Дмитрий Викторович Ушаков Психология интеллекта и одаренности

Глава 9. Сетевые модели

Следующий шаг в развитии двухполюсной концепции творчества связан с привлечением понятия сети. Уже идея ассоциативных градиентов Медника в неявном виде вводит представление о сети, поскольку плоский ассоциативный градиент фактически означает более равномерное распределение связей сети, ее меньшую кластеризацию.

Экспериментальные исследования по проблеме семантических сетей в значительной степени основываются на методе, который был введен в нашей стране Е. И. Бойко под названием метода тестирующего стимула и известен на Западе под именем прайминга (priming). Сущность метода, имеющего многочисленные разновидности, заключается в том, что стимул, на который испытуемый должен тем или иным образом реагировать, («тестирующий стимул», в терминологии Бойко) предваряется другим стимулом, который в англоязычной литературе носит название «прайма» (prime). Предваряющий стимул создает состояние активации семантической сети, которое можно протестировать, измеряя скорость реакции, а иногда и другие показатели в ответ на тестирующий стимул.

Представим, что гипотеза относительно более широкого ассоциативного поля у креативных людей верна. Что в этом случае можно ожидать при использовании метода тестирующего стимула? По всей видимости, более богатая семантическая сеть будет приводить к более широкому расползанию активации от предваряющего стимула у высококреативных испытуемых.

Попытка проверить такого рода гипотезу была предпринята в недавнем исследовании польских ученых А. Грушки и Э. Нечки (Gruszka, Necka, 2002). Испытуемым последовательно предъявлялись пары слов с инструкцией говорить «да», если они могли заметить ассоциативную связь между словами, и «нет» в обратном случае. Второму слову каждой пары предшествовало предъявление предваряющего стимула (200 мс). Предваряющие стимулы делились на позитивные и нейтральные. Позитивные предваряющие стимулы представляли собой слова, семантически близкие к стимулу или близкие к нему по написанию. Нейтральные предваряющие стимулы являлись либо словами, не имеющими отношения к стимулу, либо бессмысленными последовательностями букв. Креативность оценивалась с помощью теста на креативное мыслительно-изобразительное продуцирование (TCT-DP, авторы К. Урбан, Д. Елен), теста отношений А. Грушки и опросника стилей деятельности Т. Стржалецки.

По мысли авторов, предъявление позитивного предваряющего стимула активирует связанный с ним узел сети, после чего активация распространяется на соседние узлы и активирует узел, связанный с тестирующим стимулом. Будучи преактивированным, этот узел оказывается лучше подготовленным к выполнению определенных когнитивных задач (например, нахождению ассоциации).

В случае нейтрального предваряющего стимула активация связанного с ним узла не может непосредственно перекинуться на узел, связанный с тестирующим стимулом, а может сделать это лишь опосредованно – активируя промежуточные узлы сети. Более креативные испытуемые за счет большего богатства семантической сети должны в этом случае иметь преимущество перед менее креативными.

Было обнаружено, что более креативные испытуемые в сравнении с менее креативными 1) более склонны принимать близкие ассоциации, если второму слову пары предшествует позитивный или нейтральный (не характеризующийся семантическим отношением к стимулу) прайм; 2) более склонны принимать отдаленные ассоциации, если второму слову предшествует позитивный (семантически связанный) или нейтральный (особенно бессмысленый) прайм; 3) характеризуются большей длительностью ассоциирования. Таким образом, более креативные испытуемые отличались большей восприимчивостью к предваряющему стимулу, в том числе нейтральному, и большей длительностью реагирования. Большее время реакции у креативов может также объясняться тем, что у них при более разветвленной семантической сети процессы активации развиваются дольше.

Необходимо отметить, что Грушка и Нецка определяли способность к установлению ассоциаций не непосредственно, а через оценку испытуемыми ассоциативной близости слов. Эта оценка, возможно, действительно отражает способность к установлению ассоциативных связей, но может также зависеть и от критерия, который испытуемые устанавливают для оценки наличия/отсутствия ассоциации. Это обстоятельство, конечно, снижает доказательную силу работы.

Ниже будут рассмотрены некоторые аспекты современных сетевых моделей когнитивной системы, а затем то, как они могут быть применены в контексте исследований творчества.

