импульс поступает слишком рано, он не оказывает должного воздействия. Только когда различные фрагменты информации сменяют друг друга, мозг получает возможность объединить их в некое знание. Это похоже на приготовление лазаньи. Разумеется, можно сначала залить в форму соус, потом свалить в кучу пласты теста и сверху засыпать сыром. Но это будет не лазанья. Вкусное блюдо (как и осознанная мыслительная концепция) получается лишь в результате определенной очередности операций. Такое концептуальное мышление позволяет нам уйти от простого заучивания. Только так можно классифицировать все предметы и явления окружающего мира по категориям и смысловым взаимосвязям и, как следствие, понять его.
То, что можно выучить, впоследствии можно и забыть. Но если вы что-то поняли, то уже не сможете вернуться к состоянию непонимания. В обучении как таковом нет ничего особенного. Обучаться могут многие животные и даже компьютеры. Но на то, чтобы понимать окружающие явления, способен только наш мозг, и этим искусством он владеет благодаря тому, что не ограничивается накоплением данных, а пытается обнаружить корреляции между ними. Только таким путем из данных рождается знание. Их нельзя путать. Правда, в современном оцифрованном мире между ними зачастую ставится знак равенства. Однако, хотя символы:-) и:-(равны в количественном выражении, они несут в себе совершенно разную информацию. Я уже не говорю про эмоциональную подоплеку (улыбающееся лицо вызывает радостные чувства). Для компьютера разница между:-) и:-(составляет 33 процента, но для нас – все сто.
Как мы усваиваем эти знания и концепции? Как мы понимаем мир? Давайте сначала познакомимся с образцами непонимания на примере компьютерных алгоритмов, причем самых современных из тех, которые имеются на сегодняшний день, – так называемых глубоких нейронных сетей. Речь идет о компьютерных системах, в основе программирования которых лежит неклассическая логика (из А вытекает Б). Они построены по примеру мозга (по крайней мере, так утверждают) и копируют его нейронную структуру. В ходе работы цифровые «нейроны» приспосабливаются друг к другу, взаимодействуя в местах контакта, в зависимости от того, какие данные обрабатываются. Поскольку нейроны самостоятельно анализируют характер своих контактов, со временем система может самообучаться. К примеру, если мы хотим, чтобы программа распознавала пингвинов, ей демонстрируются сотни тысяч разных фотографий, среди которых попадаются сотни изображений пингвинов. В результате программа сама определяет отличительные особенности пингвинов и начинает понимать, кто это такой.
Прогресс этих искусственных нейронных сетей поражает. Только за счет демонстрации изображений такие системы самостоятельно находят животных, предметы и людей на любых фотографиях. Их способность распознавать лица уже превосходит человеческую (приложение Google может распознавать в толпе не только человеческие лица, но и коровьи морды). Но давайте скажем