Второй принцип – мыслительные процессы можно выразить через символы и правила их обработки. Это дает возможность создавать модели мышления, которые можно формализовать и проверить. Например, в области искусственного интеллекта такие правила лежат в основе экспертных систем, где знания хранятся в виде символов и операций над ними. Классический пример – система MYCIN, созданная для диагностики инфекций, которая использовала логические правила для постановки диагнозов.
Небольшой пример символической обработки:
если (симптом = «лихорадка») и (анализ крови = «повышенный лейкоцитоз»), тогда подозрение – «бактериальная инфекция»,
иначе – «вирусная инфекция».
Это простой способ кодировать знания и делать логические выводы, демонстрирующий, как когнитивизм помогает создавать точные и проверяемые модели. Совет на практике: учитесь формулировать задачи через понятия и условия – это не только помогает лучше разобраться, но и упрощает построение алгоритмов действий.
Третий важный постулат – мышление активно и целенаправленно, а не пассивно воспринимает информацию. Мы не просто реагируем на внешний мир, а ищем, интерпретируем, иногда и искажаем данные, чтобы построить внутреннее представление. Например, успешный ученик не просто читает текст, а задаёт себе вопросы, выдвигает гипотезы, сравнивает и уточняет понимание. Или возьмём решение головоломок, где важны и планирование, и пробные действия.
Полезный совет: погружайтесь в материал, пытайтесь объяснить его своими словами, задавайте уточняющие вопросы. Активное мышление – ключ к глубокому пониманию и творческому решению задач.
Четвёртый постулат – знания в голове не лежат беспорядочно, а организованы в виде структур и ментальных моделей, помогающих прогнозировать, объяснять и контролировать информацию. Например, опытный водитель не просто смотрит на дорогу, он опирается на внутренние карты, правила и сценарии поведения, что позволяет быстро реагировать на изменения. При изучении нового лучше строить такие внутренние модели – создавать схемы, диаграммы, связи между понятиями.
Пример простой модели принятия решения:
– Входные данные (факты, информация)
– Оценка вариантов (плюсы и минусы)
– Прогноз последствий
– Выбор решения
– Оценка результата и корректировка
Понимая эти шаги, проще анализировать и учить других.