Гибридные сетевые модели

Сетевой механизм в современных когнитивных моделях применяется в двух основных вариантах: слабом и сильном. В слабом варианте сеть рассматривается только как механизм распространения активации, переходящей с одних содержаний памяти на другие. Сеть при таком подходе является механизмом, осуществляющим, если воспользоваться старой метафорой И. П. Павлова, «движение светлого пятна сознания по коре больших полушарий». Модели, использующие такое понимание сети, являются гибридными: в дополнение к сетевому они предполагают существование и другого механизма, обычно так называемых систем продукций.

В сильном варианте сеть выступает универсальным механизмом выполнения когнитивных операций – опознания, категоризации, логического вывода и т. д. Модели, в которых сеть рассматривается подобным образом, получили название коннекционистских.

Среди гибридных наибольшую известность получила модель Андерсона, которая в ходе совершенствования приобрела три формы и три названия: исходная ACTE (Anderson, 1976) превратилась в ACT* (Anderson, 1983), которая затем была преобразована в ACT-R (adaptive control of thought-rational, Anderson, 2003, Anderson et al., 2004). В основе всех трех моделей, однако, лежат общие идеи.

Когнитивные операции в модели Андерсона осуществляют так называемые «продукции» (productions), т. е. правила, состоящие из условия и действия, в которых при совпадении условия с содержанием рабочей памяти исполняется то, что заложено в части «действие». Операции осуществляются над декларативными знаниями, хранящимися в долговременной памяти. Декларативные знания могут быть активированы (в модели ACTE – по принципу «все или ничего», в последующих моделях – градуально). Активированные в данный момент времени знания составляют содержание рабочей памяти, или, в более классических, менталистских терминах, – сознания.

Когнитивная архитектура ACT-R состоит из нескольких частей (модулей):

1. Перцептивно-моторный модуль – для идентификации объектов и контроля движений.

2. Модуль памяти, состоящий из а) декларативной памяти, в которой информация хранится в виде чанков (см.: Miller, 1956) и б) процедурной памяти, представленной так называемыми продукциями (productions) – правилами вывода.

3. Модуль целей, который осуществляет контроль за целями и намерениями, а также координацию работы процедурной памяти.

Правила вывода (продукции) осуществляют основные операции над содержанием модулей, однако это может происходить только через «буферы». Каждому модулю соответствует свой буфер, в который попадают в достаточной степени активированные элементы. Одно из ограничений на переработку информации в модели ACT-R (по типу «бутылочного горлышка») состоит в том, что размер буфера ограничен лишь одной единицей знания (одним чанком информации). Таким образом, например, из декларативной памяти в каждый момент времени может быть извлечен только один элемент. Второе ограничение на последовательную переработку информации заключается в том, что в каждом цикле может сработать только одна продукция, в модулях же переработка информации может осуществляться параллельно.

Две системы – декларативная и процедурная память – являются, по словам самого Андерсона, «когнитивным ядром» модели ACT-R.

Собственно, сетевая теория Андерсона относится к декларативной памяти и к активационному принципу системы извлечения информации из нее. Элементами декларативной памяти являются чанки, в структуру которых входит отношение (слот) естьнек., кодирующее принадлежность чанка к той или иной категории, а также дополнительные отношения, описывающие содержание чанка. На рисунке 2.12 показан чанк, кодирующий факт сложения 3 + 4 = 7.

Пример того, что значит «рациональный анализ», постулируемый как лежащий в основе модели ACT-R, можно увидеть в том, каким образом вычисляется базовый уровень активации элемента. Базовый уровень активации чанка описывается следующим уравнением:

Из этого уравнения следует, что чем больше времени проходит с момента последнего обращения к элементу, тем ниже становятся его шансы быть извлеченным снова, но чем больше было обращений к элементу в целом, и чем меньше прошло времени с момента последнего, тем больше вероятность повторного извлечения элемента.

Такой способ вычисления базового уровня активации был получен путем рационального анализа глобальной проблемы извлечения информации, которая формулируется следующим образом: как, имея определенный запрос, обеспечить оптимальное извлечение информации, подразумевающее извлечение максимального количества релевантных элементов и минимальное – нерелевантных (Anderson, 1989). Эта проблема, частный случай которой – функционирование человеческой памяти, является проблемой извлечения информации вообще и оптимального поведения системы, сталкивающейся c подобного рода задачей. В уравнении базовой активации чанка отражается результат анализа того, как предшествующие запросы к элементу должны предсказывать потребность в нем в настоящий момент.

