Интеллект и проблема измерения умственных способностей.

Понятие «интеллект» (ум) несколько шире, чем мышление. Интеллект включает не только особенности мышления, но и специфику других познавательных процессов. Условно под ним можно понимать устойчивую структуру умственных способностей. Это совокупность способностей или качеств «ума». Это системное свойство, имеющее многоуровневую детерминацию. В повседневной жизни мы хорошо ориентируемся, что такое «ум». Но если вы попытаетесь дать ему определение, то увидите, насколько расходятся мнения. В психологии вопрос о четком определении интеллекта до сих пор остается открытым, хотя и является одним из самых актуальных. Человека всегда интересовала проблема оценки умственных способностей (отличить «умного» от «дурака»). Это вызвало появление множества интеллектуальных тестов. Ну а что же все-таки измеряется с помощью этих тестов?

Рассмотрим сначала с обыденной точки зрения, какие качества «ума» должны присутствовать, чтобы констатировать высокий уровень интеллекта:

-Самостоятельность – умение увидеть новую проблему, попытаться решить ее особыми способами.

-Инициативность – стремление самому искать пути и средства для разрешения проблемы.

-Широта и глубина охвата – способность представить вопрос в целом и докопаться до сути, корня проблемы.

-Критичность – умение не принимать на веру своих и чужих мнений и мыслей, а подвергать их детальному рассмотрению.

-Гибкость – умение освободиться от усвоенных в прошлом способов решения задач. Преодоление сложившихся стереотипов мышления и действий при изменении обстановки.

Специальный опрос 600 экспертов показал, что 99% считают, что интеллект связан с логикой или абстрактным мышлением, 98% - с решением проблем, 96% - со способностью приобретения знаний. Связь с другими когнитивными и личностными особенностями осталась менее очевидной. К примеру, в когнитивной психологии выделяют примерно следующий список способностей, которые характеризуют интеллект:

-Способность классифицировать паттерны (разделение неидентичных стимулов на классы).

-Способность к адаптивному изменению поведения.

-К дедуктивному мышлению (вывод логических умозаключений из имеющихся посылок).

-К индуктивному мышлению (обобщение).

-Способность разрабатывать и применять концептуальные модели.

-Способность понимать, т.е. видеть отношения в задачах и оценивать их значение для решения задачи.

Говард Гарднер определяет интеллект в терминах множества способностей, каждая из которых важна для успешности в определенной сфере деятельности. Это лингвистические, логико-математические, пространственные, телесно-кинестетические, музыкальные, межличностные (понимание других), внутриличностные (понимание себя). Ценность каждого компонента определяется конкретными общественными нормативами. Д.с., они отражают общественные установки каждой культурной среды. Напр., для западной культуры интеллект в основном характеризуется первыми двумя компонентами. Этносы, живущие по своим традиционным укладам, больше ориентируются на межличностную компетентность.

Многие психологи отказались от попыток понять интеллект с его содержательной стороны и приступили к формальному анализу структуры интеллекта. В основном это делалось на основе результатов измерения различных способностей с применением математико-статистических моделей. Пионером этого направления является английский психолог Ч.Спирмен, который специально разработал процедуру факторного анализа. Он пришел к выводу, что все умственные тесты измеряют одну, базовую интеллектуальную способность – это общий фактор «g». Он служит в качестве глобальной характеристики интеллекта и отражает уровень ментальной энергии, присущей данному индивиду. Ему сопутствует специфический фактор «s». Он отображает инструментальные средства индивида, благодаря которым ментальная энергия может быть приложена к конкретным формам взаимодействия с объектами.

Терстоун предложил процедуру многофакторного анализа корреляционных матриц. Он отталкивался от идей Торндайка о том, что общая основа интеллектуальных действий растворяется во взаимодействии множества отдельных факторов. Терстоун выделил 12 факторов (среди них – пространственный, числовой, скорость восприятия, словесное понимание, ассоциативная память и др.). После этого, стали разрабатываться иерархические модели интеллекта. В основании – один или два первичных фактора (вербальный и невербальный), которые распадаются на производные вторичные и третичные.

