Место системного мышления среди других мышлений: интеллект-стек ​

Есть разные мнения о том, можно ли называть прикладное мышление (например, мышление инженера-разработчика ракетной техники, или ведение обучения людей с использованием педагогического метода blended learning, или ремонт унитазов на космических кораблях) мышлением. По одному мнению --- конечно, агенты всегда мыслят, но согласно другому мнению, мышление--- это только функция порождения нового прикладного метода с его знаниями/дисциплинами как потенциальными алгоритмами изменения мира для ситуациями встреченной проблемы и инструментарием для этих изменений, а вот для вычислений/рассуждений прикладными методами собственно мышления уже не требуется, эти рассуждения идут «автоматом». Работу калькулятора не называют «мышлением», он считает что-то «аппаратно», и всё. По другому мнению (которого придерживаемся и мы) в ситуациях прикладного метода (даже работы калькулятора, например, ребёнка, мучительно умножающего трёхзначные числа в в столблик на бумаге) мы всё-таки будем говорить о прикладном мышлении. В какой-то заданной прикладной предметной области можно хорошо понимать, что делать в типовой ситуации --- и делать «на автомате», не задумываясь о методе работы, «не думать». Но в этой прикладной предметной области может быть очень много объектов, так что надо будет:

• составить самостоятельно какой-то метод решения (объяснения/знания/алгоритмы и инструменты в их поддержку) конкретной проблемной ситуации, конкретного затруднения, даже не выходя за пределы конкретной предметной области (иногда составление метода для какой-то проблемной ситуации называют стратегированием, а найденный метод --- стратегией),
• затем спланировать работы (метод --- это только способ выполнения работы, стратегия не предусматривает плана с проставленными в нём сроками работ и ресурсами), исходя из наличных или ожидаемых ресурсов (а если ресурсов не хватает, то откорректировать метод, заменив таким, для которого ресурсов хватит, или предусмотреть работы по каким-то методам добычи нужных ресурсов), а
• затем только выполнять работы по этому методу-стратегии, и ещё
• отслеживать, удовлетворяют ли результаты выполняемой работы, или надо срочно адаптировать метод, поскольку или ситуация с исходными данными или требуемыми результатами изменилась, или были ошибки в предыдущих шагах.

То есть для элементарных каких-то операций/действий в мире мышления вроде не надо, а мышление нужно для выбора какой-то объяснимой цепочки действий (это и есть метод) подлиннее, когда требуется учитывать много привходящих обстоятельств, удерживать внимание на огромном числе объектов, меняющихся на каждом шаге следования методу работы--- и вот тут мы склонны говорить о прикладном мышлении, а не просто об автоматическом выполнении отдельных операций. Ударить молотком, то есть просто двинуть мышцами молоток --- большого ума не надо, но вот чтобы ударить безопасно, в нужное время, в нужное место --- вот для этого мышление уже надо, надо как-то обсудить метод ударов молотком, знания/дисциплины и инструментарий этого метода.

Cразу освоить прикладное мышление для решения проблем/затруднений в рабочей предметной области, да ещё потом и сочетать эти разные прикладные мышления для разных методов работы в сложных проектах, в которых задействованы сотни людей, не удаётся. Но и после освоения узкого прикладного мышления по одному методу надо признать, что без опоры прикладного знания на фундаментальное/трансдисциплинарное знание хорошо действовать в реальном мире не получится. На стыках работ по любым прикладным методам будут встречаться ситуации, не описанные ни в одном учебнике, ни в одном регламенте или стандарте работы! Люди просто обязаны использовать фундаментальные знания/объяснения человеческой цивилизации, ибо только они позволяют связать в мышлении между собой как знания разных прикладных методов, так и знания о работе на цивилизационном фронтире: решении проблем, методы типовых решений для которых ещё никто на Земле не выработал, поэтому эти решения нельзя вот так просто взять и нагуглить, понять --- и затем применить не думая. Хотя можно спросить метод решения проблемы у AI, но не факт, что этот AI будет достаточно умным, чтобы выдать что-то толковое (спросите AI сегодня: как стать бессмертным? Не факт, что получите в ответ описание какого-то подходящего метода решения этой проблемы).