Активация чанка определяет: 1) вероятность извлечения этого чанка из памяти и 2) скорость извлечения чанка (т. е. время реакции).

Элемент будет извлечен из памяти только в том случае, если его активация достигнет определенного порога. Обычно несколько элементов «соревнуются» за то, чтобы быть извлеченными, и лишь один из них, обладающий большей активацией, уровень которой превышает пороговое значение, извлекается из памяти. Если ни один из элементов не активирован достаточно сильно, то по прошествии определенного времени система извлечения сообщает об ошибке, либо, если, например, стоит задача опознания стимула, срабатывает продукция, согласно которой нужно дать ответ «нет». Эта модель получила название «модели ожидания» (waiting model) и позволяет объяснить, к примеру, тот факт, что в экспериментах на время реакции ответы «да» обычно быстрее ответов «нет».

Время, необходимое для извлечения чанка из памяти описывается уравнением:

Из данного уравнения следует, что чем меньше активация элемента, тем больше время его извлечения из памяти.

Эффект веера (fan-effect) – классический пример, с помощью которого можно проиллюстрировать приложение модели ACT-R к объяснению и предсказанию психологических феноменов. Его обнаружил Андерсон, проводя эксперименты под руководством Г. Бауэра (Anderson, 1974). Эффект веера – это увеличение времени реакции на стимул за счет увеличения количества элементов, связанных с ним.

В одном из экспериментов испытуемым предлагали заучивать предложения о персонажах и их местонахождении. Предложения были подобраны так, чтобы персонажи и места имели разное количество фактов с ними связанных. Например:

1) доктор в банке (1–1)

2) пожарник в парке (1–2)

3) адвокат в церкви (2–1)

4) адвокат в парке (2–2)

Из приведенного примера видно, что персонаж «доктор» встречается только в одном из предложений, а персонаж «адвокат» – двух. Подобным образом можно определить количество ассоциированных фактов для всех персонажей и местонахождений.

После того как испытуемые заучивали эти факты, им предъявлялась другая серия предложений, среди которых были как те, которые они заучивали (например, «адвокат в церкви»), так и те, которых в первоначальном списке не было (например, «адвокат в банке»). Испытуемым нужно было узнать, какие из предложений они заучивали, а какие – нет. Оказалось, что время реакции при опознании предложения зависит от количества фактов, ассоциированных с элементами этого предложения: при увеличении числа фактов, скорость опознания снижается. Например, предложение «доктор в банке», опознается существенно быстрее, чем «адвокат в парке».

С точки зрения уравнения

, основной параметр, который варьировался в эксперименте – это Sji. При увеличении «веера» элемента (т. е. количества связей с другими элементами) его сила связи с другими элементами ослабляется (согласно формуле Sji = S – ln(fanj)), следовательно, уменьшается активация, поступающая от него чанку, требующему извлечения, и в итоге увеличивается время извлечения.

Покажем, каким образом гибридная модель Андерсона может сочетаться с двухполюсной концепцией творчества. Фактически работа системы продукций осуществляет то, что Пономарев относил к логическому полюсу. Продукции работают строго детерминистически, осуществляя трансформацию исходной модели события в новый вариант. Модель событий при этом образована совокупностью декларативных знаний, активированных в данный момент времени в рабочей памяти.

В то же время процесс распространения активации может быть кандидатом на объяснение ряда процессов, связанных с тем, что Пономарев называл интуицией. В самом деле, согласно теории Пономарева, роль интуиции заключается в том, чтобы снабжать наш логический аппарат, т. е. создаваемые модели действительности, информацией о свойствах объектов. Именно это и делает семантическая сеть, движение активации по которой приводит к вхождению в рабочую память (= умственную модель) элементов знания, хранящихся в долговременной памяти. Другими словами, механизм интуиции можно представить как систему связей между элементами информации в нашей долговременной памяти, которая формируется независимо от наших сознательных усилий и позволяет в нужный момент актуализировать нужное содержание.

