Мышление. Геометрический подход. Введение

    23 окт, 2011 в 21:32

Геометрический потому, что с его помощью можно полностью абстрагироваться от конкретики "конструкции" живого мозга и использовать только группы преобразований, как делается в физике. А абстрагирование нужно в данном вопросе, как воздух, поскольку
понятие мышления является крайне неопределённым и каждая дисциплина понимает под ним что-то своё. Крайне важно поставить вопрос максимально точно, чтобы были ясны пределы его применимости и тем размежеваться с нейрофизиологами, психологами, философами, почившими в бозе  кибернетиками, ИИшниками и информатиками. Поэтому, рассматривать мышление будем в рамках вопроса задачи автоматизации, чёткая формулировка которой, есть в машиностроении - определить функцию человека в каком-то процессе и передать её автомату.

В такой постановке вопроса, очевидно, совершенно неважно, как на самом деле работает человеческий мозг, важнее всего, как можно реализовать ту или иную его функцию в техническом устройстве. Ну, примерно так, как было сделано в авиации. Функция полёта птицы была перенесена на самолёт, который, однако, не "учили" махать крыльями, а применили другой способ  получения подъёмной силы.
В процессе, конечно могут возникать гипотезы и о работе естественного мозга, но проверка их будет касаться только нейрофизиологов и никого другого.

Начнём с того, что напомним, что человек есть продукт естественной природной эволюции и естественного отбора, а по способу осуществлять автономное механическое перемещение, человек  голономная стержневая механическая система с неголономными связями с опорой.

Голономная система это такая, все связи которой являются геометрическими и интегрируемыми. А насчёт неголономных систем у меня есть большое подозрения, что это не совсем системы. Позже вернёмся к этому и попробуем дать понятию системы определение.

Голономные системы хороши ещё тем, что у них есть собственные конфигурационные пространства. Т.е. такие, которые "заметаются" относительным движением структурных составляющих, т.е. у человека - его эффекторами. Кроме эффекторов (конечностей)  у человека есть органы чувств или естественные датчики, полученные в процессе всё того же естественного отбора, регистрирующие воздействия разной физической природы с диапазоном опять же полученным в эволюционном процессе. Никакой другой информации об окружении, кроме, как полученной через внешнее воздействие на эти датчики у человека нет и не может быть. Можно ввести пространство состояний определяемое характеристиками этих датчиков, но, поскольку у нас подход геометрический, а характеристику любого действия можно геометризовать, будем считать, что это тоже конфигурационное пространство, естественным образом ассоциированное с первым, поскольку собственное движение человек обнаруживает с помощью всё тех же датчиков.

Теперь, переходим к главной части. Всей этой достаточно сложной системой конфигурационных пространств требуется управлять хотя бы для того, чтобы осуществлять опорное механическое движение. Это уже функция мышления. И для управления движением используются пространственные преобразования собственного конфигурационного пространства за счёт изменения его текущей геометрии под контролем второго пространства, пространства показаний датчиков, геометрия которого меняется строго закономерно и в соотвествии с изменениями первого. Для этого требуется третье конфигурационное пространство, связывающее первые два тем, что называется обратной связью. Это пространство - пространство отображений первого в характеристиках измеренных датчиками второго. И требуется ещё одно! Пространство команд эффекторам для осуществления движения, которое тоже запросто геометризуется. В результате у нас получилась симметричная схема управления механической системой, которая ничего пока не умеет, но которая имеет всё необходимое для того, чтобы научиться.

Теперь возникает вопрос о реализации отображающего и управляющего конфигурационных пространств, которые в случае человека есть продукт естественной природной эволюции и естественного отбора. Совсем что угодно для реализации взять не получится иначе можно получить большие проблемы с естественностью происхождения. Например, пару постов ранее я уже отмечал, что, например, брать логику, в качестве основы принципа действия мозга и мышления не является, с моей точки зрения, правильным подходом потому, что логика есть изобретение человека и следствие более простых и базовых процессов. И дал пример механической реализации клеточного автомата, описываемого обычно через логику и через логику чаще всего и реализуемого. В данном примере, очевидно, что, можно прекрасно обойтись без элементов логики, но при этом получить процесс эквивалентный логическому и даже вычислительному. При этом вычисление будет осуществляться поведением физической системы.