Измерение уровня умственного развития. Практически мыслящие психологи поняли тщетность попыток определить интеллект и приступили непосредственно к измерению умственных способностей. Это было обусловлено потребностями практики. Основателем этого направления считается английский психолог Гальтон, который и ввел понятие «умственных тестов». Он предложил множество конкретных методик и внедрил статистический метод в качестве средства изучения индивидуальных различий. Все это он делал для подтверждения своей главной идеи – наследственной обусловленности уровня интеллектуальных способностей.

Ученик Гальтона американец Кеттел (перешел от Вундта) отбросил идею наследственности и занялся разработкой однообразной системы тестовых методик. В качестве образца он предложил 50 тестов для измерения различных способностей. В сходном направлении работал русский психолог Россолимо, предложивший концепцию «психологических профилей». Он выделил 11 психических процессов, разбитые на пять групп: внимание, воля, восприимчивость, запоминание, ассоциативные процессы. По каждому процессу давалось десять заданий (оценка по десятибалльной шкале). Затем он строил графики, или «психологические профили» личности.

Для потребностей педагогической практики Бине разработал самую популярную систему интеллектуальных тестов. Новизна его идеи заключалась в относительном характере оценки умственных способностей, т.е. в отказе от абсолютного критерия. Вместе с Симоном он предложил тридцать заданий на внимание, память, мышление. Для каждого задания были разработаны нормативы для различных возрастов (от 3 до 12 лет). Индивидуальные различия оценивались уже в отношении к ряду возрастных нормативов. Если ребенок выполнял задания, с которыми справляется большинство его сверстников, он считался нормальным. В дальнейшем шкала Бине-Симона многократно модифицировалась. В США наибольшее распространение получил вариант Стенфорд-Бине (по названию университета). Он явился основой для создания самой популярной в наше время батареи тестов Векслера.

В 1911 г. В.Штерн ввел термины умственный возраст и коэффициент умственного развития. Если ребенок выполняет тесты соответственно своему физическому возрасту, его коэффициент равен 1,00. Если он справляется с заданиями, как дети, старшие на год, коэффициент соответственно возрастает (к примеру, 8/7). В стенфордском варианте шкалы Бине впервые была введена аббревиатура IQ, и получила свой классический вид формула коэффициента УР. В современных методиках основой для вычисления IQ является уже не возраст, а численные пропорции полученных результатов.

Исследование устойчивости IQ. Основной парадигмой первых поколений тестологов было то, что на протяжении онтогенеза не происходит существенных изменений в уровне интеллекта независимо от воспитания и внешних воздействий. Для проверки этого положения был предпринят ряд исследований. Установлено, что наиболее удачным для последующего прогноза уровня IQ является шестилетний возраст. А скорость развития младенцев в 12-18 месяцев практически не позволяет делать прогнозы в этом отношении. Степень различий также зависит от величины временного интервала между проводимыми измерениями. Несмотря на высокую корреляцию двух измерений, всегда отмечаются значительные колебания в индивидуальных случаях. Колебание уровня IQ возможно в пределах 50 баллов! А более чем в половине случаев отмечались изменения в пределах 15 баллов.

В качестве внешнего критерия показателя IQ часто рассматривается школьная успеваемость ребенка. Установлено, что корреляция между ними достаточно устойчива (0,4-0,6). Более устойчивые показатели связи отмечены для вербальных заданий по сравнению с невербальными. Показатель IQ дает достаточно надежный прогноз и в плане будущей успеваемости (0,5-0,6). Д.с., дети с высоким и низким уровнем интеллекта соответственно оказываются в группах успевающих и неуспевающих школьников.

Большой интерес представляет вопрос о соотношении наследственной и средовой детерминации интеллектуальных различий. Наиболее популярным является компромиссное положение об определенном диапазоне наследственной обусловленности. Обычно он определяется в 20-25 баллов. Т.е. если качество среды улучшается, то уровень IQ стремится к верхней границе, и наоборот. Были проведены специальные исследования по оценке интеллектуального развития на детях, адаптированных к домашней атмосфере в различном возрасте. Показано, что адаптация в течение первого года жизни оказывает гораздо большее влияние на уровень IQ, чем в последующие годы. Другие исследования показали, что влияние домашней среды оказывается значимым не ранее, чем с 3-4-летнего возраста (т.е., до этого возраста несущественно, когда произошла адаптация).

