В их работе были сформулированы и экспериментально обоснованы основные принципы «эвристического программирования», моделирование мышления человека с помощью информационных процессов. Внутренние репрезентации: пространство задачи. Они описали процесс решения, причем любая задача- простая структура. Есть некое исходное состояние и целевое, есть правила (операторы), и все этапы, которые мы можем применить- это репрезентация перед решением. Каждый шаг- исполнение какого-нибудь оператора.
Также для реализации этой модели в эксперименты необходимо включить эвристики, которое будут направлять испытуемого в нужно направление. Эвристика- процедура сокращения перебора. Она не гарантирует правильного решения, просто уменьшают зону поиска (сокращ перебор), помогает придти к правильному решении, имеют широкую зону применения, сокращается суммарное время реакции. При этом отсутствует обоснование.
Мы помещаем ис-пытуемого в лабораторию (студента колледжа, вечного испытуемого, привлека-емого в психологическом исследовании). Мы знакомим его с задачей, о которой говорим ему как о «регистрации» символических выражений. Мы предъявляем ему выражение и просим его получить из этого выражения второе выражение путем приложения к первому выражению последовательности правил преобра-зования, полученных из списка, который мы также кладем перед ним. Мы просили испытуемого называть вслух каждое правило, которое он хочет применить, и выражение, которое явится результатом такого применения. Экспериментатор тогда записывал новое выражение на доске. Мы также просили испытуемого вслух рассуждать о том, что он делал: «о чем он думал».
Проблема исследования — создать теорию процессов, лежащих в основе поведения испытуемого, когда он работает над задачей, и испытать объяснение теории путем сравнения поведения, которое она предсказывает, и действительного поведения испытуемого.
Сводят высшее поведение к информационным процессам. Таким образом, слегка варьируя условия задачи, можем делать поведение испытуемых прогнозируемым (kx+4O+l).
В целом мы должны получить описание такого пространства, в котором осуществляются действия по решению задачи (пространством задачи). Испытуемому в эксперименте предъявляют некий набор инструкций и последовательность стимулов. Он должен кодировать эти компоненты задачи — определяя цели, правила и другие особенности ситуации — в некотором пространстве, которое несет в себе начальное состояние, желаемое целевое состояние, различные промежуточные состояния (как воображаемые, так и реально достижимые), а также некоторые понятия, которые испытуемый использует для описания этих ситуаций самому себе.
Создали общий решатель проблем, который представляет собой программу вычислительной машины, включающую общие процессы заключения относительно итогов (целей) и средств (операторов). Она является общей в том смысле, что сама по себе программа не привязана к самой природе объектов, различий и операторов, с которыми она имеет дело. Следовательно, ее возможности в решении задач могут быть перенесены с одного типа задач на другой, если он содержит информацию относительно типов объектов, различий и операторов, которые характеризуют и описывают конкретные условия задачи.
5. Общая характеристика нейросетевого подхода. Биологический нейрон и формальный нейрон. Архитектуры искусственных нейронных сетей. Обучение искусственной нейронной сети.
Нейросетевой подход образуется на стыке множества дисциплин: психология, философия и т.д. Возникновение такого подхода обусловлено стремлением человека создать машину, которая работала бы в точности, как человеческий мозг. Вообще, стимулирование к развитию данного подхода является тот факт, модульный подход не описывает обучение, а что психологи изучают развитие. В нейросетевом есть возможность обучения (процессы научения) и возможность сохранения и распределения информации. (Примеры развития с речью- есть временная развертка, но нет репрезентации; развитие ходьбы, что-то там про пробы Пиаже было).
Нейронные сети- вычислительные структуры, которые моделируют простые биологические процессы, обычно ассоциируемые с процессами человеческого мозга. Она представляют собой распределенные и параллельные системы, способные в адаптивному обучению путем анализа положительных отрицательных воздействий. Элементарным преобразователем в данных сетях является нейрон (искусственный или просто). Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. Впоследствии, после разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.
Основные положения подхода:
· Процессы познания- результат взаимодействия большого числа простых перерабатывающих элементов, связанных друг с другом и организованных в слои. Переработка информации- определенный ответ на воздействие извне.
· Знания, управляющие процессом переработки, хранятся в форме весовых коэффициентов связей между элементами сети. Главное – не элементы, а связи между ними (субсимвольный подход).
· Обучение- процесс изменения весовых коэффициентов связей между элементами сети (приспособления их к решению определенной задачи).
Классы задач, решаемых современными нейросетями:
· Классификация: распознавание образов, распознавание голосов, верификация подписей, постановка диагноза, анализ экспериментальных данных и т.д.
· Моделирование: поведение системы, поставленной в определенные условия.
· Прогноз: погода, ситуация на рынке ценных бумаг, бега, выборы и т.д.
Комплексные задачи:
управление
принятие решений