Когнитивная психология и нейролингвистика: интерпретация основных понятийс помощью алгоритма построения АМКЛ
При исследовании сложных объектов с помощью интуиционистских моделей математической логики [1, 2, 3] и, в частности, алгебраических моделей конструктивной (интуиционистской) логики (АМКЛ), обращает на себя внимание следующий факт. Интуиционистские модели могут быть истолкованы (в виде приближенного отображения действительности) как возможные состояния знания некоторого познающего субъекта, как модели творческого сознания. С помощью самой структуры или способа построения этих моделей удалось показать достаточно интересные алгоритмические интерпретации основ квантовой теории, теории калибровочных полей и общей теории относительности; квантовой теории калибровочных полей, квантовой теории гравитации, редукции квантованных когерентных состояний ультраструктур нейронов мозга, особых состояний сознания, структуры качественных выводов из астрономической модели Керра; удалось сопоставить структуру Нагорной проповеди и библейских заповедей с этапами построения АМКЛ [4], а также некоторые другие интерпретации (особенно в области медицины, см. эл. б-ки после списка литературы).
Возможно, любую интересную и сложную область познания можно интерпретировать с помощью этих достаточно гибких по своему построению интуиционистских моделей АМКЛ (далее будем писать иногда просто "моделей" или М). Формализация этого подхода может по мере накопления опыта и новых данных постепенно уточняться и специализироваться при изучении отдельных областей знания. Можно рассматривать эти модели как некоторый "переводчик" терминов, взятых из специализированных областей знания на язык построения М; они являются как бы некоторым формализованным познающим субъектом. Познание здесь осуществляется в виде алгебраических моделей интуиционистской логики (моделей Бета-Крипке). Такие М при практическом их использовании отображают динамику состояний ("свободно становящиеся последовательности" [3]), или динамику знания некоторого познающего субъекта (алгоритма вычисления АМКЛ). Приведем краткое описание этого алгоритма, детальное описание и множество примеров приведено в [1].
В исходном массиве действительных (или комплексных) чисел или чисел k-значной логики) Х(n+1, m), где n - число переменных (столбцов в Х) и m - число состояний t (строк), записанных в порядке течения времени t, выделяется один или несколько столбцов Y, для которых Y = f(X). В дальнейшем для краткости этот массив (базу данных) будем записывать как (Х, Y, t), где t - время (или порядковый номер строки или в иных случаях номер индивида). Значения Y разбиваются на k частей (обычно на 2 по медиане), и эти значения кодируются, например, в виде булевой функции Z = (0, 1), где 0 - нецелевые состояния и 1 - целевые. Далее каждое состояние (строки в Х), которому задано определенное целевое значение Z, сравнивается со всей своей окрестностью нецелевых состояний, начиная с ближайших. Строятся конъюнкции К* (переменные соединены логическими связками "и", &) малого числа r открытых интервалов dx значений переменных для целевого состояния; r будем называть рангом конъюнкции К*. Итоговые К** (по всем целевым состояниям) вычисляются таким образом, чтобы К** были бы простыми импликациями (логические связки "если, то", -->), истинными формулами для Z, например: "если К**, то Z = 1" (иногда эти импликации будем называть исходными М). Примем также (это наше семантическое соглашение), что вычисление К* относится к функции подсознания, а К** и далее по алгоритму - к функции сознания. Затем вычисляются оценки Г для каждой К** (число состояний, где встречается данная К**). Далее строятся тупиковые дизъюнктивные формы (АМКЛ) для каждого из Z = (0, 1) в отдельности. Начиная с наибольшей Г отбираются эти К и объединяются логическими связками "или" (V); предварительно отбрасываются те из них, множества состояний которых ("покрытия", множества номеров строк) уже входят в объединение покрытий ранее отобранных итоговых К (т. е. строится тупиковая дизъюнктивная форма или итоговая М). Далее все вышеприведенные аналогичные операции совершаются и в отношении нецелевых состояний. "Целевым" значением здесь становится Z = 0; соответствующее объединенное посредством связок V множество этих К присоединяется в скобках к целевому множеству К посредством связки V и константы " - " ("ложь", "отрицание").