    26 окт, 2011 в 7:32

Эволюции и естественному отбору я уделяю столько внимания потому, что преследую цель разобраться в принципах действия мышления и не какого-то, а непременно творческого. Способного ставить и решать задачи, в результате которых, появляются доселе неизвестные их решения. Но, мозг человека сам является продуктом эволюции и естественного отбора. Следствием совершенно "безмозглых" процедур системообразования основанных на симметриях и их сочетаниях. В этом творческом процессе, в котором создано невероятное, но конечное, в виду ограниченного числа симметрий, количество разнообразных систем,  природа не имеет конкурентов. Ну, а при том условии, что природа действует в рамках того, что мы называем законами физики, которые по утверждению Р.Фейнмана "угадывает человек", то мозг и мышление действует точно так же и в их же рамках. И мышление является одним из факторов, позволяющих человеку иметь эволюционное преимущество не за счёт простого вооружения своего организма естественными средствами защиты, которые надо выращивать, типа, клыков, когтей, панцирей и прочего, на развитие которых требуются десятки тысячелетий эволюции, а за счёт значительно более быстрой эволюции технических средств, вооружающих и расширяющих возможности человека.

При этом, возможности конфигурационных пространств, о которых мы говорили ранее, расширяются, за счёт присоединения к этим пространствам собственных конфигурационных пространств инструментальных средств. Ну, очевидно, понятно, что, если человек возьмёт в руку палку, то его конфигурационное пространство расширится за счёт временного усложнения структуры через наложение условия связи, которое отнимет часть степеней свободы как у человека, так и у палки, рекомбинирует эти связи с получением, в результате, системы с увеличенным количеством внутренних степеней свободы. Естественно, что система, которая может очень быстро изменять собственную структуру, геометрию и расширять свои возможности получает фору в эволюции. Но сама эволюция становится эволюцией искусственных систем, используемых для вооружения естественных.

Я неоднократно отмечал, что искусственность происхождения технических решений, которые нашёл человек, является достаточно условной.  Их происхождение настолько же естественное и природное, насколько естественным и природным является человеческий мозг. Человек просто не в состоянии вырваться за рамки физических законов, придумать и реализовать что-то, что этими законами не разрешено, как некая возможность, которая, однако, может и не реализоваться, если не будут созданы условия для такой реализации, как одной из множества альтернатив.

В такой парадигме, всё что сделано человеком за время его существования есть такой же продукт естественной эволюции и естественного отбора, как и сам человек. Но ускоренной по сравнению с чисто природной и спонтанной, за счёт процедуры целенаправленного поиска решений в задаче прогноза, что является основной функцией мозга и мышления.  И в этом случае, помня, что наша система из четырёх конфигурационных пространств имеет симметрию, можно смело считать, что все очевидные и совершенно прозрачные действия человека, как механической системы, направленные на создание инструментов расширяющих возможности и вооружающих собственные конфигурационные пространства человека, имеют совершенно симметричные отображения в пространствах осуществляющих контроль, измерения и управление. И, тогда, исследуя, последовательность механических действий человека по изготовлению своих инструментов,  можно через преобразования симметрии получить и принцип действия, который лежит в основе управления этим процессом. А это и есть мышление. Творческое мышление.

Вот, "отсель грозить мы будем шведу"

Вот, вспомнил, что не привёл один хороший пример, иллюстрирующий естественный механизм получения искусственного результата.
Бронза, которая в природе не встречается, а изобретена или, вернее, открыта человеком и, которая сыграла значительную роль в его эволюции, является искусственным материалом, не встречающимся в естественной природе. Но, какова роль человека в процессе её открытия? Человек только создал условия, в которых реализовался один из строго закономерных для этих условий возможный, но не реализованный самой природой результат. Отсюда  и следует вывод, что человек в процессе творческого мышления не может выдумать что-то, что запрещено физическими законами, а только то, что этими законами разрешено, как комбинаторно реализуемый и совершенно закономерный результат случайно возникших начальных условий. Интересно и важно ещё и то, что такой результат лежит по ту сторону некоторого предельного перехода от свойств компонентов к свойствам результата или в случае бронзы, сплава. Свойства сплава не являются простой суммой свойств компонентов. Бронза имеет свои собственные. Собственное конфигурационное пространство свойств. Ровно таким же собственным конфигурационным пространством свойств полученным в результате предельного перехода от преобразований пространств компонентов, обладает и любое техническое решение, являющееся продуктом мышления.
Разница только в том, что это мысленное решение является моделью, которую ещё надо реализовать. Как, к этому мы придём попозже, а сейчас требуется разобраться с тем, как наша симметричная система учится управлять собственным движением.