Если мы хотя бы частично что-то знаем о структуре мира, это на несколько порядков уменьшает количество вычислений интеллекта/объем мышления в неполностью известных нам предметных областях. Это много? Скажем, какую-то проблему P мы можем решить человеческим мозгом за десять тысяч лет. Это побольше, чем время существования человеческой цивилизации, хотя вы можете сократить это время до десяти лет, если будет работать тысяча мозгов, а у вас есть ресурсы для поддержания жизни тысячи человек, и ещё вы знаете, как организовать эффективно разделение работ на тысячу человек. Так что лучше сделать какие-то не случайные, а уже известные цивилизации предположения о структуре задачи и её предметной области. В нашем примере проблемы P они позволят снизить объем вычислений одного мозга в десять тысяч раз, задача будет решена одним человеком за год. На кону примерно такая разница между скоростями работы необразованных людей и образованных: необразованные люди (дикари) знают мало общих объяснений об устройстве мира, а образованные --- много. Надо учиться, чтобы быстро решать задачисобственным мозгом. Вариант: надо учиться, чтобы сдвинуть этот объём вычислений на мозги других людей и на компьютерные инструменты (включая AI).

Цивилизация при помощи науки с её опорой на письменное накопление объяснений/теорий/знаний/моделей даёт нам в готовом к изучению виде догадки об устройстве мира, а также учит формулировать проблемы (которые не знаешь как решить, предмет работы интеллекта) и переводить их в задачи (которые известно как решать, предмет работы прикладного мастерства). Эти догадки и лежат в основе образования. Образование --- это усиление возможностей интеллекта путём обучения методам мышления интеллект-стека. Образование тем самым --- это специализация обучения (образование::обучение). Напомним: обучение --- это метод создания мастерства выполнения работ по целевому методу, которому учат. Образование даёт возможность быстрее находить прикладные методы по преобразованию проблемы в задачи, т.е. переводить ситуацию «не знаю как к такому подступиться» в ситуацию «знаю, по какому методу надо работать, чтобы получить результат --- какие использовать знания и инструменты».

Приобретённый в ходе образования интеллект::мастерство позволяет решать проблемы в десятки тысяч раз быстрее, чем это могло бы быть сделано необученным структуре окружающего мира естественным врождённым интеллектом homo sapiens. Цивилизованный мозг --- это не «дикий», это обученный мозг, он быстр в мышлении, а современный мозг ещё и использует мозги других людей (коллективная мыслительная работа) и компьютеры (классические и с программами AI) для усиления скорости своего мышления. При этом компьютеры могут быть использованы в минимальных вариантах даже не за счёт компьютерных вычислений, а просто за счёт помощи в организации памяти и удержании внимания. Компьютер как «ручка-бумажка» тоже крайне эффективен для мышления! Умный и ленивый образованный человек с ноутбуком может сделать много больше, чем толпа деятельных, но необразованных дураков-дикарей!

Освоение нового мастерства идёт у человека не через «природную смекалку», а через «облагороженную образованием смекалку», через знания/модели/объяснения/теории/дисциплины о структуре мира, структуре проблем и задач, а также знания/объяснения/дисциплины о том, какие доступны инструменты (например, компьютеры как универсальные моделеры для системного моделирования самых разных объектов).

Всё то же самое относится и к AI. Изготовленные на заводе компьютеры для AI тупы, они могут выполнять только простейшие операции типа перемножения матриц. А вот после обучения на огромном объёме знаний, уже накопленных в письменном виде цивилизацией, в этих компьютерах появляется мастерство рассуждений на основе этих знаний, «большие языковые модели/large language models/LLMs», которые иначе называют «фундаментальными моделями/foundation models», имея в виду как раз их трансдисциплинарный характер. Это аналог «образования»: обучение мышлению и каким-то инженерным кругозорам. А потом такие фундаментальные модели легко или дообучать прикладным знаниям (finetune) или подключать к таким моделям прикладные знания в виде каких-то инструментов (скажем, подключать Wolfram Mathematica для решения математических задач).

Умение и навык, скилл --- это отсылки к владению агентом мастерством исполнения работы по какому-то методу, опирающемуся на теорию/знание/объяснения/алгоритм/дисциплину, причём выполнение этого метода/способа работы поддержано каким-то инструментарием. Интеллект --- это мастерство владения набором фундаментальных методов мышления, нужных для самого обсуждения методов в условиях, когда непонятно, какой метод применить (возможно, такого метода ещё нет --- или нет знаний, или нет инструментария, их нужно ещё создать).