В некоторых случаях требуется построение вероятностной модели. Для этого все частичные пересечения двух или более К обозначаются как новые К, оставшиеся множества и эти новые К вновь упорядочиваются по их Г, переиндексируются и подсчитываются итоговые Г и Г/m. Эти частоты в сумме дают единицу.
После вычисления модели обычно проводится ее интерпретация (обычно с помощью подходящих информационно-поисковых систем) - сопоставление с уже известными более общими теориями, в которые К входят как подмножества (поиск "мажоранты", "наводящих соображений", "пояснений" [5]). Иногда вычисляется также контекст отдельных наиболее интересных итоговых К, входящих в тупиковую форму. Это замкнутые интервалы значений всех переменных, не включенных в данную К, т. е. только для "своих" Г строк-состояний (для "покрытия" этой К). Интерпретация контекста (вместе с К) соответствует возможному "объяснению" функций Z и также несущественных переменных. При необходимости аналитического отображения логической модели производится аппроксимация всех подмножеств значений (х, у) для каждого К обобщенными рядами Эрмита или Фурье [1, 2, 6]. Будем считать, что мы потенциально имеем возможность отслеживать и сохранять в памяти компьютера весьма большие, но конечные массивы числовой содержательной информации, которая отображает доступный нам смысл исследуемого процесса.
Во многих часто встречающихся случаях Y = (у1, у2, ...) является многокритериальной функцией для Х (алгоритм см. в [1]). В более общем случае можно считать, что Х является массивом всей доступной информации, как бы некоторый текст (в динамике, по строкам), посредством которого исследуемый объект обменивается информацией с исследователем. Номера соответствующих переменных ("слов", столбцов массива Х), являются обычно некоторым ограниченным словарем, тезаурусом. При этом, вообще говоря, каждое слово из этого словаря можно задать в качестве функции цели у относительно оставшейся части Х. Все дело заключается в том, в каком контексте (смысле) проводится исследование. Более того, иногда даже конкретная цель для исследователя не совсем ясна. В этом случае можно вычислить некоторое множество моделей для "обзорного" множества у и отобрать модель, для которой информационная энтропия меньше - практически, можно предпочесть модель, которая содержит меньшее число выводов К с оценками Г = 1. Конечно, далее если возможно, следует с помощью информационно-поисковых средств интерпретировать полученную модель, а иногда и отбросить неинтересные тавтологии, которые неожиданно выявляются при тесной корреляции у с некоторыми сходными (с у) по смыслу переменными. Затем, если это требуется, уже строится модель для многокритериального Y. Еще отметим, что при исследовании объектов в динамике в массив исходных данных можно включать информацию (модели, в том числе и их Y), полученные на предыдущем шаге исследования (модели с "памятью"). Особенно это характерно при исследовании конфликтующих структур(дипломатия, разведка, информационное воздействие на социальные структуры...), при этом обычно Y отображается в виде значений k-значной логики.
Сами модели АМКЛ в динамике (с контекстами) являются как бы некоторым кинофильмом, отображающим поведение исследуемого объекта, который можно видеть с запаздыванием, зависящим от времени передачи исходных данных и всех вычислений. Вычисляемые итоговые импликации К (отдельные модели из АМКЛ) отображают здесь изменения во времени исследуемого объекта (или субъекта). В случае прогнозирования поведения объекта в будущем, входные данные должны включать также некоторые временные переменные: скорости, ускорения и т. п. Весьма часто такие процессы идут с обратной связью - Y зависит не только от значений входных переменных и Y в данный момент времени, но также и от более ранних их значений. При прогнозировании удобно использовать также аппроксимацию всех подмножеств значений (х, у) для каждого К обобщенными рядами Фурье или Эрмита - поведение объекта отображается как бы в виде "голографической интерференции" различных волн или в виде некоторых "пакетов" волн.
