"В.Н.Щеглов. Творческое сознание: интерпретация алгоритма построения " - читать интересную книгу автора

принцип трансцендентальности мира - он может быть детерминирован совершенно
неизвестным нам образом. Отсюда, конечно, следует, что массивы,
действительно отображающие с требуемой нами точностью реальный мир, должны
быть достаточно велики и иметь большую размерность.

Интерпретации АМКЛ
Возможно, что наше сознание представляет собою сложную динамику
квантованных конформных состояний особых белков (тубулинов) по крайней мере,
в нейронах головного мозга. Если это так, то вышеприведенные аксиомы
интуиционистского анализа в компактном виде частично отображают всю
сложность этой динамики при заданных целях управления построением модели
сложного объекта в процессе исследовательской деятельности. Заметим, что эти
соотношения в значительной мере имеют в содержательном смысле "сетевой"
(нелокальный) характер. Действительно, деятельность ученого (чаще, мирового
сообщества ученых) всегда связана с хранилищами информации: журналами,
книгами, памятью индивидуального компьютера (и с другими базами данных в
сети), Интернетом и, конечно, непосредственным общением с другими людьми.
Творческое сознание обычно имеет подобного рода нелокальный (распределенный
в пространстве и времени) характер. Индивидуальное же "озарение" и интуиция
частично моделируются с помощью АМКЛ чаще всего как выявление таких обычно
редких ситуаций, которые могут указывать на интересную в содержательном
смысле новую интерпретацию таких явлений.
1. Оценка максимальной ошибки модели
Хорошую оценку ошибки дает применение генератора случая. Выводы из
случайного массива имеют малые оценки: каждый такой вывод соответствует
обычно лишь одной строке. Для вычисления оценки вероятности максимальной
ошибки р (ведь единичные выводы в логической модели продолжают оставаться
истинными) будем суммировать эти единичные оценки по прямой и обратной
моделям и относить их к общему числу строк. Можно дать следующую
конструктивную интерпретацию такой ошибки: для сравнительно больших массивов
данных, когда вычеркивание какой-либо одной строки мало сказывается на
структуре рассчитываемой модели, ошибка распознавания очередной строки будет
происходить с вероятностью, не превосходящей р.
Действительно, в данном случае ошибочно могут распознаваться лишь те
строки, которые имеют единичные оценки, все остальные строки с большими
оценками всегда распознаются точно (при вычеркивании лишь одной строки). Эта
ситуация характерна для планируемого "следящего" использования АМКЛ.
Пользователь (или автоматическое устройство) каждый раз заносит в память
очередную строку (ситуацию) и модель тут же обновляется, т.е. прогноз более
чем на шаг вперед в данной ситуации не требуется. Использование такого вида
оценок ошибок моделей проявляет принципиально иной гносеологический подход
при использовании данного вида логических моделей. Предполагается предельный
информационный детерминизм познающего субъекта (и, возможно, природы),
однако в силу явной ограниченности наших познавательных и вычислительных
ресурсов, большинство результатов нашей деятельности в более общем контексте
всегда имеют явную неопределенность. Информационная ценность простых
("всеобщих") выводов, полученных из ограниченных массивов информации о
весьма сложном объекте, проявляется лишь при их сравнении с более сложными
соответствующими массивами, которые в неявном виде несут информацию, о
которой познающий субъект практически ничего не знает.