Самым элементарным процессом мышления является процесс управления опорным движением. Правда не все считают этот процесс мыслительным, но, поскольку, способность к прямохождению у человека не является врождённой, а он этому фокусу довольно долго учится, не считать этот процесс мыслительным я считаю неверным. При этом, следует учесть, что никакой учитель научить сохранять равновесие при ходьбе принципиально не может. Максимум, это показать на примере и подстраховать в случае, если обучаемый задумал навернуться. Мы не знаем, как пользуемся своим вестибулярным аппаратом, а если бы и знали, то передать это своё  умение не смогли бы никаким образом. Так что человек учится прямохождению самостоятельно исключительно методом проб и ошибок.

А как происходит управление таким движением и вообще, что оно такое? На самом деле, ходьба, это способ перемещения с помощью управляемого падения. Ну, прямо, как способ движения ИСЗ по орбите вокруг Земли   Человек, изменяя собственную геометрию, геометрию голономных связей, нарушает условие статического равновесия относительно наложенных на опору условий связей, напоминаю, неголономных связей, и для того, чтобы не навернуться в направлении смещения центра тяжести, мы вынуждены освободить связь с опорой, перенести её в этом направлении и опять эту связь временно лишающую систему степени свободы, наложить.  Так мы шагаем, сохраняя динамическое равновесие при движении. Это равновесие контролируется вестибулярным аппаратом, который является датчиком ускорений, который регистрирует любое отклонение от состояния покоя. Отсюда следует, что все изменения собственной геометрии при движении регистрируются и логично предположить, что они могут запоминаться, а затем использоваться в управлении движением через обратную связь.

Что же получается в наших конфигурационных пространствах? Они расслаиваются на поверхности, вдоль которых происходит движение стержней нашей механической системы. На линии траекторий, описываемые шарнирами-суставами соединяющими стержни и на точки, где эти траектории пересекаются. Естественно, что таким же образом расслаивается и пространство характеристик измеряемых датчиками, и пространство отображений, где эти характеристики регистрируются. И симметричное ему "пространство команд" представляющее собой конформное отображение пространства характеристик, а детальнее, отображение полученное комбинациями инверсий и преобразований подобия. Что мы получили в результате? Некоторую симметричную сетевую структуру, очень похожую на нейронную, да вдобавок сразу с двумя "полушариями", поскольку отображения через инверсии так построить проще всего. Помните? Левое полушарие отвечает за работу правых конечностей и наоборот. Зрительные зоны также расположены перекрёстно симметрично по отношению к расположению глаз и т.п.

В прошлый раз мы остановились на том, что получили некоторую траекторную сеть, являющуюся зарегистрированным, с помощью датчиков, отображением собственных движений эффекторов. При этом, получается, что для эффективного управления движением, эта сеть должна этому управлению обучиться. И "обучение" её основано на развитии самой сети траекторий. В принципе, точно так же, реки прокладывают собственные русла, границами которых их конфигурация  и определяется. Точно так же создаются и железнодорожные сети и сети коммуникаций.

Раньше мы показали, что такой "траекторный вычислитель" вполне справляется с логическим выводом
( Игра в "жизнь" механикой)   и вполне может быть описан и логикой. Но, поскольку любая модель имеет ограничения, ни одно из описаний не может претендовать на полноту. Штука в том, что решение механикой не является моделью, а вполне самодостаточно, а вот описание механической системы, ограничения модели иметь будет.
Так что,  факт ограничений в описании нас смущать не должен. Должно определить, может или не может наша механическая система сама быть способной создавать описания. И, если может, то каким образом. Мозг это может - точно!

В этом месте, моё повествование имеет шанс разделиться на множество веток. Я долго думал над тем, какую выбрать, ничего путного не придумал и решил продолжать, как получится, уповая на ваше активное участие.

Вот необходимые ссылки, с текстом, по которым я рекомендую ознакомиться.
О возможном механизме памяти на сигналах.

Как я уже сказал выше, подобная гипотеза ни разу не претендует на утверждение, что именно так устроена память в живом мозге. Как именно и насколько гипотеза соотвествует действительности должно интересовать только нейрофизиологов. В рамках нашей задачи автоматизации, нас интересует только две вещи. То, что такая сигнальная память не запрещена физическими законами и, что такой механизм памяти мог быть получен в спонтанном природном процессе. Т.е. в результате эволюции.

