Мышление о мире с необходимостью включает в себя знание об объектах мира – эпистемология обсуждает, как это знание можно получить и насколько этому знанию можно верить, а онтология что-то может сказать о том, каковы эти объекты. Логика затем помогает как-то оперировать с этим знанием – и помним, что логика науки и инженерии совсем необязательно булева, она имеет вероятностную компоненту (опираясь при этом на байесово понимание вероятности, а не частотное!), и поэтому может использовать и эвристические («неформальные формализмы», неточные правила) рассуждения38.
Тем самым мы должны ещё задать вопрос: как мы получили знание о системах, обязательно ли это знание формально (выражено в символической форме, доступной для строгого логического вывода), или оно неформально, т.е. образно и интуитивно? Получено ли это знание умозрительно, только в результате размышлений, или были проведены какие-то эксперименты и знание обобщает их результаты? Эпистемология не так популярна, как онтология, но когда речь заходит об обучении каким-то знаниям, без неё не обойтись.
Главное, что нужно тут обсудить – это наличие и важность полностью неформального, интуитивного и невыразимого словами и иными знаками знания. Тем более что сегодня такое знание могут иметь не только люди, но и компьютеры, запрограммированные для работы в рамках коннекционистской парадигмы. Современные достижения искусственного интеллекта связаны с развитием именно «компьютерной чуйки» (а не развития логических языков программирования) в рамках машинного обучения в целом и направления глубокого обучения (deep learning) в частности.
В коннекционистской (connectionism) парадигме39 знание представляется существующим не как набор связанных какими-то отношениями понятий, а как распределённое по множеству определённых простых однородных элементов (часто нейронов в нейронных сетях как искусственных, так и естественных).
Человеческий мозг для мышления использует нейронную сеть, а не логический вычислитель, действующий по законам аристотелевой логики. Современные системы машинного обучения тоже начинают использовать для своей работы похожие принципы, и к ним применяются отнюдь не традиционные наработки для знаний, понимаемых как формальные модели. Объединение методов формальной, «научной» работы со знаниями и методов «неформальной» интуитивной работы в нейронных сетях (искусственных или естественных, в мозгу человека – это тут неважно) представляет собой научный и технический фронтир, мы не будем касаться этих вопросов в нашей книге40. Но нужно понимать, что когда говорят про человеческие «интуицию» и «чуйку», то имеется в виду именно такое мышление41.
Мы в нашей книге исходим из того, что мышление «бибинарно»42 (би – это умножающая приставка от латинского bis, «дважды»), т.е. дважды двойное:
1.