Динамическое программирование.

Модели целенаправленного поведения.

Рассмотрим одну из моделей психомоторного акта, которая описывает решения и действия. Г.В.Кореневым (1989) предложена схема выработки решения и приведения его в действие. Решение человека реализуется в выполнении движения, результатом которого является достижение конечной цели. Модель – это идентифицирование обстановки, сопоставление её с определённым психомоторным актом и принятие решения о выполнении движения, которое обеспечивает предвидимое будущее. Принятое решение реализуется через команды, приводящие в действие мышечный аппарат и формирование акцептора результатов действия для сравнения настоящего с предвидимым будущим. Модель психомоторного акта связывает с каждым классом обстановки свою программу движения, выражающего волю человека. В качестве базисной модели используется система дифференциальных уравнений классической динамики, которую пополняют программные и корректирующие силы. Влияние обстановки задаётся классификационными уравнениями. Решение систем уравнений достаточно сложно – система обладает большим числом степеней свободы.

Модели научения.

Самые первые модели, применённые для описания процесса научения, представляли кривую научения как зависимость качества решения задачи от количества повторений (Р.Аткинсон, Г.Бауэр, 1969; Р.Буш, Ф.Мостеллер, 1962). Теория Торндайка трактует процесс научения как дифференциальное подкрепление существующих связей между раздражителями и ответами. Для К.Халла научение состоит в образовании связей, которые понимаются как устойчивые состояния. Для моделирования состояния были применены конечные автоматы. Под воздействием стимула подкрепления происходит смена состояний, определяющих связи между раздражителями и ответами. Для описания такой структуры использовались автоматы подкрепления, являющиеся частным случаем автоматов состояния. Эти автоматы могут моделировать процесс научения.

Многие исследователи для описания процесса научения обращаются к понятию выдвижения гипотез. Эти модели сходны с моделями, основанными на автоматах подкреплений. Термины «множество состояний» и «множество гипотез» эквивалентны. Для описания процесса перехода из состояния в состояние или смены гипотез часто применяется аппарат цепей Маркова. Существенным недостатком моделей этого класса является то, что они не отражают структуру связей между ситуациями и реакциями на них в процессе научения, не описывают процессов формирования и модификации гипотез.

Модели интеллекта.

Теоретики искусственного интеллекта (ИИ) дают различные определения этого понятия, соответственно которым в исследованиях выделяются две основные цели:

Первая – создание программ для автоматизации интеллектуальной человеческой деятельности (П.Уинстон).

Вторая, связанная с исследованиями в психологии, - использование программ ИИ для объяснения процессов, протекающих у человека при решении тех или иных задач (Н.Нильсон, Т.Фейген).

Э.Хант (1978) под содержанием понятия «искусственный интеллект» понимает: игры, распознавание образов, решение задач, адаптивное программирование, принятие решений, обработку данных на естественном языке и т.д. Многие концепции ИИ, несомненно, повлияли на развитие психологической науки.

При моделировании интеллекта в психологии можно выделить следующие подходы:

§ аппарат распознавания образов, который основан на процедуре Бэйеса;

§ классический статистический подход;

§ размытые множества;

§ синергетика.

Теория размытых множеств и синергетика относятся к новейшим подходам.

Современные исследования в этой области начались в Институте Карнеги с написания программ, решающих задачи. Основной интерес представляло то, как люди решают задачи (А.Ньюэлл, Г.Саймон, 1972). В работах многих других исследователей ИИ рассматривается скорее как расширение математики, а не как дисциплина математической психологии (Дж.Мак-Карти, М.Минский, 1961). Другое направление ИИ – это распознавание образов, которое начиналось с машинных программ классификации. В дальнейшем О.Селфридж (1959) предложил осуществлять распознавание образов, вычисляя «взвешенную» сумму ряда классификаций. К проблеме распознавания можно «подходить», анализируя аналогии, которые прослеживаются в биологических процессах. Мак-Каллок и Питте (1943) доказали, что любую функцию можно реализовывать с помощью должным образом организованной сети идеальных нейронов. Логическим продолжением нейрологических теорий явилось понятие перцептрона.

Перцептронные модели.

