Прикладное моделирование и процесс «обратного распространения»

Последний, «контрольный» этап в стратегиях как прикладного, так и продвинутого моделирования напоминает то, что в технологии нервных сетей называется «обратным распространением». Нервные сети представляют собой компьютерные структуры, построенные по принципу мозговой деятельности. Они используются для распознавания сложных паттернов и, как правило, включают в себя ряд взаимосвязанных элементов, служащих для создания своего рода «модели» того или иного паттерна или явления. Модель представляет собой функцию «весов», или сил, связей между элементами сети. Эта внутренняя «модель» определяет результативность сети.

Ценность нервных сетей заключается в том, что они способны научиться распознавать паттерны «эвристически», как функцию повторяющегося опыта. Модель (или паттерн «весов») регулируется согласно определенному правилу обучения каждый раз, когда в сеть поступают определенные данные. Таким образом, сеть все лучше и лучше распознает эти конкретные данные и реагирует на них. Точно так же ребенок учится узнавать определенное лицо или слово. Подобные типы компьютерных сетей обычно используются в аудиосистемах «распознавания голоса» и оптических системах «распознавания символов».

Обычной стратегией обучения для таких сетей является «обратное распространение». Предположим, компьютер обучают распознаванию букв алфавита, чтобы он смог читать напечатанные документы и переводить их в соответствующие электронные текстовые символы (рис. 34). Для того чтобы научиться распознавать, скажем, букву 5, следует ввести образ этой буквы в сеть.

Рис. 34. Схема процесса «обратного распространения» в нервной сети

Этот образ кодируется в компьютерной сети как паттерн реакций (основанных на текущем «весе» их взаимосвязей). В результате действия этого паттерна сеть выдает результат, например символ «§». Результат компьютера сравнивается с ожидаемым результатом (т. е. с буквой 5). Если между двумя результатами — ожидаемым 5 и полученным «§» — возникает расхождение, то взаимосвязи между элементами сети регулируются заново. Затем образ буквы вновь вводится в систему, и результат проверяется тем же путем. После некоторого количества повторных проб компьютерный результат начинает все больше и больше напоминать желаемый (т. е. после ввода образа S компьютер выводит текстовый символ 5). Другими словами, компьютер создает полезную «модель»: механизм, позволяющий достичь желаемого результата при вводе определенных данных.

Подобная стратегия используется в НЛП для совершенствования той или иной модели, созданной с помощью разнообразных методов и стратегий (описанных выше). Человек представляет собой сложную «нервную сеть», которая способна обрабатывать различные свойства и особенности (т. е. репрезентативные системы, субмодальности, паттерны метапрограммы, микроповеденческие ключи, языковые паттерны и т. д.). Сосредоточение «внимания» на определенной особенности подобна процессу наделения «весом» того или иного элемента компьютерной нервной сети. Например, если сказать человеку «подними глаза вверх и влево», в то время как он пытается научиться правильно писать какое-то слово, то тем самым мы придадим больше «веса» положению глаз как элементу грамотного письма.

Таким образом, этапы модели или процедуры надбавляют внимание человека на различные аспекты и черты его опыта. Это перемещение внимания "создает своего рода «аттрактор», который стимулирует в человеке «самоорганизующееся» поведение. Если вы заметите, как теннисный мяч коснулся земли, прежде чем долетел до вас, это автоматически повлияет на то, как вы взмахнете ракеткой, чтобы отбить мяч. Подобным образом, если прислушиваться к изменению тона голоса собеседника, а не к содержанию его слов, или наблюдать его выражение лица, вместо того чтобы обращать внимание на тип одежды, которую он носит, то все эхо повлияет на способ вашей реакции на этого человека.

Инструкции и процедуры, составляющие принципы, этапы и стратегии поведенческой модели, таким образом, подобны «весу» в нервной сети. Применение «обратного распространения» в поведенческом моделировании будет включать в себя (рис. 35):

1) попытку применить шаги, стратегии и особенности, определяемые моделью, в соответствующем контексте;

2) концентрацию на достигнутых результатах и сравнение их с желаемыми;

3) регулировку мер и особенностей, предлагаемых моделью, с целью повысить «степень приближения»;

4) попытку применить новые настройки модели и продолжающиеся попытки повторения процесса до тех пор, пока вы (или люди, на которых рассчитана эта модель) не достигнете требуемого «порогового» уровня желаемого результата.