Будем считать, что на первом этапе исследования всевозможных текстов по заданной теме уже вычислены модели, которые распознают в этих произведениях ситуации, отображаемые в итоге некоторыми наборами научных, психологических, философских, религиозных понятий или иных обобщенных выводов, часто обозначаемых определенными терминами. Приведем далее список возможных семантических соглашений (интерпретаций результатов функционирования самого алгоритма построения АМКЛ), которые в итоге приписывают как самому алгоритму построения, так и различным параметрам модели, записанной в общем виде (например, функционалам К и Г) их определенные смысловые значения в различных ситуациях. Эти соглашения могут уточняться по мере накопления новых сведений о применении этих соглашений в определенной содержательной области. Следует отметить, что, возможно, лишь интуиционистские модели в настоящее время позволяют как бы более тонко "настроить" способы понимания, семантику получаемых выводов из моделей, относящихся к определенному содержательному виду. Будем записывать (жирным курсивом) далее нумерованный список по теме статьи некоторых сложных высказываний и понятий различных цитируемых авторов. Эти высказывания будем сопоставлять с различными стадиями функционирующего алгоритма или с наличием различных параметров модели (здесь как бы составляется словарь заранее согласованного "перевода" слов с одного языка на другой). Ссылка на литературу для каждого элемента списка приводится лишь один раз - она относится и к последующим элементам списка, вплоть до очередной новой ссылки (но внутри поясняющего текста могут быть свои ссылки). Приводимые ниже элементы списка следуют ходу изложения текста цитируемых авторов. В этом списке и в соответствующих интерпретациях даются по возможности лишь краткие определения различных терминов. Их более точный смысл следует искать в контексте всей статьи. Далее в интерпретациях курсивом выделяются термины и высказывания, поясняющие, например, с точки зрения психологии эти термины (или когда приводятся примеры). Иногда курсив применяется просто для выделения смысла слов.
Данная статья включает вначале также статью (до п. 8) с небольшими исправлениями, написанную по сходной тематике в 2009 г. [14].
1. Сознание это способность к рефлексии и пониманию? Можно ли сказать, что сложная машина что-то понимает?[7]. - Программа построения АМКЛ моделирует рефлексию; процесс интерпретации (при использовании информационных поисковых систем по К, имеющим хотя бы большие оценки Г) моделирует понимание. См. также текст выше и [5].
2. Нейрофизиологические процессы невозможно смоделировать в математических терминах. Мы можем только притягивать это, сводить... - Математическая (и в особенности интуиционистская) логика является моделью, которая отображает наиболее существенную часть нейрофизиологических процессов - обработку и обобщение информации субъектом. Притягивать это, сводить - см. текст выше и [5, 8, 9, 10].
3. У одного и того же объекта нет адреса (локализации в мозге).Компетентная нейрофизиологическая структура (CNS). - Наиболее интересная гипотеза о существовании такого адреса принадлежит Hameroff S. и Penrose R. (все ссылки см. в [2]). Стереохимическая конфигурация некоторых концевых групп белка тубулина (этот белок присутствует почти во всех клетках) может изменяться под воздействием даже одного кванта, передаваемого самыми разнообразными путями, - для стимуляции воображения - например, при воздействии некоторой частицы, прилетевшей откуда-то из глубин Вселенной. Вероятно, эта стереохимическая конфигурация тубулина и есть то, что называют компетентной ("достаточной для объяснения причиной" последующих функций) нейрофизиологической структурой CNS. Далее, возможно, что сеть нейронов является лишь как бы "коммутатором" и средством дальнейшей сложной обработки сигналов, отображающих как различные состояния конфигураций этих концевых групп тубулина, так и "крупноблочную" динамику состояний мозга. Некоторым подтверждением CNS-гипотезы является мутагенез в результате воздействия, например, гамма-квантов на ДНК, функция которой в рассматриваемом отношении отчасти сходна с функцией тубулина и отличается в основном лишь иным масштабом времени.
Программа АМКЛ частично моделирует все эти ситуации. "Квантами" здесь являются каждое предыдущее состояние по отношению к каждому последующему t ("новой конфигурации тубулина"): t1, t2, t3, ... в динамике исследуемого объекта (Х, Y, t). Заметим, что даже если в численном массиве исходных данных эти состояния идентичны, то в действительности они все же отличаются: существует масса скрытых (неизвестных) изменяющихся во времени переменных, которые также определяют эти состояния. Все это выявляется при переходе на более сложный язык исследования, например, при увеличении числа датчиков, отображающих более точно динамику объекта (см. также теорему Гёделя). В точках бифуркации [11], т. е. в критических пороговых состояниях, поведение системы в динамике становится неустойчивым (это выявляется при вычислении предикатов К). Согласно используемой модели, некоторое исходное состояние t1 является одной из причин последующего состояния t2 и т. д. (наряду с воздействием изменяющихся скрытых переменных). Исследуемый объект как бы "мутирует" частично под влиянием t1, затем под влиянием t2 , t3, ... , что отображается в итоговой крупноблочной модели, когда исходный вычисленный предикат К1 заменяется К2, К3, ... , причем может быть частичное пересечение различных К (они могут включать некоторые одинаковые состояния), или возвращение к ранее вычисленным К.
