Моделирование рассуждений. Опыт анализа мыслительных актов

Достижение эмпирической истины (а только такая истина и возможна при индуктивных рассуждениях) вполне возможно. Для этого достаточно некоторого множества положительных примеров при полном отсутствии отрицательных примеров, опровергающих выдвинутую гипотезу. А число необходимых положительных примеров, необходимых для того, чтобы считать гипотезу эмпирически истинной, может быть разным в различных обстоятельствах и у разных людей. Недаром же все представители рода человеческого делятся на тех, кто готов верить в нечто всего по одному примеру, и тех, кто подобно евангельскому Фоме никогда не может уверовать до конца даже в самые очевидные для остальных истины.

Рассмотренный пример иллюстрирует процесс оценивания степени достоверности гипотезы, когда предполагаемая причина (в нашем случае – принадлежность автомашины к множеству такси) уже выделена из множества возможных причин. В ДСМ-методе формализован не только этот этап, но и предшествующий ему этап нахождения кандидата в причины, которая могла бы вызвать интересующее нас следствие. В примере это соответствовало бы следующему. Наблюдая на улицах города потоки автотранспорта и выделяя среди автомашин ярко-желтые, надо «сообразить», что желтыми являются только такси.

Причины могут быть различными по типу. Наиболее редкими являются необходимые и достаточные причины. Если а_i – причина такого типа, то b_j происходит всегда, и если b_j произошло, то наверняка было а_i. Примерами такой «жесткой» связи двух явлений может служить падение тела, если для него отсутствует опора. Чаще встречаются достаточные причины, всегда вызывающие появление b_j. Но появление b_j не служит стопроцентным обоснованием того, что до этого было а_i. Следствие b_j могло быть вызвано и какими-то другими достаточными причинами. Если, например, ваш друг не пришел в условленное место и в условленное время на свидание, то, возможно, он заболел, ибо болезнь – достаточная причина для отказа от свидания, но весьма вероятно, что были какие-то другие причины нарушения им своего обещания.

Дополнительные причины обладают тем свойством, что их наличие не вызывает следствия b_j. Для того чтобы b_j появилось, нужен вполне определенный набор дополнительных причин, который выступает в роли обобщенной достаточной причины появления b_j. Легко себе представить такой набор причин, который приводит к попаданию мяча в сетку ворот при игре в футбол. Перечисление и обсуждение дополнительных причин, приведших к голу, – знакомое занятие для каждого истинного любителя футбола. Среди дополнительных причин могут быть необходимые дополнительные причины. Их вхождение в набор, образующий обобщенную достаточную причину, обязательно для того, чтобы b_j реализовалось. Остальные дополнительные причины можно назвать факультативными. В окончательный набор могут входить те или иные комбинации факультативных причин. Так, в ситуации забивания гола две дополнительные причины являются заведомо необходимыми: удар, посылающий мяч в ворота, и ошибка вратаря. Остальные дополнительные причины являются факультативными. Наконец, возможные причиныа_i обладают тем свойством, что появление а_i необязательно вызывает b_j, но увеличивает возможность появления b_j.

Кроме причин а_i важную роль в процессах реализации причинно-следственных зависимостей играют так называемые тормоза. Наличие тормоза наряду с причиной, вызывающей b_j в обычных условиях, приводит к тому, что b_j не появляется. Так, принятие смертельной дозы яда не приводит к ожидаемому исходу, если до этого было принято противоядие.

Вернемся к ДСМ-методу. После сказанного становится ясным, что нахождение причин – кандидатов для формируемых гипотез – дело далеко не простое. В положительных и отрицательных примерах эти причины скрыты в описаниях реальных объектов, обладающих или не обладающих интересующими нас свойствами. Из этих описаний надо выделить кандидатов в причины, а затем убедиться, что выбор оказался не случайным. При первом реальном использовании ДСМ-метода одной из конкретных задач была задача нахождения причин того, что некоторое органическое химическое соединение будет обладать свойством биологической активности. Постулировалась, что информация о причинах биологической активности скрыта в структурной формуле того или иного соединения. Какие-то особенности этих формул оказывали влияние на интересующее исследователей свойство. Экспериментально для многих соединений было установлено наличие или отсутствие в них биологической активности. Эти экспериментальные факты составляли множество положительных и отрицательных примеров. На основании их программы, реализующие ДСМ-метод, должны были найти новые, не известные химикам и фармакологам закономерности, позволяющие без экспериментальной проверки (весьма дорогой и длительной) оценивать возможность того, что вновь синтезированное вещество будет обладать биологической активностью.