ИНФОРМАЦИОННЫЙ ПОДХОД К МЫШЛЕНИЮ И «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ».

Компьютерная метафора.

С середины XX века бурное развитие получили такие научные отрасли, как кибернетика, теория систем управления, теория информации. Это оказало большое влияние на психологическую науку. Психология стала рассматриваться как наука об обработке информации. Особо сильно это отразилось при рассмотрении познавательных процессов и, в частности, мышления. Операции, выполняемые ЭВМ, оказались, в некоторой степени, аналогичны когнитивным процессам. Широкое распространение получила «компьютерная метафора». В психологии ее впервые широкомасштабно использовали Миллер, Галантер и Прибрам в книге «Планы и структуры поведения».

Компьютерная метафора гласит, что «человек – это машина». Понятно, что проявления человеческого сознания гораздо богаче и разнообразнее, чем поведение автоматов как существующих, так и тех, которые могут быть созданы в ближайшее время. Человек не низводится до уровня механизмов, но в некоторых отношениях психику можно рассматривать как вычислительную машину с заложенной программой. Это может помочь разобраться в особенностях познавательных процессов и поведения человека.

Новый набор понятий в некоторых отношениях оказался удобней классических понятий психологии. Во-первых, это четкий однозначный и более формализованный язык. Во-вторых, он понятен широкому кругу специалистов, работающих в смежных дисциплинах. Некоторые теоретики даже стали требовать, чтобы все психологические теории были сформулированы на языке машинных программ. Наибольшее распространение информационный подход получил при моделировании психических процессов в когнитивной психологии. Человек получает, кодирует и классифицирует информацию на входе, распознает конфигурации, манипулирует символами, сохраняет и извлекает из памяти единицы информации и т.п.

Сейчас психологи активно используют такие понятия теории систем управления, как вход, выход, состояние системы, обратная связь. Влияние среды на систему называется ее входом, а влияние системы на среду – выходом. Выходы системы можно рассматривать как входы среды и наоборот. Изучение входов и выходов системы не позволяет полностью описать поведение системы. Для этого необходимо иметь описание внутренних состояний системы. Изменение состояний системы при различных входах определяются характером прошлых воздействий и описываются функцией перехода состояний. При заданном входе и внутреннем состоянии выход системы описывается выходной функцией. Системы могут быть детерминированными или стохастическими в зависимости от того, однозначно ли эти две функции определяют новые состояния и выходы.

Мышление рассматривается как процесс решения задач, особое значение в котором имеет понятие «алгоритма». Под ним понимается разбиение сложного вида деятельности на последовательный ряд простых операций. Контролирование результатов деятельности осуществляется по принципу обратной связи. Линдсей и Норман рассматривали организм человека как активный преобразователь информации, стремящийся к обобщению и интерпретации сенсорных данных с помощью различных алгоритмов и стратегий.

Вместе с тем, следует признать ограниченность применения компьютерной метафоры для изучения мышления. Подмена одной системы понятий другой не раскрывает природы моделируемых процессов. Также остается нераскрытой специфика человеческого мышления. Мышление – это не только решение, но и формирование задач, а это затрагивает аспект целеполагания мыслительного процесса. Различная информация в машинах представлена в единой системе (биты), человек же оперирует действиями, образами, знаками. И эти формы мышления не сводимы друг к другу. Информационная теория ничего не может дать для понимания эмоционально-мотивационной регуляции мышления, влияния неосознаваемых процессов, проблемы развития мыслительных форм.

Проблемы искусственного интеллекта.

В кибернетике выделяется специальное направление – «искусственный интеллект». Оно занято тем, что составляет компьютерные программы, способные имитировать разумное поведение. Начало этому направлению было положено в 1956 г, когда группа ученых (Минский, Ньюэлл, Саймон, МакКарти и др.) собрались в Дортмунде, чтобы обсудить возможность создания «разумных» машинных программ.