4. Язык - это паразит, оккупировавший мозг. Есть ли в нас нечто, определяющее языковую способность? Речь идет о способности к алгоритму. - Для определенности назовем этого "паразита", "вируса" или алгоритм, который когда-то в далеком прошлом внедрился в мозг, вышеприведенной аббревиатурой CNS (см. п. 3). Относящиеся к позднему палеолиту превосходные рисунки углем животных на стенах пещер, а также фигурки женщин (например, с большой грудью, с двумя детьми), искусно сделанные из камня, показывают их целевое и символическое, т. е. обобщающее значение ("предикаты"). Абсолютный возраст рисунков, выполненных кроманьонцами, около 40 тыс. лет. Можно предположить, что у какого-то их отдаленного предка, являющегося, возможно, общим предком Homo neandertalensis и Homo sapiens, вероятно у женщины, которую мы условно назовем Даная, при неизвестном внешнем воздействии ("внедрение CNS") произошла генная аутосомно-доминантная мутация в ее уже оплодотворенной яйцеклетке (зиготе) или далее, в какой-либо клетке в начальной стадии эмбрионального морфогенеза. Эта доминантная мутация привела к появлению у ее ребенка и у последующих его потомков новой функции мозга - способности к генерации многих важных обобщенных символов (в том числе и языковых, слов-предикатов). Подобные символы стали удобны для широкого и длительного социального воздействия также и в последующих поколениях, их процветанию и в итоге привели к распространению человека современного типа, Homo sapiens.
Гаметные мутации при воздействии CNS и закрепление этого "внесенного извне" алгоритма в потомках менее вероятны: суть полового процесса как раз и состоит в том, чтобы путем сопоставления кодов ДНК гамет родителей частично уменьшить влияние различных помех, поломок ДНК каждого родителя на процесс образования зиготы. В этом случае измененный код структуры ДНК, вызванный воздействием CNS на гамету одного из родителей, был бы почти полностью восстановлен до исходного кодом ДНК другого родителя.
Отметим еще здесь древнегреческий миф, весьма близкий к "объяснению" появления человека современного типа Homo sapiens: Зевс, проливающийся на Данаю в виде золотого дождя*. Подобно порождение людей нового типа: Иосиф - Мария - Мария* - Христос* - Homoverus* - Homoimmortalis* -...
Алгоритм построения АМКЛ - это модель алгоритма CNS.
5. Человеческий язык устроен иерархически. - Этому высказыванию соответствуют последовательные этапы построения модели (см. начало статьи): строятся интервалы dx1, dx2, dx3, ... , которые соответствуют последовательно усложняющимся (в функциональном смысле) морфемам. Далее они соединяются логической связкой "и" (&) и образуют в итоге слова К**, далее фразы - сами модели, множества К (АМКЛ). Здесь используются связки "или" (V), "если, то" (-->) и константа "ложь" (-). Далее следует "дискурс", рассуждение - последовательный подбор подходящих интерпретаций моделей с помощью информационно-поисковой системы (или вообще при обзоре литературных данных).
6. Основным формальным отличием человеческого языка от языков других видов является продуктивность и способность к использованию рекурсивных правил. - Продуктивностисоответствует появлению в модели новых суждений К, в которых разнообразные и постоянно продуцируемые новые морфемы dx1, dx2, dx3, ... , которые также могут быть включены в АМКЛ в ином порядке, ином количестве и придающим К иной контекст (см. далее п. 7).