Суть того, как это делалось с помощью ДСМ-метода, состоит в следующем. Рассмотрим группу положительных примеров. Находим некоторую часть описания объектов, общую для определенной совокупности примеров из этой группы. Например, обнаруживаем в значительной части структурных формул соединений, обладающих свойством биологической активности, кольцевую структуру с фиксированным заполнением позиций в этой структуре. Тогда есть основания считать ее кандидатом в причины. Таких кандидатов может оказаться несколько. Образуем матрицу М⁺, в которой строки соответствуют выделенным кандидатам а_i, а столбцы – интересующим нас следствиям b_j (при одном интересующем нас следствии в М⁺будет один столбец). На пересечении строк и столбцов будем записывать оценки достоверности q_k гипотез h_i⁺_jk. Об их нахождении будет сказано ниже. Для множества отрицательных примеров аналогичным образом строится другая матрица М^–, в которой содержатся оценки достоверности отрицательных гипотез h_i^–_jk. Кандидаты в причины в матрицах М⁺и М^– могут частично совпадать, так как положительные и отрицательные примеры не образуют полной выборки из всего множества возможных примеров.

На каждом шаге работы ДСМ-метода используются новые наблюдения, пополняющие множества положительных и отрицательных примеров. Эти новые наблюдения могут либо подтверждать сформированные гипотезы h_i⁺_jk и h_i^–_jk либо противоречить им. В первом случае надо увеличивать оценки достоверности соответствующих гипотез, а во втором – уменьшать их. Механизм изменения оценок q_k может быть различным. В ДСМ-методе он устроен следующим образом. Значение n совпадает с числом имеющихся в данный момент положительных или отрицательных примеров. Таким образом, для М⁺и М^–значение n может оказаться различным. С ростом n растет «дробность» оценок достоверности. Оценка 1/n играет особую роль. Она соответствует полному незнанию о достоверности гипотезы. Поэтому в начальный момент М⁺и М^–заполнены лишь нулями, единицами и оценками 1/n. Значения истинности и лжи могут иметь гипотезы, у которых в качестве причин даны полные описания объектов, образующих множества примеров.

Если некоторая положительная или отрицательная гипотеза h_ijk имела оценку k/n, то при появлении нового примера (n заменяется на n+1) проверяется, подтверждает или не подтверждает новый пример эту гипотезу. При подтверждении оценка k/n заменяется на (k+1)/(n+1), а при неподтверждении новым примером ранее выдвинутой гипотезы ее оценка меняется с k/n на (k–1)/(n+1). Таким образом, в процессе накопления новой информации оценки гипотез либо приближаются к 0 или 1, либо ведут себя каким-либо «колеблющимся» образом. В первом случае гипотеза может на некотором шаге (когда будет пройден некоторый априорно заданный нижний порог достоверности) исчезнуть из М⁺или М^–. Во втором случае при достижении некоторого верхнего порога достоверности гипотеза может получить оценку, отражающую эмпирическую истину, и запомниться как некий установленный факт в системе или эта гипотеза сообщается человеку, работающему с ДСМ-программами. В третьем случае, если колебания оценок достаточно сильны, может также произойти исключение сформированной ранее гипотезы из тех, которые описаны в М⁺и М^– .

Новые гипотезы формируются не только на основании выделения в примерах определенного сходства (общей части в описании). Они могут использовать и метод различия, также сформулированный Миллем. Различие выявляется для примеров, относящихся к группам положительных и отрицательных примеров. Найденное различие служит кандидатом для гипотез, включаемых в М⁺или М^–.

Кроме выявления кандидатов в причины а_i для положительных и отрицательных гипотез в описываемом методе ищутся также тормоза, наличие которых снимает влияние а_i на появление b_j. В новых версиях метода в качестве а_i выступают весьма сложные утверждения, в которых отдельные части описаний объектов могут быть связаны между собой произвольными логическими выражениями, например, следующего типа: «Если в объекте есть а’ и а’’ и нет а’’’ или в объекте есть а’’’’, то свойство b имеет место».

Как уже было сказано, в ДСМ-методе кроме прямой реализации идей Милля используются еще некоторые выводы по аналогии. Для этого на множестве описаний объектов вводится тем или иным способом понятие сходства. Если, например, речь идет о структурных формулах химических соединений, то мерой сходства для них могут быть совпадение самих структур при различных заполнителях позиций или, наоборот, наличие в некоторых фиксированных позициях структур одинаковых элементов. Если установлено отношение сходства, то в ДСМ-методе происходит вывод по аналогии. Он осуществляется следующим способом. Если гипотеза h_ijk имеет оценку k/n и такова, что причина, используемая в ней, сходна с причиной в гипотезе h’_ijk, имеющейся в той же матрице М и оцениваемой с точки зрения достоверности значением 1/n, то на гипотезу h’_ijk переносится оценка гипотезы h_ijk и она получает оценку достоверности k/n. Подобная процедура в ДСМ-методе называется правилом положительной аналогии. Существует в этом методе и правило отрицательной аналогии, а также градация тех и других правил по силе учитывающегося в них сходства. Таким образом, ДСМ-метод демонстрирует возможность проведения правдоподобных рассуждений весьма широкого спектра.