Методология науки
Основные работы в области методологии науки
Построение научных теорийПостроение научных концепций. теорий, моделей
Построение научных моделейПостроение научных моделей
X
Научное открытие как решение задач и «слабые» методы по Дэвиду Клару и Герберту Саймону
«Мы уже упоминали, что наиболее крупные научные открытия являются таковыми, поскольку связаны с получением важного научного знания, а не потому, что требуют из ряда вон выходящих мыслительных процессов. Этот взгляд, конечно, не предполагает, что обычный человек может прийти в лабораторию и приступить к совершению открытия. Практикующие исследователи должны овладеть широким набором специфических методов и приёмов в ходе весьма продолжительного профессионального обучения. Они вынуждены действовать в условиях необъятной базы распределённого знания об исследуемых феноменах, теориях, процеду- рах, оборудовании, экспериментальных парадигмах и методах обработки данных, не говоря уже о способах получения финансирования, возможных социальных и политических приложениях, организации исследовательских учреждений и даже принятых правилах публикации. Эти компоненты профессионального опыта составляют группу «сильных», или предметно-специфичных, методов.
Процессы же, на которых мы сфокусируемся, - это «слабые» методы, универсальные процессы решения задач. И хотя применение «сильных» методов заставляет противопоставить содержание научного мышления житейскому, мы утверждаем, что «слабые» методы, регулярно используемые учёными, лежат в основе всех форм человеческой мысли.
Задача включает в себя исходное состояние, целевое состояние и набор операторов, позволяющих перейти от первого состояния ко второму через последовательность промежуточных шагов. Операторы имеют ограничения, которые должны быть учтены до их применения. Совокупность состояний, операторов, целей и ограничений носит название «пространства задачи», и процесс решения задачи может быть определён как поиск пути в его границах от исходного состояния к целевому.
Исходное состояние, целевое состояние, операторы и ограничения могут быть лучше или хуже определены. Например, исходное состояние может быть определено хорошо, а целевое состояние и операторы - плохо («сделать что-нибудь привлекательное из этого материала»); или плохо определено исходное состояние и хорошо определено целевое (доказать математическую гипотезу). Хорошо ли определена задача, зависит от степени знакомости элементов пространства задачи, которая, в свою очередь, определяется взаимодействием решателя с задачей. Точнее сказать, она основана на процессе распознавания. До начала любого поиска (движения в пространстве задачи) его обоснованность оценивается с помощью распознавания ключевых признаков структуры проблемной ситуации. Выявление этих структурных особенностей даёт информацию о задаче, которая затем может направлять поиск. Поскольку чаще всего такая информация предметно специфична, механизмы распознавания стремятся сделать её доступной, если она становится потенциально значимой (обеспечивая тем самым положительный перенос). Однако такое распознавание не всегда продуктивно: свидетельством тому служит существование отрицательного переноса, функциональной фиксированности (Дункер, 1945) и установки в мышлении (Лачинс, 1942).
Хотя научные задачи значительно менее определены, чем головоломки, обычно изучаемые в психологических лабораториях, они могут быть описаны на том же языке. В обоих случаях хорошая определённость и возможность распознавания зависят не только от задачи, но и от знания, доступного решателю.
Даже для тривиальных задач процесс решения может оказаться очень затратным. Если мы представим пространство задачи с помощью дерева со стволом в m ходов и с b ветвями на каждом ходу, то такое пространство будет содержать bm вариантов. Как только m u b становятся большими величинами, поиск ответа превосходит человеческие возможности. Значит, эффективность процесса решения в значительной степени зависит от установления разумных ограничений, препятствующих обследованию некоторых ветвей.
Поиск таких ограничений может опираться и на «слабые», и на «сильные» методы. Первые, хотя и требуют мало информации о структуре задачи, не слишком избирательны при поиске в пространстве задачи. «Сильные» методы позволяют отыскать решение с минимальным поиском или вообще без него. Например, всякий, кто владеет вычислениями, при поиске максимума функции использует известный алгоритм (взять производную и затем приравнять её к нулю), то есть находит ответ безо всякого поиска. Однако дорогого стоит распознать соответствие между поставленной задачей и нахождением максимума непрерывной функции!
Мы опишем пять основных «слабых» методов.
1. «Предложи и проверь». Этот метод, также часто именуемый «методом проб и ошибок», состоит просто в том, чтобы приложить какие-то операторы к текущему состоянию задачи, а затем проверить, не достигнуто ли целевое состояние. Если нет, следует применить другой оператор. Примером тупого применения метода может служить поиск нужного ключа в коробке с ключами, когда неподошедшие ключи швыряются обратно в коробку безо всякой фиксации степени их пригодности для открывания замка. Чуть более разумный вариант предполагает однократную проверку с фиксацией результата.
2. «Поиск экстремума». При использовании этого метода решатель делает пробные шаги в каждом из возможных направлений, а затем выбирает самый крутой маршрут. Этот метод позволяет оценить величину продвижения к цели. Выбирается тот шаг, который обеспечивает наибольшее продвижение; затем процесс повторяется. «Поиск экстремума» использует больше информации о направлении к цели и расстоянии до неё, чем «Предложи и проверь». Эта информация ограничивает поиск в пространстве задачи.
3. «Анализ целей и средств». Этот метод сравнивает текущее и целевое состояния и описывает разницу между ними. Затем он выбирает оператор, который предназначен уменьшить наиболее важные различия. Если нет ограничений в применимости оператора, ставится подцель - уменьшить различия между наличным и тем состоянием, к которому может быть приложен выбранный оператор. Таким образом, метод используется для решения подзадачи рекурсивно.
4. «Планирование» включает: а) построение абстрактной версии пространства задачи без учёта подробностей, касающихся исходного набора состояний и операторов, Ь) формулирование соответствующей задачи в абстрактном пространстве, с) решение абстрагированной задачи с применением перечисленных здесь методов (включая планирование), d) использование найденного решения для построения плана решения основной задачи и е) перенос плана обратно в основное пространство задачи и его применение.
5. «Аналогия» вовлекает отображение новой целевой области на уже знакомую область-источник. Отображения сильно отличаются по своей сложности. В своих простейших проявлениях они включают лишь распознавание того, что текущая задача может быть решена известным способом. С другой стороны, отображение может быть и очень детально разработано, хотя, как и другие «слабые» методы, не гарантирует нахождение решения. Аналогия может трактоваться как метод, позволяющий заменить данное пространство задачи более эффективным.
Отображение по аналогии, таким образом, создает мост между «сильными» и «слабыми» методами, когда источником аналогий выступает хорошо определенная процедура. Используемая в сочетании с предметно-специфическим знанием аналогия может резко сократить процесс поиска за счёт структурных особенностей, обнаруженных в текущем состоянии задачи. Знание, активизированное аналогией, может быть использовано для планирования следующих шагов к решению, для замены целых сегментов пошагового поиска более общими действиями или даже для немедленного выдвижения решения».
Дэвид Клар и Герберт Саймон, Изучение научных открытий в Сб.: Когнитивная психология: история и современность, М., «Ломоносовъ», 2011 г., с. 338-341.
Методы изучения научных открытий по Дэвиду Клару и Герберту Саймону