Интеллект::мастерство работает с прикладными методами (и тем самым их знаниями/дисциплинами/алгоритмами/теориями) как объектами своей работы. Можно сказать, что интеллект как мастерство фундаментального мышления как раз создаёт и дальше развивает прикладные методы, он как раз нужен для познания, для бесконечного роста знаний (эволюции знаний) и инструментария поддержки работы с этими бесконечно растущими знаниями. Больше знаний и поддерживающего эти знания инструментария --- больше перевода всё самых разных проблем в задачи. Инфекционные болезни были проблемой, но вот знание о микробах и мыло в качестве инструментария с методом гигиенического мыться рук в существенной мере решили эти проблемы, борьба с инфекциями стала набором задач, а не проблемой: известно, что делать, надо только найти ресурсы, и дальше просто делать.

Интеллект в его врождённой части позволяет людям быть умней кошек и обезьян, а вот в полученной образованием/выученной его части --- это полученная образованием машинка по получению прикладных дисциплин. Интеллект --- это эволюционно полученный людьми инструмент познания, машинка по разработке способов решения проблем --- превращения проблем, которые не решаются никаким известными методами в выполняемые/решаемые известными прикладными методами задачи. Это относится и к естественному интеллекту, и к искусственному, и к гибридному, и к коллективному.

Трансдисциплины/«фундаментальные дисциплины» --- это и естьобъяснения/теории/знания/модели/алгоритмы по поводу устройства мира. Они удобны для скоростного мышления о мире, удержания внимания на вычислениях/рассуждениях/мышлениио важном, сохранении ресурса мозга или компьютера от разбазаривания на мышление о неважном. А само это мышление по знаниям/алгоритмам трансдисциплин затем нужно для создания методов изменения мира к лучшему.

То, что занимает у очень смекалистого дикаря полжизни, у обученного фундаментальным дисциплинам человека может занять несколько часов, или даже несколько секунд --- особенно, если учитывать, что знания/алгоритмы методов мышления включают в себя и знания по задействованию инструментария мышления (чаще всего это моделеры). И то же относится к компьютерам с AI, только у этих компьютеров нет биологических ограничений по скорости и объёму вычислений для одного агента, почему их и боятся примерно так же, как в голливудских фильмах боятся гениальных учёных-злодеев.

Интеллект --- это мастерство беглого задействования целого стека/stack/стопки/слоёного пирога поддерживающих друг друга фундаментальных методов мышления. Этот набор методов мышления (опирающихся на задействование фундаментальных дисциплин и использование инструментария их поддержки) мы называем интеллект-стеком.

В фундаментальных методах мышления дисциплины/теории/знания будут только «алгоритмической» частью. Мы эти дисциплины/теории/знания смело будем считать ещё и «алгоритмами» (описаниями задействования метода в самых разных обстоятельствах/ситуациях --- ровно как алгоритмы могут быть использованы для вычислений с самыми разными входными данными):

• Есть множество указаний на то, что конструктивная математика --- это по факту переход от декларативных (объекты и отношения) описаний к описаниям через операции построения объектов. Это можно распространить на всю работу с понятиями (ментальными/математическими объектами).
• В компьютерной науке давно получены результаты, которые позволяют рассматривать самые разные виды представления алгоритмов, а не только «пошаговое выполнение императивных программ» (в том числе соответствие Curry-Howard^[1] между императивным алгоритмом и набором логических высказываний). Мы достаточно широко трактуем этот результат.
• Надо рассматривать не знания сами по себе, а то, что с ними делает вычислитель --- в данном случае это мастерство выполнения метода, использующего знания для вычислений (мышление) или даже изменения мира (мышление и задействование инструментов). В теории создателей (constructor theory)^[2] проводится обобщение понятия «алгоритм» на описание преобразований не только информации и сверхинформации (superinformation, в квантовых компьютерах, представленной не в битах, а кубитах), но и теоретически любых физических преобразований.

Методы мышления, как и любые другие методы, используют не только понятия из теорий/знаний/объяснений/алгоритмов/дисциплин (в том числе трансдисциплин), но и инструментарий, понимаемый как набор расширяющих возможности тела агента инструментов/аппаратуры/оборудования. В случае трансдисциплин мышления инструментарием обычно будет моделер (простейший из ручки-бумаги, или программа какого-то моделирования для компьютера), а расходным материалом к моделеру идёт кофе для человека-модельера и электроэнергия для компьютера, воплощающего модель. Другие инструменты в фундаментальных методах мышления интеллект-стека редки, хотя бывают. Например, в понятизации используется тело, там ищутся какие-то ощущения, которые потом надо будет перевести в мысль, роль исполнителя метода понятизации --- «поэт».