С учётом памяти на сигналах, наш "вычислитель траекторий" приобретает необходимую для наших целей гибкость. Сигналами в нашей сети можно управлять, а их характеристики измерять, не менее эффективно, чем с их помощью управлять эффекторами и самим механическим движением. В памяти на сигналах можно строить модели окружения и прогнозировать с их помощью результаты поведения в условиях предполагаемых, но ещё не наступивших изменений. А умение прогнозировать развитие каких-либо событий даёт несомненное эволюционное преимущество обладателю такой "прогнозирующей машинки".

По опыту, чувствую, что требуется кое-что уточнить. Предложенная память на сигналах не может хранить информацию в статическом виде и/или в виде каких-то константных последовательностей. Компоненты сигналов, содержащие информацию, должны непрерывно изменяться и копироваться, оставляя соотношения инвариантными относительно любых их  преобразований.

    12 ноя, 2011 в 10:06

Итак, мы остановились на том, что получили некий траекторный вычислитель на сигналах, способный обучаться управлению собственным движением за счёт регистрации характеристик фаз этого движения. Теперь очередь за тем, чтобы выяснить каким естественным образом такой вычислитель способен строить модели. Впрочем, зарегистрированные фазы движения, используемые впоследствии в качестве управляющих этим движением сигналов, уже являются некоторой моделью движения и его отображением. Но, нам только собственного движения изменением геометрии голономной системы мало. С окружением мы связаны временными неголономными связями со всеми сопутствующими случайностями по ним.
С другой стороны, конечно следует отметить, что случайность по этим  связям с окружением решает "проклятый вопрос" о "свободе воли", но этот вопрос опять таки не наша, а философская "проблема" и мы просто вскользь об этом упомянем.

Прежде чем перейти к достаточно сложному вопросу о случайности характеристик по связям с окружениям, мы должны рассмотреть ещё один способ управления движением, который назовём управлением по неполным обратным связям.
Вероятно, каждый помнит стандартный тест, который проводит невропатолог - попасть указательным пальцем в кончик носа с закрытыми глазами. Можно, конечно, считать, что это движение происходит под полным контролем интерцепторов, которые дают информацию о текущем положении пальца и носа и чесать репу над тем как мозг успевает выполнить при таком низком быстродействии такое большое количество операций требующихся  для обработки поступающих данных, но есть и более простой способ задания такого движения. Если у нас есть "обученная" сеть, в которой зарегистриролваны все необходимые фазы движения из любой точки конфигурационного пространства в целевую - кончик носа, то переходя последовательно из точки в точку по узлам этой сети мы ни за что не ошибёмся и палец попадёт в нос из любого положения. Если же не попадёт, значит сеть нарушена, каковое нарушение и ловит наш невропатолог. Такое управление движением ничем не отличается от ЧПУ, которое не использует обратную связь до тех пор, пока не сработает "конечный выключатель", т.е. когда палец не попадёт в кончик носа. А при условии, что контакт будет являться неголономной связью наложенной в рамках голономной системы, очевидно, что наша система может обрабатывать такие связи не менее эффективно, чем голономные. Но, при определённых условиях, которые для связей с окружением, не входящим в голономную систему, совершенно не обязательно выполняются.

Эти условия, в которых возможно сохранение  управляемости, несмотря на случайность их возникновения и вариабельность характеристик, должны быть строго закономерными и воспроизводимыми.  Вполне возможно, что в широком диапазоне, но не более широком, чем приспособившийся к их регистрации диапазон датчика, полученный в процессе всё той же эволюции. В принципе, "физика работает только с воспроизводимыми явлениями". Так же с воспроизводимыми явлениями работает и организм

Ну, раз наши естественные датчики - органы чувств работают с воспроизводимыми воздействиями - сигналами, то, очевидно, следует предположить, что эти внешние сигналы и являются управляющими по отношению к датчикам для собственной фильтрации, различения и, наконец, построения собственной модели. (Кстати, левое, но нужное замечание. Я постоянно применяю принцип инверсии или механической обратимости, который является стандартным приёмом проектирования. И получился отличный его пример. Если датчик воспринимает какие-то сигналы, можно считать, что они являются управляющими, как этим датчиком, так и управляющими "проектированием его конструкции")

Как под управлением воспроизводимых внешних сигналов строится система их фильтров и модель, будет в продолжении.

