Ошибаться полезно. Почему несовершенство мозга является нашим преимуществом. Хеннинг Бекк

импульс поступает слишком рано, он не оказывает должного воздействия. Только когда различные фрагменты информации сменяют друг друга, мозг получает возможность объединить их в некое знание. Это похоже на приготовление лазаньи. Разумеется, можно сначала залить в форму соус, потом свалить в кучу пласты теста и сверху засыпать сыром. Но это будет не лазанья. Вкусное блюдо (как и осознанная мыслительная концепция) получается лишь в результате определенной очередности операций. Такое концептуальное мышление позволяет нам уйти от простого заучивания. Только так можно классифицировать все предметы и явления окружающего мира по категориям и смысловым взаимосвязям и, как следствие, понять его.

Не заучивать, а понимать!

      То, что можно выучить, впоследствии можно и забыть. Но если вы что-то поняли, то уже не сможете вернуться к состоянию непонимания. В обучении как таковом нет ничего особенного. Обучаться могут многие животные и даже компьютеры. Но на то, чтобы понимать окружающие явления, способен только наш мозг, и этим искусством он владеет благодаря тому, что не ограничивается накоплением данных, а пытается обнаружить корреляции между ними. Только таким путем из данных рождается знание. Их нельзя путать. Правда, в современном оцифрованном мире между ними зачастую ставится знак равенства. Однако, хотя символы:-) и:-(равны в количественном выражении, они несут в себе совершенно разную информацию. Я уже не говорю про эмоциональную подоплеку (улыбающееся лицо вызывает радостные чувства). Для компьютера разница между:-) и:-(составляет 33 процента, но для нас – все сто.

      Как мы усваиваем эти знания и концепции? Как мы понимаем мир? Давайте сначала познакомимся с образцами непонимания на примере компьютерных алгоритмов, причем самых современных из тех, которые имеются на сегодняшний день, – так называемых глубоких нейронных сетей. Речь идет о компьютерных системах, в основе программирования которых лежит неклассическая логика (из А вытекает Б). Они построены по примеру мозга (по крайней мере, так утверждают) и копируют его нейронную структуру. В ходе работы цифровые «нейроны» приспосабливаются друг к другу, взаимодействуя в местах контакта, в зависимости от того, какие данные обрабатываются. Поскольку нейроны самостоятельно анализируют характер своих контактов, со временем система может самообучаться. К примеру, если мы хотим, чтобы программа распознавала пингвинов, ей демонстрируются сотни тысяч разных фотографий, среди которых попадаются сотни изображений пингвинов. В результате программа сама определяет отличительные особенности пингвинов и начинает понимать, кто это такой.

      Прогресс этих искусственных нейронных сетей поражает. Только за счет демонстрации изображений такие системы самостоятельно находят животных, предметы и людей на любых фотографиях. Их способность распознавать лица уже превосходит человеческую (приложение Google может распознавать в толпе не только человеческие лица, но и коровьи морды). Но давайте скажем