самом деле организатором системы является тот, кто сделал жело-бы на поверхности. Это совершенно справедливо. Но допустим, что желобы возникли в результате ударов о поверхность предыдущих шариков. Теперь мы на самом деле имеем дело с самоорганизующейся системой.

Примеры таких систем можно найти на каждом шагу. Дождевая вода собирается в ручьи, ручьи образуют реки, которые, в свою очередь, формируют ландшафт. Как только вода проторила себе дорогу, следующие дожди будут стекать в те же ручьи и реки. Таким образом, дождь, взаимодействуя с ландшафтом, формирует каналы, которые затем определяют, куда будут стекать все последующие дожди.

Давным-давно, в 1969 году, я сопоставил две простейшие модели, сделанные из полотенца. В первом случае на полотенце выливали ложку чернил. В данном случае полотенце представляло собой пассивную систему. В том же месте, где мы разлили чернила, появлялось чернильное пятно. Во втором случае полотенце покрывали тонким слоем желатина и выливали на желатин разогретые чернила. Вскоре чернила растапливали желатин и растекались по полотенцу, образуя сеть каналов точно так, как дождь формирует сеть ручьев и рек. Желатин превратил систему в самоорганизующуюся.

В книгах «Механизм мышления» и «Я прав — ты не прав» я детально описал, каким образом поступающая в мозг информация образовывает временно стабильные состояния, которые складываются затем в привычные последовательности. В этом положении нет ничего магического или таинственного. Это обычный способ функционирования нервной системы (neural network — специфические связи между нервными клетками) мозга. Идея, впервые выдвинутая в 1969 году, была затем подхвачена такими учеными, как Джон Хопфилд из Калифорнийского технологического института, который обратился к этой теме в 1979 году Профессор Гелл Манн, получивший Нобелевскую премию за открытие кварка, как-то сказал мне, что в книге «Механизм мышления» я описал определенные типы систем за восемь лет до того, как это сделали математики.

Те, кто хотел бы более подробно узнать, как просто нейронные сети позволяют информации самоорганизовываться в шаблоны, должны прочитать две упомянутые книги, а также другие работы в этой области.

Мы же, не вдаваясь в детали, просто рассмотрим систему, в которой поступающая информация образует последовательность. Со временем эта последовательность становится предпочтительным каналом — шаблоном. Нейрохимики и нейрофизиологи спорят, какие именно энзимы вовлечены в этот процесс, но для нас важна общая картина.

Образование шаблонов очень полезно, потому что позволяет нам «распознавать» явления. Как только шаблон оказывается задетым, мы следуем по этому пути и оцениваем событие с позиций нашего предыдущего опыта. Простой шаблон изображен на рисунке 1.4.

Рисунок 1.4

Трудность заключается в том, что, для того чтобы распознать и обработать все возможные ситуации, потребовалось бы огромное количество простых шаблонов. Поэтому любая новая ситуация, которая не подходит полностью ни под один шаблон, должна предварительно подвергнуться анализу. Мозг справляется с этой проблемой очень просто.