В ИИ можно выделить две основных линии или позиции: жесткую и мягкую. Это деление предложил Дж.Сирл. Первая линия направлена, в конечном счете, на создание компьютера, обладающего разумом и способного к пониманию, которые не уступают способностям человека. ИИ в нем рассматривается в качестве цели. Эта позиция в научных кругах вызывает массу скептических замечаний и по сей день является предметом ожесточенных споров. Противники жесткой линии говорят, что человеческий разум обладает произвольностью, пониманием, интуицией, способностью к творчеству и этическим суждениям. Их принципиально нельзя запрограммировать на компьютере. ИИ против этого возражения выдвигает то, что все эти понятия не имеют четкого однозначного определения.

«Мягкая» позиция абстрагируется от вопроса о возможности создания ИИ. Он выступает не как цель, а как процесс или определенное направление междисциплинарных исследований. Компьютерное моделирование в нем выступает в роли инструмента при изучении человеческого познания. Особо тесная связь «мягкой» позиции ИИ установилась с когнитивной психологией. Эти области активно обогащают друг друга новыми идеями.

Понятно, что скорость обработки информации в ЭВМ намного выше, чем в нейронных сетях мозга и на более высоком познавательном уровне. Преимущество биологических систем заключается не только в огромном количестве нейронов. Дело в том, что в мозге информация обрабатывается одновременно по большому количеству каналов. Психические процессы до определенного предела тоже задействуют несколько параллельных каналов, и лишь на самых высоких уровнях включается фильтр внимания.

В связи с этим другое распространенное деление в ИИ производится на основе функционального и структурно-функционального моделирования. М.Арбиб аналогичным образом производит деление на теорию искусственного интеллекта и теорию мозга. Сторонников первого подхода не интересует сходство машин и программ с реальными мозговыми и психическими процессами. Их основной целью является то, чтобы программа функционировала, т.е. была бы способна выполнять некоторые интеллектуальные функции. Сторонники теории мозга выдвигают на первый план создание машин и программ, структура которых в некотором смысле была бы аналогична структуре мозга.

Большинство работ по ИИ предполагает выполнение определенной последовательности простых операций. Теория мозга больше сконцентрирована на выполнении одновременно сразу нескольких операций или на параллельной обработке информации сразу по нескольким каналам. Примером может служить модель совещательного голоса в модулях РФ, которую выдвинули Питтс и МакКаллок. (Поединок шахматных компьютеров).

Каким образом мы можем оценить «разумность» поведения машин? Наиболее распространенный критерий оценки в этом случае – это тест Тьюринга. Оценка ответов машины и человека производится специальными экспертами, у которых исключена возможность непосредственного общения с экзаменующимися. Лучше всего подходит общение по телетайпу или электронной почте. Если после достаточного количества вопросов эксперт сомневается, где ответы машины, а где человека, то можно сказать, что поведение машины разумно.

В таком случае можно спросить, почему мышление человека должно считаться идеалом разумности. Тест Тьюринга требует от машины умения сойти за человека. Она должна отвечать на вопросы медленнее, чем умеет, с ошибками и замешательством. Д.с., мы должны научить компьютер ошибаться. С другой стороны, этот тест не отличает необходимые условия разумности от имитирующей игры. Можно создать сложные алгоритмы ответов, чтобы ввести эксперта в заблуждение.

Пояснением этого контраргумента может служить «китайская комната» Сирла. Человека, который не понимает ни слова по-китайски, заперли надолго в комнате с китайскими текстами. Еще ему предоставили набор правил для сопоставления китайских знаков со знаками родного языка. Через некоторое время с помощью этих правил человек может давать осмысленные ответы о содержании китайских книг. Но он все равно не понимает китайского языка.

Подобная практика часто используется при создании разговорных программ (напр., ELIZA). Компьютер запрограммирован отвечать на ключевые слова фразой, которая лишь преобразует фразу вопроса. Если ключевых слов не обнаружено, компьютер отвечает преобразованием предыдущей фразы, бессмысленным замечанием или повторением вопроса. Т.о. создается иллюзия разумного разговора. По подобной схеме была создана программа, имитирующая ответы параноидных пациентов (PARRY). Она ввела в заблуждение специалистов-психиатров. Большой интерес вызывает проблема машинных переводов.