Из баллистики известно понятие трубки траекторий которая включает в себя все возможные отклонения. В нашей задаче понятие такой трубки является хорошим примером фильтра закономерного, но вариабельного сигнала. Сигнал, траектория которого, укладывается в некоторую трубку, принадлежит множеству сигналов определяемого этой трубкой. По аналогии, и для более сложных случаев, такое множество определяет не трубка а часть нашей траекторной сети. Подсетка траекторий определяет и задаёт фильтр подмножества сигналов.

Мы условились считать внешние сигналы управляющими. Действительно, при условии, что сигнал есть последовательность воздействий на чувствительный элемент первичного датчика, в т.ч. естественного - органа чувства, то такая последовательность управляет изменением состояния чувствительного элемента. Наиболее наглядно это на примере звукового сигнала, который представляет собой последовательность механических действий на орган слуха или микрофон. Со зрением, чуть сложнее, поскольку это  система датчиков и обрабатывать приходится не один, а множество сигналов. Об этом чуть ниже. А пока на примере звука.

Сигнал, приходящий на датчик является модулированным его источником и вдобавок зашумлённым. Уровень зашумления сигнала влияет на его различимость. В принципе, на датчик (микрофон) может прийти сигнал мало что общего имеющий с чистым. А надо ещё учесть, что чистые закономерные и воспроизводимые сигналы могут обладать значительной вариабельностью, что представляет собой ещё одну трудность для их различения. Но, с этой трудностью наша сеть "трубок траекторий" может справиться довольно просто.

При условии, что вся наша сеть является результатом сплошной регистрации и отображением всех кряду сигналов приходящих на вход, требуется обнаружить естественный механизм способный реализовать фильтрацию зашумлённых сигналов и их восстановление, в случае, если часть сигнала пропущена.

Представьте себе лесные тропинки, которые протаптывают люди и животные и которые непрерывно зарастают травой и кустами. Наиболее часто используемые тропинки не зарастают никогда, редко используемые в конце-концов исчезают.
С моей точки зрения, такой "алгоритм протаптывания/зарастания" является достаточно хорошим примером естественного отбора нужных траекторий и вполне применим к отбору фильтров на нашей траекторной сети. Воспроизводимые и потому закономерные сигналы воспроизводятся чаще, чем случайный шум. Интерференция нескольких разных сигналов всегда будет возникать в разных геометрических местах своих траекторий и их "тропинки" так или иначе в конце концов разойдутся и организуют свои собственные подсетки - фильтры. Совсем случайные траектории от зарегистрированного шума "зарастут" и будут утрачены. Ну, а когда подсетки наших фильтров обучатся различать сигналы достаточно хорошо, то восстановление зашумлённых участков до чистого сигнала будет достаточно простой задачей с использованием ранее зарегистрированных траекторий для интерполяции.

Со зрительной системой происходит ровно то же самое, за исключением того, что требуется обрабатывать большое количество сигналов приходящих на большое количество датчиков и уже из них получать интегральную картинку.
На вход датчика приходит так же модулированный световой сигнал, причём модуляция обеспечивается поглощающими и отражающими свойствами, а также уникальной геометрией рассматриваемого объекта. Поскольку такой сигнал, как мы условились должен обладать воспроизводимостью и закономерностью, характеристика сигнала приходящего на соседний датчик из всего комплекса зрительной системы совершенно закономерна по отношению к соседним. Примерно так же, как закономерно состояние соседних клеток клеточного автомата, заданное правилом перехода. Здесь это правило задаёт внешний модулированный источником, сигнал. Остальной процесс аналогичен тому, что мы рассмотрели для звука. просто сетки для отображения зрительных образов должны быть сложнее.