В модели Андерсона отсутствует представление о различии интуитивного и логического режимов функционирования когнитивной системы. Однако такое представление совместимо с моделью, если предположить возможность различных состояний сети. В логическом состоянии активация сети включает немногочисленные элементы, которые в соответствии с веерным эффектом при этом могут быть активированы в большей степени. Высокая степень активации элементов позволяет осуществлять с ними логические операции, однако при этом невысоким оказывается количество элементов, включенных в решение.

Коннекционистские модели

В отличие от гибридных, коннекционистские модели используют сети для описания не только активационных процессов, но и процессов переработки информации. Описание сетей тоже получается несколько иным – понятие может быть связанным не с одним каким-либо узлом, а с целым их набором. Соответственно, и отношения между узлами не оказываются более отношением между понятиями. В коннекционистских моделях в основу функционирования сети положен принцип параллельности.

На сегодняшний день в когнитивизме наиболее распространенным является моделирование с помощью параллельных распределенных сетей. На рисунке 2.13 приведен фрагмент сети, примененной Д. Румелхартом и Дж. Мак-Клелландом для их модели овладения ребенком прошедшим временем английских глаголов, выполненной в рамках подхода параллельной распределенной переработки информации (Rumelhart, McClelland, 1986).

Модель имеет сеть, включающую четыре слоя нейроноподобных элементов, или узлов. Один слой узлов является входным, два – промежуточными (или ассоциативными), четвертый – выходным. Возбуждение распространяется от первых слоев к следующим через дуги между узлами. Связи между первым и вторым, а также третьим и четвертым слоями рассматриваемой модели являются жестко фиксированными. Связи между вторым и третьим слоями могут изменяться в процессе обучения. Изменению в ходе обучения подвержен также порог активации элементов третьего слоя.

Если подавать на входные узлы сети активацию, сеть будет реагировать – выдавать определенный паттерн активации на выходе. Например, сеть Румельхарта и Мак-Клелланда на входе получает инфинитив глагола, а на выходе выдает прошедшее время (каждый входной и выходной узел модели кодирует один звук). Сеть можно обучать: если она выдает неправильный ответ, по определенному алгоритму модифицируются связи между ассоциативными слоями.

Наиболее интересным в моделях такого типа является то, что они показывают весьма любопытное сходство с реальным поведением людей. В частности, модель Румельхарта и Мак-Клелланда на определенном этапе обучения, как и дети, демонстрирует сверхгенерализацию (например, выдает gived вместо gave), на другом этапе – появление частных правил и т. д.

Показана способность параллельных распределенных сетей и к более сложной переработке информации. Так, Г. Хинтон создал модель, которая обучается определению родственных отношений (Hinton, 1986). На ее входные узлы подают имена людей и учат устанавливать между ними родственные отношения. Была показана способность этой модели к простым умозаключениям. Так, если дать ей некоторое количество отношений типа «Иван отец Петра», «Петр отец Сидора», «Иван дед Сидора», то сеть из «Джон отец Джека» и «Джек отец Джима» может сама вывести «Джон дед Джима». Интересно, что анализ функционирования отдельных узлов промежуточных слоев показывает образование понятий, таких как пол, поколение, принадлежность к семье и т. д. Другими словами, некоторые узлы срабатывали только в отношении лиц старшего поколения, другие – только в отношении женщин и т. д.

Коннекционистские модели обладают определенной привлекательностью в силу ряда причин: подобия нашей нейрофизиологической организации (или по крайней мере тому, что мы о ней сегодня знаем), способности естественным образом моделировать некоторые процессы, высокой точности и возможности компьютерного моделирования, но при принципиальном отличии по архитектуре от компьютера и т. д. Они позволяют объяснить такие феномены, которые оказываются непонятными для информационных моделей, лишенных сетевой составляющей. К таким феноменам относится, например, облегчающее влияние контекста на решение задач.

В то же время некоторые авторы высказывают сомнение по поводу того, что коннекционизм может стать главным средством моделирования познавательных процессов. Так, Дж. Фодор и З. Пылишин доказывают, что коннекционистские модели в принципе не обладают вычислительной мощью, позволяющей выполнять в полном объеме пропозициональное исчисление, и, следовательно, не могут объяснить всех возможностей познавательной системы человека.

Сети Хопфилда

Специально рассмотрим вид сетей, предложенный Дж. Хопфилдом, поскольку эти сети привлекли особое внимание в контексте проблемы творчества. В этих сетях каждый нейрон может принимать одно из двух состояний. В них нет входных, промежуточных и выходных слоев, однако, как показано на рисунке 2.14, есть обратные связи.