В рамках ИИ наиболее быстро развивающейся является область решения задач. Причина этого заключается в том, что в ИИ термин «решение задач» синонимичен мышлению. Оно охватывает область доказательства теорем, решения головоломок, освоения правил различных игр. Методы решения задач в ИИ можно разделить на алгоритмические и эвристические. В первой группе осуществляется полный перебор возможных вариантов решения. Понятно, что этот способ неэкономичен, и даже в такой относительно простой деятельности, как шахматы неосуществим.

По этой причине большее распространение сейчас имеют различные модели эвристического поиска. В них по различным правилам сокращается перебор различных вариантов решения. На примере поиска кратчайшего расстояния. Метод градиента основан на расчете эвристического расстояния. Д.с., в каждой развилке путь всегда ориентируется на конечную цель. Для каждой точки графа указывается протяженность кратчайшего пути. По другой модели в первую очередь выбирается такой пункт, из которого легче вернуться в начальную точку. В шахматах перебор вариантов сокращается за счет укрупнения единиц обработки, определения горячих точек. (Создание программ по решению логических задач).

ИИ не ограничивается анализом решения задач. Его конечной целью является создание интегральной системы, которая способна самостоятельно взаимодействовать с внешним миром. Эта система должна уметь также адекватно кодировать поступающую информацию, сохранять и извлекать ее из памяти, отвечать на воздействия соответствующими реакциями. Все эти процессы являются необходимыми предпосылками человеческого интеллекта. Они также были использованы при создании первых вариантов интегральных роботов. Это робот «глаз-рука» и подвижный робот, обходящий препятствия. Они уже умели анализировать изображение на телеэкране и «различать объекты». Ранее усвоенная информация фиксировалась в блоках памяти. Количество возможных степеней свободы эффекторных реакций регулировалось с помощью зрительной и тактильной обратной связи.

С какими проблемами сталкивается кибернетика при разработке опознающих устройств, моделирующих процесс восприятия, или распознавания паттернов? Рассмотрим это на одном из самых простых примеров – машинная расшифровка сообщений закодированных по азбуке Морзе. При распознавании зрительных паттернов приходится сталкиваться с еще большими проблемами. Технически научить машину «видеть» достаточно просто. Эти устройства имеют матрицу из фотоэлементов. Но как научить машину читать буквы алфавита?

Проблем не было бы, если все буквы были бы одного размера и шрифта. Но при удалении или повороте изображения узор активированных элементов на матрице меняет свою конфигурацию. Еще сложнее дело обстоит с чтением печатных букв, написанных от руки. Первое напрашивающееся решение заключается в том, чтобы внести в память множество различных вариантов написания букв, которые будут служить эталонами. Эта система требует огромную компьютерную память и все равно не может дифференцировать сходные элементы букв (А и R).

Более простое решение состоит в анализе букв по «деталям». По наличию или отсутствию к-н элемента буквы распадаются на две группы. Дальнейшее разбиение идет по другому признаку, и так до полной идентификации буквы. Напр., наличие горизонтальной палочки посередине относит А, Е, Н в одну группу, а ее отсутствие - О, Т, У в другую. Сейчас эта проблема успешно решается – созданы программы чтения рукописных текстов и даже перевода фонетической речи в графическую форму.

На примере анализа букв показаны два основных подхода компьютерного моделирования при опознавании паттернов: структурный и дискриминантный. Первый направлен на полное описание изображения, т.е. воссоздает его структуру. Второй ориентируется на разделительные признаки. Он не описывает, а классифицирует изображения. Структурному и дискриминантному подходам соответствуют два механизма зрительного восприятия: соответственно эталонное подетальное описание и инвариантное опознание формы в ряде конкретных преобразований изображения.

В ИИ с памятью теснее всего связана проблема поиска информации. По-иному, эта проблема формулируется в виде последовательного или произвольного доступа к элементам памяти. Во многих ситуациях полный последовательный перебор хранящейся информации затруднителен. Поэтому память компьютера разбивается на разделы с независимыми доступами к ним от центрального процессора. Каждый раздел выбирается по аналогии с библиотечной картотекой произвольно в зависимости от актуальной ситуации. Это сокращает время поиска нужной информации. Но и эта система имеет недостатки по сравнению с памятью человека. У человека нет строгого разделения долговременной памяти на отделы. Память человека ассоциативна, т.е. информация в ней хранится в виде связанной сети, а не в изолированных блоках.