Перцептрон возник как система, предназначенная для решения задач распознавания образов (М.Минский, С.Пейперс, 1971). Идея создания перцептрона принадлежит Ф.Розенблатту (1965). Изучением данного типа моделей занималось много исследователей (Ф.Розенблатт, 1965; С.Пейперс, М.Минский, 1970; О.Селфридж, Н.Нельсон, 1969; В.Якубович, 1966). Наибольшее эмпирическое подкрепление эти модели получают в психофизиологии, например, - рефлекторная дуга Е.Соколова (1981). Одной из наиболее известных моделей, основанных на понятии перцептрона, является система «Пандемониум», предложенная О.Селфериджем (1974). Модели такого класса позволили выделить типы научения. Перцептронные модели поведенчески эквивалентны автоматным моделям, но дают возможность представить механизм связи и её модификации при научении между ситуациями и ответными реакциями.

Моделирование естественного языка.

В.В.Налимов разработал вероятностную модель языка с помощью моделирования смысла слов. С каждым словом вероятностным образом связывается множество смыслов. Смысловые значения служат функцией распределения для индивида или однородной группы. В результате формируется модель понимания индивидом некоторого текста. В этих моделях используется традиционный аппарат теории вероятностей (Налимов, 1971).

В области ИИ на рубеже тысячелетия так же, как и во многих других науках происходит смена парадигм.

В девяностых годах определились новые парадигмы в ИИ.

Первая – создание теории однородных сред, элементами которых являются устройства, подобные нейронам.

Вторая – компьютерная графика, помогающая решать задачи с помощью образного мышления. Когнитивная интерактивная компьютерная графика является средством воздействия на правополушарное мышление человека в процессе научного творчества.

Третья – специалисты различных направлений в области ИИ считают важным развитие работ, касающихся представлений знаний и манипулирования ими (экспертные системы).

Нетрадиционные методы моделирования.

Моделирование на «размытых» множествах.

Нетрадиционный подход к моделированию связан с приписыванием элементу некоторой числовой оценки, которая не может объясняться объективной или субъективной вероятностью, а трактуется как степень принадлежности элемента к тому или иному множеству. Множество таких элементов называется «нечётким» или «размытым» множеством.

Каждое слово x естественного языка можно рассматривать как сжатое описание нечёткого подмножества M(x) полного множества области рассуждений U, где M(x) есть значение x. В этом смысле весь язык как целое рассматривается в качестве системы, в соответствии с которым нечётким подмножествам множества U приписываются элементарные или составные символы (т.е. слова, группы слов и предложения). Так, цвет объекта - как некоторую переменную, значения этой переменной (красный, синий, жёлтый, зелёный и т.д.) можно интерпретировать как символы нечётких подмножеств полного множества всех объектов. В этом смысле цвет является нечёткой переменной, то есть переменной, значениями которой являются символы нечётких множеств. Если значения переменных – это предложения в некотором специальном языке, то в данном случае соответствующие переменные называются лингвистическими (Л.Заде, Ю.Шрейдер).

Синергетика в психологии.

Ещё одна альтернатива традиционному математическому аппарату – синергетический подход, в котором математическая идеализация проявляется чувствительностью к начальным условиям и непредсказуемостью исхода для системы. Поведение можно описать с помощью апериодических и поэтому непредсказуемых временных рядов, не ограничиваясь при моделировании стохастическими процессами. Беспорядок в обществе может предшествовать появлению новой структуры, в то время как стохастические системы имеют низкую вероятность порождения интересных структур. Именно апериодические решения детерминированных уравнений, описывающих самоорганизующиеся структуры, помогут прийти к пониманию психологических механизмов самоорганизации (Фриман, 1992). В этих работах разум рассматривается как «странный аттрактор», управляемый уравнением сознания. Математически «странный аттрактор» - это множество точек, к которому приближается траектория после затухания переходных процессов.

В основе большинства традиционных моделей психотерапии лежит концепция равновесия. Согласно синергетическому подходу, разум является нелинейной системой, которая при далёких от равновесия условиях превращается в части сложных аттракторов, а равновесие – лишь предельный случай. Этот тезис развивают теоретики психотерапии, выбирая тот или иной аспект теории хаоса. Так, например, выделяется феномен хаотического в психофизиологической саморегуляции (Stephen, Franes, 1992) и обнаруживаются аттракторы в паттернах семейного взаимодействия (L.Chamber, 1991).