С помощью данного механизма модель совершенствуется в процессе опытного применения. Поправки как результаты сравнения реального и желаемого результатов вносятся до тех пор, пока не будет выработана наиболее эффективная и элегантная модель.

Рис. 35. Оттачивание техники, модели или стратегии с помощью процесса «обратного распространения»

Обратите внимание, что данный подход к оцениванию и совершенствованию модели фундаментально отличается как от простой «обратной связи» (где результат деятельности системы возвращается в нее как новые данные), так и от попытки статистического обоснования теории через анализ результатов. «Обратное распространение» подразумевает непрерывную регулировку самой модели как функцию сравнения ее результата с желаемым результатом.

Конгруэнтность кода

По мнению Грегори Бейтсона, «если хочешь подумать о чем-либо, лучше всего думать об этом так, как думает оно само». Понятие «конгруэнтность кода», введенное Бейтсоном, подразумевает, что наиболее эффективными и экологичными являются те модели, в которых взаимосвязи между элементами соответствуют взаимосвязям внутри системы элементов моделируемого явления.

В частности, Бейтсон указывает, что мы можем описать человеческую кисть как «пять бананоподобных объектов» или как «четыре взаимосвязи» между соседними пальцами (рис. 36). Возникает вопрос: «Какое из описаний наиболее соответствует тому, с помощью которого ДНК и другие генетические процессы создали настоящую человеческую кисть?» Другой вопрос звучит так: «Что изменится, если мы попытаемся создать или воспроизвести руку, думая о ней как о четырех взаимосвязях, а не о пяти объектах?» Бейтсон утверждает, что наиболее «конгруэнтные коду» модели, как правило, более элегантны (просты), полезны и экологичны.

Рис. 36. Кисть – это пять объектов или четыре взаимосвязи?

Хорошим примером значимости конгруэнтности кода для моделирования является сдвиг в понятийном и математическом аппарате астрономии, который произошел в эпоху позднего Возрождения. Средневековые астрономы предполагали, что Земля является центром Солнечной системы. По их представлениям, все планеты вращаются вокруг Земли, а не вокруг Солнца (рис. 37). Для того чтобы охарактеризовать траектории планет относительно Земли, астрономам приходилось использовать изощренные и запутанные математические описания. (Если допустить, что Земля является центром Солнечной системы, то в орбитах планет появятся странные петли и изгибы.)

Рис. 37. Орбиты планет относительно Земли как «центра» Солнечной системы

Рис. 38. Орбиты планет относительно Солнца как «центра» Солнечной системы

После того как эта модель наконец изменилась и в центре всех орбит оказалось Солнце, стало очевидно, что планеты следуют по относительно примитивным эллиптическим траекториям (рис. 38). Неожиданно стало намного проще математически обосновать движение небесных тел.

Другим научным примером конгруэнтности кода являются изменения, которые повлекла за собой теория относительности Альберта Эйнштейна. Осуществив переход от понятий «абсолютного» времени и пространства к понятиям относительного времени и пространства, модель Эйнштейна включила в себя все законы механики Ньютона (как частные случаи), но оказалась способна объяснить и предсказать множество других явлений; кстати, для этого ей потребовалось гораздо меньшее количество категорий.

Несмотря на то, что модели, не конгруэнтные коду, могут быть полезными в отдельных ситуациях, сфера их применения и долговечность весьма ограничены. В качестве метафоры (и биологического подтверждения значимости конгруэнтности кода) Бейтсон любил приводить пример с неоплодотворенной лягушачьей икринкой. По существу, икринка лягушки представляет собой шар; следовательно, ей не хватает существенного объема информации, необходимой для того, чтобы стать лягушкой (рис. 39). У шара нет ни «переда», ни «зада», ни левой, ни правой сторон, ни верха, ни низа. Однако, поскольку ядро икринки слегка смещено относительно центра, это предопределяет «верх» и «низ» икринки. Для того чтобы начать превращаться в лягушку, икринке необходима информация о том, где будет «перед», «зад», «право» и «лево». Эта информация обычно поступает вместе со сперматозоидами самца лягушки. Место проникновения спермы в икринку отмечает «перед» будущей лягушки. Если «верх» и «перед» определены, то «зад», «низ», «лево» и «право» становятся очевидными.