Рекурсивные правила. При исследованиикакого-либо объекта (субъекта) возможно углубление в его структуру различными способами. Обычно выбирают несколько наиболее интересных К с точки зрения выполнения ранее поставленной цели Z = 1 и отбирают в массиве данных лишь те состояния, в которые включены эти К. Число этих состояний должно быть достаточным (далее набираются новые массивы данных), чтобы получить модель распознавания очередного состояния с допустимой точностью. Все значения функции Y по всем состояниям, включающих лишь выделенные К, опять разбиваются по медиане на два уровня и опять вычисляется модель для новой целевой функции Z = 1. Происходит как бы детализация исходной модели за счет обострения "внимания" алгоритма к указанным исходным ситуациям К, которые теперь начинают играть роль как бы сравнительно простых "меток", сложных символов, отсылающих исследователя к более детальной модели. Другой наиболее общий вид рекурсии - это новая интерпретация исходной модели, уточнение и расширение языка исследования (см. теорему Гёделя), набор нового массива данных и построение более адекватной модели. Старая модель здесь начинает играть роль набора К сравнительно простых меток, с помощью которых можно также перейти к нужным и детализированным областям более точных знаний.
7. То, что мы делаем, зависит от контекста. - Контекст различных К моделируется путем вычисления замкнутых интервалов dx для тех переменных, которые не вошли в К. Заметим, что в К входят открытые интервалы dx, необходимые и достаточные для того, чтобы импликация "если К, то Z = 1" была истинной. Однако практически для управления объектом по модели необходимо также знание контекста - значений dx для требуемых иных переменных (например, при вычислении регламента производства).
10. Эмоциональный язык, характерный для правого полушария мозга. - Согласно семантическому соглашению (см. краткое описание алгоритма выше) это вычисление конъюнкций К*.
11. Интеллектуальный язык, характерный для левого полушария мозга. Пропозиции (предложения, теоремы). - Вычисление импликаций (предикатов) К** и далее К; все они истинны по построению как результат действия алгоритма вычисления АМКЛ.
12. Мутация, приведшая к особому переустройству мозга или естественный отбор с постепенно усложнявшимися когнитивными возможностями? - Возможно, наиболее близкий аналог мутаций в модели это К с Г=1 (или вообще, К с малыми оценками Г, "шумы"). Эти выводы неустойчивы и плохо интерпретируются. Однако в весьма редких случаях некоторые из них могут проявляться как своего рода "намеки", как "жемчужные зерна" во всем множестве этих помех (без которых все же не удается формально "объяснить" некоторые отдельные состояния объекта). Эти "намеки" позволяет в дальнейшем создавать новые плодотворные теории. Типичный пример из истории науки - это открытие формулы бензольного кольца Ф. Кекуле, который увидел в пламени камина образ "змеи, кусающей себя за хвост". Естественный отбор соответствует построению тупиковой дизъюнктивной формы, множества К, АМКЛ и/или соответствует построению новых моделей в динамике. "Переучивание".
13. Мозг имеет дело с какими-то сформулировавшимися впроцессе естественного или специализированного обучения списками правил, часть из которых, возможно, является врожденной. - "Врожденная часть" - это эмоциональный язык, характерный для правого полушария мозга: согласно семантическому соглашению (см. краткое описание алгоритма выше) это вычисление конъюнкций К*.
14. Для преодоления пропасти между миром и мозгом вводится понятие f-mind - функциональное сознание, понимаемое как способность кодировать с помощью естественного языка определенные комбинации состояний нейронной сети в релевантных (подходящих) для данной ситуации областях мозга. - Определенные комбинации состояний - это конъюнкции dx для r переменных, т.е. К*. Кодирование этих комбинаций - переход к вычислению К**.
15. Язык - "паразит", оккупировавший мозг. Мозг и язык ко-эволюционируют, но главную адаптационную работу делает язык. Признак эволюции - рост независимости от внешней среды. - См. п. 12. Независимость от внешней среды - модель выделяет лишь существенные значения некоторых переменных, необходимые и достаточные для выполнения цели Z; она независима от иных (несущественных) значений как этих же переменных, так и других, не вошедших в модель.
16. Универсальная Грамматика является главной характеристикой человека как вида, полученной в результате особой мутации.Врожденные механизмы, запускаемые в оперативной памяти.- Алгоритм построения АМКЛ.
17. Извлечение лексических единиц из долговременной ассоциативной памяти. - Выбор К из АМКЛ.
18. Перестройка всей нейронной сети. - Построение новой АМКЛ.