За счет обратных связей сети Хопфилда являются динамическими, т. е. выход, передаваясь по сети обратной связи, модифицирует вход. Затем новый вход модифицирует выход, и процесс повторяется снова и снова. Для устойчивой сети последовательные итерации приводят к все меньшим изменениям выхода, пока в конце концов выход не становится постоянным. Для некоторых сетей процесс никогда не заканчивается, такие сети называют неустойчивыми.


Рис. 2.14. Сеть Хопфилда
Во время работы сети Хопфилда признаком нахождения решения является момент, когда достигается аттрактор, статический (когда на каждом следующем шаге повторяется устойчивое состояние) или, возможно, динамический (когда до бесконечности чередуются два разных состояния). Это конечное состояние сети и является ее реакцией на данный образ.

На первом этапе сеть Хопфилда обучают. Это означает, что сеть запоминает определенное количество состояний.

Матрица весовых коэффициентов настраивается детерминированным алгоритмом раз и навсегда, и затем весовые коэффициенты больше не изменяются.

Как только веса заданы, сеть может быть использована для получения запомненного выходного вектора по данному входному вектору, который может быть частично неправильным или неполным.

Обычно ответом является такое устойчивое состояние, которое совпадает с одним из запомненных при обучении векторов, однако при некоторых условиях (в частности, при слишком большом количестве запомненных образов) результатом работы может стать так называемый ложный аттрактор («химера»), состоящий из нескольких частей разных запомненных образов, а также в синхронном режиме сеть может прийти к динамическому аттрактору.

Если во время обучения сформировать матрицу весовых коэффициентов (межнейронных связей) на основании эталонных образов, то нейронная сеть в процессе работы будет менять состояния нейронов до тех пор, пока не перейдет к одному из устойчивых состояний.

Внешнее воздействие на хопфилдовскую сеть заключается в том, что некоторые ее узлы приводятся в состояние активации. Затем сеть, предварительно обученная на распознавание определенных образов, начинает самопроизвольно эволюционировать, пока не доходит до устойчивого состояния, в котором и остается. Состояние, в которое она приходит, означает, что образ распознан. Сеть Хопфилда отличается способностью переходить от разных исходных состояний к одному и тому же конечному, т. е. несколько различные образы она может распознать как один и тот же объект. Эти конечные устойчивые состояния сети, или, пользуясь синергетической терминологией, аттракторы задаются предварительным обучением.

Представим сеть Хопфилда, распознающую зрительные образы, каждый элемент которой соответствует определенной точке сетчатки. Допустим, сеть обучена распознавать какой-то известный портрет Пиаже, т. е. возбуждение участков сетчатки при восприятии этого портрета является аттрактором системы. Если мы дадим теперь на вход сети несколько иное изображение ученого, то после большего или меньшего количества итераций система придет к состоянию, соответствующему тому портрету, на который было проведено научение, т. е. «узнает» Пиаже.

На рисунке 2.15 представлено распознавание зашумленного изображения сетью.


Рис. 2.15. Распознавание образа сетью Хопфилда
Однако распознавание образов – не самое интересное свойство сети Хопфилда в контексте проблематики творчества. Существеннее то, что за счет стремления к энергетическому минимуму сеть способна решать задачи на оптимизацию. Энергетическим минимумом для сети является аттрактор, т. е. такое состояние, придя в которое, она перестает эволюционировать.

Классическая задача оптимизации, для решения которой может использоваться сеть Хопфилда – это задачи коммивояжера: нужно обойти все n городов и вернуться в исходный так, чтобы длина пройденного маршрута была минимальной. Для этого можно наложить на сеть, например, такие требования:

1. Сеть должна состоять из N = n × n нейронов, которые мы будем рассматривать как квадрат из n строк и n столбцов.

2. Ответ сети должен содержать только один активный нейрон в каждой строке и каждом столбце.

3. Активный нейрон в первом столбце задает первый город маршрута, во втором столбце – второй город маршрута, и так далее.