Итак, мы получили траекторно-сигнальный вычислитель, способный регистрировать все подряд внешние воздействия и, на основе сформированных при регистрации, фильтров, распознавать закономерно воспроизводящиеся внешние сигналы. Эти фильтры, как вы должны помнить, представляют собой подсети, нашей общей траекторной сети. Каждой группе сигналов может соответствовать своя специфическая, распознающая эту группу подсетка. Сигналы, зарегистрированные на такой сети, представляют модель окружения "реальности, данной нам в ощущениях", зарегистрированной в измеримых характеристиках полученных от первичных датчиков.
Насколько такая модель во внутреннем её представлении  соответсвует реальному окружению? Ответ прост. Такая модель необходимо и достаточно соответсвует реальности, если система получает эволюционное преимущество и выживает в естественном отборе. Только при достаточном соответствии модели реальности, можно строить адекватный прогноз и управлять поведением в непрерывно изменяющейся обстановке, постоянно подтверждая верность прогноза "экспериментом". Как ни странно может показаться, но такое утверждение, завязанное на эволюцию, совпадает с эйнштейновским определением физической реальности, что нас не может не радовать: "если можно предсказать с достоверностью (т.е. с вероятностью равной единице) значение некоторой физической величины, то существует элемент физической реальности, соотвествующий этой физической величине". Как видите, такая постановка вопроса снимает все философские заморочки по этому поводу и переводит вопрос в строго физическую область. Но, наше дело, не физику продвигать, а задачу автоматизации решать, так что порадовались подтверждению и будет. Просто отметим, что в естественном отборе эволюционное преимущество получают системы выработавшие достоверные способы прогноза, откуда следует, что модель настолько достоверна, насколько она полезна в эволюции. Это не означает, что модель полностью соответсвует реальности и что мы вообще можем сказать, что мы знаем, какова реальность. Нет! Мы можем сказать, что наша модель реальности достаточно достоверна, чтобы ею пользоваться для выживания.
А вот как мы этими моделями пользуемся, как осуществляется поиск в зарегистрированной информации, будет в продолжении

Отсюда следует вернуться к эволюции и естественному отбору, чтобы попробовать разобраться в его принципах.
Как-то я уже рассказывал, что будучи ещё сопливым пацаном имел счастья быть лично знакомым с профессором Любищевым, который на меня произвёл неизгладимое впечатление своими рассказами об эволюции и который поразил мой тогда ещё совсем незамутнённый мозг утверждением, что "хаос это вид порядка". Тогда я понятия не имел насчёт того, что выделенных направлений нет. Но, впоследствии я понял, что имел в виду профессор. Не бывает абсолютного порядка, как не бывает абсолютной системы отсчёта и выделенного направления. Все упорядочения равноправны и хаос всего лишь одно из таких упорядочений. В этом случае, абсолютизация натурального ряда, например,  является удобной, но неправомерной. Все остальные ряды равноправны с натуральным.

Исходя из такого утверждения о равноправии любых упорядочений и, если хотите, разупорядочений, можно задать следующий вопрос. Как из всего бесконечного их многообразия отбирается их конечное количество. Особенно, если это многообразие точечных взаимодействий. Как из них получаются устойчивые системы и что такое системы вообще?

Физика предоставляет единственный ответ на этот вопрос - случайно возникшая симметрия в последовательности взаимодействий и соотвествующий ей закон сохранения препятствуют немедленному распаду такой системы. Понятно, что со своими умозаключениями мы вляпались по самое не могу на минное поле квантовой механики и лучше нам с этого поля унести ноги, пока ещё и артиллерией не накрыло. Но, утверждение утащим с собой. Оно пригодится для определения понятия системы.

Каждое взаимодействие обладает симметрией, которому обязательно соотвествует дифференциальный закон сохранения, но для того, чтобы из этих взаимодействий сложилась устойчивая система, требуется, чтобы в ней выполнялся ещё и интегральный ЗС. Голономные системы этому условию вполне отвечают. А про неголономные, как вы помните я высказался, что не считаю их по крайней мере полноценными системами. Итак, системой будем считать такую последовательность взаимодействий, в которой существуют внутренние симметрии и выполняются соотвествующие им законы сохранения, препятствующие их распаду.

С такой точки зрения, наш привычный, закономерный детерминированный или даже вероятностно детерминированный мир есть частный случай более общего мира случайных взаимодействий. И все закономерности его являются результатом эволюции и естественного отбора, единственным критерием которого, являются законы сохранения, имеющие место быть сразу после предельного перехода в процедуре системообразования с получением набора симметрий. В такой парадигме, очевидно, эволюции и естественному отбору отдаётся главенствующая роль, а природа становится неким физическим "вычислителем",  результат которого получается за счёт поведения и в виде воспроизводимых закономерностей.

