Skip to content

Теория теории и машинка типов

Мы уже понимаем, что описываем мы мир при помощи математических/идеальных/абстрактных/ментальных объектов — понятий, которые мы обозначаем какими-то знаками на носителях информации. Теперь надо разобраться с самими этими понятиями: какие они бывают? Этим в интеллект-стеке занимается трансдисциплина теори****и понятий, роль практикующего — типолог, ибо заниматься приходится главным образом типами. Есть множество вариантов теории понятий[1]:

  • Классическая теория, где понятия вводятся через родо-видовые определения: «Человек — это двуногое животное без перьев». Увы, «определения — это гробик для умершей мысли», как любил повторять Георгий Петрович Щедровицкий. В современной литературе полно критики такого подхода (определения — это из мира языка, а не мира деятельности). Поэтому с этой классической теорией понятий не работаем, помещаем её в музей истории познания.
  • Теория образцов: понятие — это типичный предмет какого-то класса, и все остальные предметы в чём-то на него похожи. Все фрукты чем-то похожи на яблоко (и меньше на сливу, это показано психологическими экспериментами). Хорошо работает, если типовой объект один, и это физический объект. Но это редкий случай.
  • Теория прототипов: понятие выводится статистически как похожее на какие-то другие понятия-прототипы, хотя и не буквально похожее. Витгенштейн говорил, что «похожесть» тут типа «семейного сходства», когда все члены семьи разные, но всё-таки какая-то похожесть у них есть (и даже часто домашние питомцы в чём-то получаются похожими на своих хозяев). Тоже отлично работает в случае физического мира и простых ситуаций, когда класс достаточно широк, чтобы быть представленным каким-то одним образцом. В принципе, это как раз тот случай определения «похожести», который математика обсуждает в аксиоме унивалентности (и могут быть приведены какие-то доказательства похожести, и эта похожесть определяется как «эквивалентность в каком-то смысле»). Прямые экспериментальные доказательства, что не слишком тренированный в логике мозг людей (быстрое мышление S1) пользуется именно этой теорией прототипов приводят исследователи метафор[2] и conceptual blending[3].
  • Теоретическая теория (theory theory)[4]: понятия это какие-то объекты, связанные друг с другом какими-то отношениями. Свойства понятий определяются через отношения, а рассуждения с этими понятиями в явном виде задействуют эти отношения. Теории/модели/дисциплины как «решётки» (lattices) объектов[5], связанных отношениями (причём и отношения тоже тут объекты и тоже связаны отношениями) — вот что определяет понятия.
  • Нейротеории понятий, которые массово сейчас появляются после осознания, что реально понятия обрабатываются нейронной сетью[6], а не какой-то «компьютерной системой, работающей как логическая машина».

Какими теориями понятий пользоваться? Если вы работаете в нестрогой части спектра формальности рассуждений, то вам лучше всего подойдёт теория образцов (приводите примеры конкретных объектов, чтобы говорить о чём-то более общем) или теория прототипов (приводите метафору — одну более знакомую ситуацию вместо другой). В естественном языке много средств, хорошо согласующихся с этими теориями. Художественная образная речь, красочные описания работают с этими теориями, они хорошо поддерживаются мозгом, вычисляющим в быстром режиме S1 по Канеману.

Если речь идёт о менее подверженном ошибкам режиме медленного осознанного рассуждения S2, что требуется для работы на больших уровнях формальности, то мы должны пользоваться теоретической теорией понятий. И уж если вы воспользовались этой теоретической теорией, то дальше можно задействовать и онтологию, и логику. На других теориях понятий с онтологией и логикой будут проблемы, в них объекты определяются не многоуровнево, нет последовательного уточнения понятия на множестве уровней абстракции, нет какого-то последовательного наведения внимания.

Мы говорим при этом, что в голове человека, который способен рассуждать осознанно, сможет работать «машинка типов»: он проводит рассуждения не с одиночными понятиями, а сразу с несколькими понятиями, часто не представленными в предъявляемых ему описаниях мира или явленных при восприятии мира, а берущимися из памяти. Каждому понятию приписывается его «тип», связанный отношением классификации с обсуждаемым понятием, и далее рассуждение проверяется на соответствие типу. В «машинке типов» мы сразу работаем с графами (решётками, иерархиями) отношений, а не с одиночными понятиями. Так что в мышлении при строгих рассуждениях мы прежде всего пользуемся теоретической теорией понятий, а не теорией образцов или прототипов.