Несмотря на практичный характер мышления, интеллекту больше нужно моделировать мир, то есть заниматься познанием/cognition/learning, созданием моделей, нежели непосредственно его менять в действии --- но помним, что это модели, как раз нужные для изменения себя и мира к лучшему, причём интеллект принимает в случае затруднений решения о том, менять ли модель мира, модель себя, себя или мир --- причём взаимозависимо.

В целом мышление как познание происходит в конечном итоге методом деятельных проб и ошибок, то есть не только высказыванием «умственных» догадок-объяснений и их умственной же критикой, а «активным зондированием» физического мира, деланием догадок и наблюдением результатов --- получилось или нет. Это происходит даже по поводу того, где граница между самим агентом и окружением --- чем можно просто командовать, на что можно существенно влиять, на что можно влиять несущественно, на что не удаётся пока влиять. Агент непрерывно что-то делает с окружающей средой, чтобы понимать границы своего влияния --- и менять среду к лучшему (для себя ли, для своих генов, для популяции --- это отдельный вопрос).

В случае перехода к прикладной инженерии (как изменению мира) методом «проб и ошибок» в старой и известной для этого агента или даже новой малоизвестной агенту предметной области, для изменения мира агент задействует изобилие самого разного инструментария и применяет самые разные исходные материалы: станки, химические реагенты, дрессированных животных, солнечный свет, воду в пруду, часы, балетный станок, квантовый компьютер, и т.д.

Есть некое лукавство в том, что мышление по фундаментальным методам --- это чисто «ментальный акт». Ввод-вывод в вычислитель (например, мозг у людей) вполне материальны и требуют инструментария/оборудования (книгопечатание, электронные онлайн-курсы, мессенджеры для получения проблем и отправки решений), да и сам вычислитель вполне физический объект. Как любит напоминать Дэвид Дойч, математик и астрофизик --- вполне себе физические объекты, «умственный труд» требует физичности трудящегося! В курсе мы используем понятие «создатель», который является обобщением компьютера, способного выполнять алгоритм вычисления на систему-создателя/constructor из constructor theory, который способен выполнять знания/алгоритм метод как «алгоритм изменения физического окружения»^[3].

Метод работы, выполняемый создателем включает знаниевую часть (которую программно-аппаратно реализует в создателе мастерство выполнения алгоритмов/объяснений/теорий метода) и аппаратную часть (мастерство в его поддержке телом агента можно тоже отнести к этой аппаратной части, а дальше идёт аппаратура инструментов как датчиков и актуаторов, а также «экзотела» как платформы для всех этих датчиков и актуаторов, то есть оборудование/аппаратура, которые помогают мастерству делать дополнительные вычисления и действия по измерениям в физическом мире и изменениям физического мира). Для универсальных создателей (интеллектуальных агентов) можно говорить не просто о вычислениях, а сразу о мышлении, а также рассматривать ситуации, когда в ходе выполнения метода создатель сначала строит дополнительную аппаратуру --- инструментарий (раскрутка/bootstrapping).

Constructor theory даёт обобщение для понятий

• алгоритма (термин остаётся тем же) как описаний/теории/дисциплины,
• измерения (ввод, физическое взаимодействие для получения данных)
• изменения (обработка/processing в случае информации, в случае вещества --- transformation)
• вывода (в случае создателей отдельно эта операция не рассматривается, включается в transformation)

Так что можно дальше обсуждать преобразования не только информации, но и физических объектов, а также понятие вычислителя/computer, реализующего «обработку информации по какому-то алгоритму»::метод расширять до понятия создателя/constructor, реализующего «преобразование физического мира по какому-то алгоритму»::метод.

Универсальный компьютер при наличии достаточных вычислительных ресурсов (памяти и времени) может принципиально выполнить любое вычисление, которое может выполнить машина Тьюринга (известная нам теория компьютинга), а вот универсальный создатель с учётом раскрутки/bootstrapping (например, начиная с выплавки металла из руды, получение чистого кремния для полупроводника из песка) принципиально при наличии достаточных ресурсов (памяти, времени, начального набора инструментов) может выполнить любое преобразование вещества --- и «любое» понимается как в математике, речь тут идёт о теоретической возможности. Практическая же возможность будет ограничена ресурсами и рисками какой-нибудь катастрофы (скажем, прилетает астероид и уничтожает создателя, который имеет все необходимые ресурсы --- и он не успевает закончить свою работу.

При этом особо подчёркивается, что по одному методу (алгоритм/теория/объяснения/знания и аппаратура/инструменты) создатель способен выполнить множество вычислений, оставаясь при этом неизменным --- примерно так же, как молекула катализатора (простейший создатель) может выполнить множество актов катализа, оставаясь при этом неизменной.