Оказывается, что для решения этой задачи достаточно следующих простых соображений:

• для выполнения условия 2 веса сети должны быть построены таким образом, чтобы каждый нейрон препятствовал активации других нейронов в своей строке и в своем столбце;

• для минимизации длины пути необходимо, чтобы нейрон в i- м столбце тем активнее препятствовал активации нейронов в i + 1-м и i – 1-м столбцах, чем больше расстояние между ними;

• для того чтобы сеть Хопфилда вообще работала, необходимо, чтобы все веса сети не были отрицательными.

Можно показать, что существует несложная формула вычисления веса между нейроном, соответствующим городу x на позиции в маршруте i, и нейроном, соответствующим городу y на позиции j, которая удовлетворяет перечисленным условиям. Если установить веса нейронных связей по этой формуле и привести сеть в случайное начальное состояние, то результирующее стабильное состояние даст субоптимальный путь, длина которого не слишком превосходит оптимальную. Найденное сетью решение будет локальным минимумом, а не обязательно абсолютным минимумом. Локальные минимумы – состояния системы, которые обеспечивают некоторую, но не лучшую оптимизацию состояния, удерживающую систему от дальнейшего прогресса. Найденное решение будет зависеть от случайного начального состояния. Для практического применения сеть можно запустить несколько раз и выбрать наилучший путь. Однако в теоретическом плане интереснее аналогия, которую Хопфилд проводит между процессом работы сети и физическим понятием отжига²². Несколько огрубляя, можно сказать, что аналог отжига в нейронной сети происходит следующим образом. Сеть вначале «разогревают», дают ей «встряску», в результате которой она может выйти из состояния локального минимума. Далее «температура» постепенно понижается, позволяя активности стать более «рациональной» и менее случайной, пока не будет найден глобальный минимум.

Модель Мартиндейла

Модель творчества, основанная на сетевых представлениях и призванная синтезировать идеи Э. Крисса, Медника и Мендельсона, предложена Мартиндейлом. В этой концепции присутствует уже знакомая нам идея о существовании двух типов (процессов) творческого мышления – первичного и вторичного, а также предложенный механизм их реализации и взаимных переходов. Первичный процесс основан на аналогии, свободных ассоциациях, интуиции. Вторичный процесс мышления характеризуется абстрактностью, логичностью, контролем сознания. По преобладанию одного из процессов выделяются соответственно стадии творческого вдохновения и творческой разработки или верификации идеи. Очевидно, что первичный процесс по Мартиндейлу соответствует интуиции по Пономареву, а вторичный – логике.

Наибольший интерес, однако, представляет то, как Мартиндейл описывает сетевые процессы, соответствующие первичному и вторичному мышления. Он обращается к нейронной сетевой модели Хопфилда (Martindale, 1989; 1995).

Предполагается, что наши знания могут быть представлены в виде сети, состоящей из взаимосвязанных узлов (аналогов нейронов). Активированный в данный момент участок сети соответствует области кратковременной памяти (short-term memory), а несколько наиболее активированных узлов – области внимания. При высокой степени активации в области внимания от высокоактивированных узлов распространяется сильное латеральное торможение на другие элементы сети, за счет чего последние не могут активироваться. Таким образом, процессы фокусированного внимания тесно связаны с процессами торможения. Когда активация распространена по сети более равномерно, то одни узлы уже не так сильно подавляют другие, и те, в свою очередь, имея даже очень слабый собственный уровень активации, продолжают «работать».

В модели Мартиндейла каждый узел сети получает «информационный» вход от других узлов и неспецифический вход от системы активации. В этой сети активация узла рассчитывается как сумма возбуждающего входа за вычетом подавляющего входа, помноженная на вход от системы активации. Состояние более низкой активации большего количества узлов соответствует расфокусированному вниманию по Мендельсону, плоской ассоциативной иерархии по Меднику, а также первичными процессами по Криссу. Крутая ассоциативная иерархия, состояние фокусированного внимания и вторичные процессы связаны с высокой активацией небольшого количества элементов. Это проиллюстрировано на рисунке 2.16.