Основная проблема теории теорий/«машинки типов» в том, что включать эту машинку типов, учить строгому мышлению с её использованием нужно специально. Большинство людей мыслят нестрого, они «гуманитарии», им не нужно следить за безошибочностью и воспроизводимостью своих рассуждений.

Как люди выживают без «машинки типов», которая повышает надёжность результатов рассуждений, заранее сигнализируя проблемы? Очень просто: у них большая насмотренность, наслушанность, начувствованность! Они работают в рамках понятизации, но у них отличная память, и они просто вспоминают, что они видели в похожих ситуациях раньше, когда в эти ситуации попадали или они сами, или другие живые люди, или даже герои мультфильмов, которые они смотрели в детстве. И они отвечают теми действиями, которые вспомнили. Это довольно эффективная стратегия! Это и есть «жизненный опыт», «здравый смысл»!

Проблема возникает тогда, когда ситуация реально новая и только внешне похожа на старую. Тогда нужно иметь догадки на тему, что в этой ситуации делать — и эти догадки нужно как-то проверять, рассуждать на эту тему, думать. Если работаем в S1, то «нечего думать, трясти надо!»[7].

При понимании вопросов типа «Сепулька — это зверь. Есть ли позвоночник у сепульки?» работает прежде всего машинка типов, медленное рассудочное осознанное формальное мышление S2, разбирающееся с типами понятий. Если вы знаете, что у зверей есть позвоночник, то указание для сепульки типа «зверь» вполне достаточно, чтобы сообразить — да, позвоночник у сепульки есть. Если вы в уме не отметили первую фразу как отнесение сепульки к типу, или просто это отнесение сепульки к типу не удержали во внимании до второй фразы в этом коротком тексте, то вы будете в недоумении — как отвечать про наличие или отсутствие позвоночника в абсолютно неизвестном объекте?!

Скажем, вам сообщили: «Лидер — это роль. Какая роль у лидера?». Если у вас нет в голове машинки типов, то вы начнёте что-то сочинять бытовое про лидера: что он ведёт за собой людей, что лидер должен быть образцом для действий других людей. Если машинка типов у вас в голове есть, то вы должны прийти в недоумение: «лидер — это роль». В этот момент лидер у вас помечен типом «роль». Следующая фраза — «какая роль у роли»? Ибо если лидер помечен у вас в сознании как роль, то вы удерживаете это и до второй фразы, и проверяете на соответствие типу. Вопрос «какая роль у роли» должен страшно напрячь, ибо его осмысленность мала. Машинка типов, которая встроена в голову, вскрывает множество нелепостей в тексте.

Чтобы обсуждать машинку типов, вам потребуется всё предыдущее содержание интеллект-стека: вы должны будете иметь достаточный набор понятий, чтобы черпать оттуда типизацию и находить ошибки в типах через кинестетическое ощущение «дребезга» (понятизация), вы должны будете удерживать внимание (собранность), вы должны уметь как-то именовать понятия (семантика), вы должны понимать, как всё это моделируется математически (математика) и представляется в физическом мире на разных носителях информации, как передаётся между вычислителями (физика и в ней теория информации). И дальше мы будем пытаться обсуждать уже не отдельные понятия, но их отношения.


  1. https://plato.stanford.edu/entries/concepts/ ↩︎

  2. Наиболее ярко это делает в своих работах George Lakoff, https://en.wikipedia.org/wiki/George_Lakoff ↩︎

  3. https://en.wikipedia.org/wiki/Conceptual_blending ↩︎

  4. https://iep.utm.edu/th-th-co/ ↩︎

  5. https://en.wikipedia.org/wiki/Formal_concept_analysis ↩︎

  6. https://www.pnas.org/doi/10.1073/pnas.1820226116 (2019) ↩︎

  7. https://4tob.ru/anekdots/2082 ↩︎