Остановились мы на том, каким образом мы пользуемся моделями окружения, созданными нашим траекторно-сигнальным вычислителем. Поскольку этот вычислитель получен в рамках эволюции и в целях  наилучшей приспособляемости в естественном отборе (надо только помнить, что эту цель никто не ставил, эволюция просто не оставила другого выбора), то в первую очередь он приспособлен для ориентации и навигации в этом окружении. А это, в свою очередь, означает, что модель окружения представляет собой ни что иное, как динамическую карту созданную на базе зарегистрированных измеренных органами чувств характеристик этого окружения. Естественно, что эти характеристики являются самыми естественными для различения соответсвующими датчиками-органами чувств, т.е. являются  непосредственно пространственно-временными, сначала без формирования абстрактных понятий пространства и времени, затем, по мере познания, с получением этих понятий.

Использование географических карт есть ничто иное, как отображение уже ранее существующей процедуры формирования и использования карт мысленных, а разница заключается в том, что карта рисуется на внешнем носителе и добавляется специфическая процедура сличения характеристик окружения с символами на такой карте. В случае мысленной карты,  траекторно-сигнальной модели, сличение происходит непосредственно на уровне сигналов от датчиков регистрирующих текущие характеристики окружения с ранее зарегистрированными.

Но, есть большая разница в процедурах. На бумажной карте мы вынуждены искать место символа или условного обозначения обнаруженного характерного ориентира, что занимает время, а в случае мысленной карты сличение происходит практически мгновенно. В принципе мы уже знаем за счёт чего - сформированный датчиками сигнал от ориентира является непосредственно управляющим, а поиска, как на внешнем носителе, не происходит вообще. Философы, иишники, нейрофизиологи скажут, что это результат ассоциативнного доступа к памяти. Правда они не говорят, каков механизм такого доступа по значению. А все, по крайней мере мне известные, попытки создать ассоциативную память с доступом по значению, так или иначе в итоге сводятся к созданию изощрений с индексными таблицами и в итоге, ну или к специфическим устройствам, гибкость которых оставляет желать лучшего.

На самом деле, существует достаточно простой вариант организации такого доступа по значению,который изобретён достаточно давно, ещё в 60-х, но который, с моей точки зрения, хотя и используется , но сильно недооценён. Вот им дальше и займёмся.

    13 сент, 2014 в 12:56

Что-то в последнее время у меня получается 1 пост/год на эту тему. Нвдо бы повысить производительность. Хотя, с другой стороны, при отсутствии интереса нет особого смысла.

Итак , когда компьютеры были большими, а программы маленькими, не все программисты были кодерами и не все знали единственное истинное учение, родившееся в 70-х, о том, что GOTO придумал сам Сатана, а пророк Дейкстра проклянёт его, и уж точно не думали что данные это такое значение, которое находится в ячейке по какому-то адресу. Они програмировали "неправильно" и придумывали "некошерные",  методы. Таким образом в 1962-и году был изобретён Trie метод. Я не буду его расписывать, поскольку он сейчас ихвестен, как префиксное или нагруженное дерево или по Кнуту - бор. Я обращу Ваше внимание на то что в 62 году этот метод реализовывался нескольку не так, как это делается сегодня - никто не требовал в то время замуровывать данные по адресу, чтобы потом искать их просматривая содержимое всех кряду адресов. Поступали проще - в ячейку с адресом равным коду=номеру символа записывали адрес следующей таблицы ветвления. Ну, наверное понятно, что если алфавит равен 33 буквам, то у любой текущей буквы теоретически имеется 33 возможных продолжения. Скорость поиска в такой реализации прсто сумасшедшая. Впрочем это даже не поиск, а именно доступ по значению в структуре... кхе... крамольно не содержащей самих данных.

Но память в 60-х была сверхдефицитна, GOTO было проклято вместе с хакерами, а разработчики нетопыря computer science, задушившего программирование и заменившего искусство на ремесло кодинга, привело к тому, что реализация была практически забыта, а учОные вернулись к досужим  размышлениям - как все-таки реализовать ассоциативную память на символьной логической машине и решать задачу расстановки-  увязывания данных с адресами, без коллизий.

На самом деле, метод, при условии, что память теперь не дефицит - весьма плодотворен и уж точно недооценен.  Просто алфавит надо взять поменьше - {0;1}, например и объявить все четные адреса - нулями, а нечетные единицами, преобразовав таким образом всю память в ассоциативную с доступом по значению, а символьную машину в псевдогеометрическую, где роль геометрического пространства будет играть адресное.

Отредактировано Шарпер (2018-03-05 09:48:06)