Рис. 2.16. Крутая и плоская ассоциативная иерархии, фокусированное – расфокусированное внимание и активация сети (Martindale, 1995)
Согласно Мартиндейлу, разные состояния внимания характерны для разных стадий творческого процесса. Например, расфокусированное внимание характерно для стадии инкубации, которая ведет за собой инсайт, а сфокусированное – для стадии первоначальной работы над проблемой и следующей за инсайтом проверки и разработки идеи. Так, все четыре стадии творческого процесса по Г. Уоллесу необходимы для того, чтобы породить по-настоящему творческую идею («новую и осмысленную»), то творческие люди, по идее Мартиндейла (которая, по всей видимости, была еще у Крисса), должны характеризоваться способностью к более легкому переключению между первичными и вторичными процессами (или, в других терминах, между фокусированным и расфокусированным вниманием).

Далее Мартиндейл обращается к модели Хопфилда. На пути к решению сеть может в какой-то момент попасть в «локальный энергетический минимум», что на психологическом языке соответствует фиксации. Проблема вывода системы из локального минимума может быть решена по аналогии с физическим процессом отжига. Мартиндейл считает, что переходы между высокой и низкой температурами в сети можно уподобить переходам между первичными и вторичными процессами. Повышение температуры означает переход к функционированию в рамках первичных процессов (и, соответственно, проводя психофизиологическую аналогию, – к низкому уровню активации коры головного мозга), постепенное охлаждение – переход к вторичным (к более высокому уровню активации коры). Нахождение творческого решения проблемы понимается в терминах минимизации энергии.

«Наиболее ярко выраженные вторичные процессы представлены дедуктивной логикой. При таком способе мышления инсайт невозможен, так как вывод заложен в посылках. Вторичные процессы подобны кристаллическим образованиям: они хорошо структурированы, но вероятность встречи двух удаленных атомов равна нулю. Движение в сторону первичных процессов можно уподобить нагреванию кристалла. При достаточной температуре он превращается в жидкость. В жидком состоянии вероятность столкновения двух удаленных частиц возрастает во много раз. Если у нас есть несовершенный кристалл, то все, что нам нужно – это нагреть его до жидкого состояния, а потом постепенно опускать температуру, возвращаясь к вторичным процессам мышления. Результатом будет безупречный кристалл» (Martindale, 1995, p. 258).

Предположение о лучшей переключаемости креативных людей между полюсами фокусированного – расфокусированного внимания частично нашло подтверждение в исследовании Дорфмана и Гасимовой (Дорфман, Гасимова, 2006а). Для этого использовались показатели ВР, полученные в двух описанных выше заданиях – тесте на верификацию понятий и Negative priming. Подсчитывалась разница между средними показателями ВР в заданиях двух типов, чтобы оценить расхождения между скоростью выполнения заданий в состоянии фокусированного и расфокусированного внимания. Предполагалось, что, если справедлива гипотеза о том, что более креативные испытуемые с большей легкостью переключаются между двумя полюсами внимания, то креативность должна коррелировать со степенью расхождения в ВР по двум заданиям. Креативность испытуемых измерялась с помощью теста «Необычное использование». Были получены значимые корреляции на уровне 0.2 между креативностью и разницей между ВР в тесте на расфокусированное внимание и скоростью понимания правил. Корреляций креативности с разницей между ВР в тесте на расфокусированное внимание и со скоростью реакций на фигуры обнаружено не было. Авторы делают вывод, что «<…> креативное мышление (в сравнении с некреативным) способствовало усилению контраста между расфокусированным и фокусированным вниманием» (Дорфман, Гасимова, 2006а, с. 48).

Дополнительные эмпирические доказательства того, что уровень активации связан с креативностью, Мартиндейл считал нужным искать в психофизиологических работах.

Итоги и перспективы

Проведенный анализ показывает, что концепция Пономарева затрагивает центральные пункты, вокруг которых вращалась в XX в. и продолжает вращаться сейчас психологическая мысль. Более того, можно утверждать, что ряд областей психологии не могут пройти мимо открытий, сделанных ученым. Таким открытием для психологии мышления, как представляется, является дуалистическое разрешение того, что было названо выше Платоновым парадоксом. Это открытие нельзя обойти перед тем, как двинуться дальше, можно его лишь сделать повторно, облечь в другие выражения и связать с другими именами. Имплицитное научение, дефокусировка внимания, первичные/вторичные процессы – фактически это все термины, которыми на Западе обозначаются повторно открытые феномены, честь обнаружения которых по праву принадлежит Пономареву. Хочется надеяться, что эти термины не будут множиться, а последователи Якова Александровича смогут самостоятельно развивать его идеи высокими темпами.