Рис. 39. Волосок верблюда является своего рода моделью сперматозоида лягушки, которая не вполне «конгруэнтна коду»

Любопытно, однако, в свете положения о конгруэнтности кода, что кончик верблюжьего волоска обладает приблизительно таким же диаметром, что и сперматозоид лягушки. Если проколоть этим волоском лягушачью икринку, яйцеклетка начнет делиться и развивается в живую лягушку, умеющую дышать и ловить мух. Волосок верблюда служит своего рода «моделью» лягушачьей спермы. Однако созданная таким образом лягушка не сможет размножаться, поскольку у нее отсутствует вторая половина хромосомного набора, которая естественным образом содержится в клетках спермы самца (так называемый «гаплоид»). Таким образом, верблюжий волосок не вполне «конгруэнтен коду», поскольку не содержит определенной части информации, или кода, необходимой для создания полноценно размножающейся лягушки.

Если использовать этот пример как метафору моделирования в целом, то в терминах логических уровней НЛП можно сказать, что верблюжий волосок способен предоставить информацию уровня способностей, однако не содержит в себе необходимой информации уровня идентификации. Таким образом, важнейшим критерием «конгруэнтности кода» в моделировании является проверка и включение в модель как можно большего количества различных уровней.

Дополнительная энергия

Бейтсон подчеркивает еще один аспект конгруэнтности кодов в живых системах — аспект «дополнительной энергии». Дополнительная энергия связана с тем фактом, что во многих динамических системах (например, биологических и социальных) все элементы обладают собственным источником энергии. За счет этого система усложняется, поскольку энергия проходит через нее не по предсказуемому, механическому пути. К примеру, бильярдные шары на столе не имеют собственной дополнительной энергии. В подобной системе энергия обеспечивается силой удара кия по одному из шаров. Распределение энергии по сталкивающимся шарам вполне предсказуемо.

Чтобы объяснить, как именно усложняется и теряет предсказуемость взаимодействие между элементами живой системы, обладающими собственными источниками энергии, Грегори Бейтсон проводил аналогию с кэрролловской Алисой, которая пыталась играть в крокет, используя ежика в качестве мяча, а фламинго — в качестве клюшки. Бейтсон указывал также, что если вы ударили по мячу, вы можете с достаточной точностью определить, куда он полетит, если рассчитаете угол удара, количество приложенной силы, трение поверхности и т. д. Однако если вы под тем же углом, с той же силой и на той же поверхности пнули собаку, гораздо сложнее будет предсказать, чем все это кончится, поскольку собака обладает собственной «дополнительной энергией».

Законы Ньютона лишь отчасти применимы к живым системам, каждый элемент которых обладает собственным источником энергии. Дополнительная энергия высвобождается скорее благодаря различиям и информации, чем как следствие силы, приложенной к системе. Чрезвычайно слабый стимул окружения способен высвободить огромный объем дополнительной энергии. Услышав свисток, голодная собака затрачивает огромное количество энергии, чтобы вернуться домой на обед. Привлекательная дама, подмигнув своему поклоннику, придает ему немало энергии. Вспомните, как похищение Елены Троянской послужило причиной многолетней войны. Труды Карла Маркса подтолкнули многих людей к революции. Вообще, убеждения являются хорошим примером того, как информация мобилизует энергию.

Многие специалисты по естественным наукам до сих пор ошибочно полагают, что живые системы функционируют механически, а не под действием дополнительной энергии. Например, традиционная западная медицина ограничивается механическими аспектами терапии. Примером применения механического мышления к живым системам является понятие «рефлекторной дуги» Павлова.

Многие социальные, политические и психологические проблемы, омрачающие нашу жизнь, также появились в результате применения механического мышления к живым системам. Коллатеральная энергия игнорируется и в тех случаях, когда ради социальных изменений используется сила, принуждение и манипуляция.

Некоторые люди склонны рассматривать с механистической точки зрения даже методы НЛП. Так, например, процесс установки якорей можно воспринимать либо в терминах механической причинно-следственной связи, либо как использование дополнительной энергии. Элементы любой техники НЛП не имеют ничего общего со сталкивающимися бильярдными шарами. Скорее, работа с людьми напоминает нам то, как Алиса играла в крокет.