19. Нейробиологические объединения для формирования зрительных образов. - Построение конъюнкций К*.
20. Нейробиологические объединения для формирования когнитивных единиц. - Построение импликаций К**.
21. Когнитивная задача. - Целевая Z (после разбиения по медиане Y).
23. Оркестр самоорганизуется с учетом множества факторов и настраивается на доминанту. - Процесс построения модели, которая зависит от n переменных. Доминанта - это Y, в частности Z.
24. Реверберирующая (отраженная) волна возбуждения. - Если в процессе сопоставления целевого состояния с нецелевыми происходит "схлопывание" интервала dx, dx = 0, то этот процесс сравнений как бы возвращается назад - далее сравнения идут лишь по помеченным состояниям, там где гипотеза К* --> Y ложна.
25. Центральная нервная система как концептуальная, понимающая система. - После вычисления модели обычно происходит процесс ее интерпретации - сравнение с наборами априорных данных (или теорий).
26. Континуум между левополушарным и правополушарным полюсами. - Построение очередной К* и далее К** начинается с перехода на ближайшее очередное целевое состояние объекта.
27. Обретение мозгом способности к формированию арифметического кода как базы математики, способности к вычислению, использованию рекурсивных правил. Возникновение "гена языка". - См. п. 12. Вычисление оценок Г, необходимых в итоге для построения модели. Рекурсивные правила используются уже при построении К* для исходного целевого состояния - "схлопывание" интервала dx, увеличение на единицу ранга r и возвращение к процедуре сжатия нового, усложненного dx и вычисления интервала для очередной переменной вплоть до построения К**. Очередная рекурсия - переход к следующему целевому состоянию и т.д.
28. Языковая деятельность базируется не на имплицитных (неявных) процедурах и выверенных алгоритмах, а на эксплицитных (явных) сформулированных правилах и заявленной памяти, когда слова хранятся списками, а правила отдельно в каких-то сетях. - Алгоритм построения АМКЛ; массив исходных данных и вычисленных результатов хранятся в памяти компьютера отдельно.
29. Мутации. - Выводы К с оценкой Г = 1. Для управления выбираются в основном К с большими Г.
30. Возможно, нейроэволюция происходила раньше, чем появились высшие виды, и она была направлена на развитие мозга, сознания и языка. - Построение моделей в динамике, увеличение размерности массива входных данных (n и m) обычно приводит к усложнению и уточнению моделей, лучшему их согласованию с исследуемым объектом (процессом).
31. Нативистскую (врожденную)и модулярнуюсистемы вычислений следует рассматривать как более нисходящие системы (подкорковые), коннекционистскую(причинную) - как полностью восходящую(корковую).С другой стороны, только принципы (в терминах генеративизма - порождающие новые свойства) принадлежат к нисходящему типу вычислений, а параметры (обретаемые с опытом в данной языковой среде) - делают систему комбинированной, с сильным восходящим компонентом. Как мозг являетсяконструкцией из мягких и жёстких звеньев, так и язык включает всебя нисходящие алгоритмы, восходящие процедуры научения и невычисляемые пласты [15]. - "Нисходящий" алгоритм, вычисляющий К*. "Восходящий" алгоритм вычисляющий К** и К. Параметры алгоритма - это прежде всего нецелевые значения переменных, к которым стремятся целевые значения в сжимающемся открытом многомерном интервале dx (слева и справа) при окончании вычислений К** и К. Другой параметр - это оценки Г для К**. Невычисляемые пласты: при слишком малом числе зарегистрированных состояний объекта, обычно для m < 2n, выделение единственных переменных при сжатии dx становится затруднительным; модель становится неопределенной.
32. Может ли компьютер породить смешное, т.е. неожиданное? Скорее нет, чем да, но если и да, то что-то простое и потому не очень смешное или - перебором маловероятных вариантов - недекодируемое. Ведь всё дело в дозе и в контексте. Законы смешного те же, что и законы поэзии - неожиданный ракурс, аналогия, необычная точка отсчёта [16]. - Наиболее близки к "неожиданному" ошибочные гипотезы К* (согласно семантической договоренности, принадлежащие подсознанию), причем именно те из них, построение которых непосредственно предшествует моменту итогового вычисления соответствующих К**. Рассмотрим какой-либо вывод К** некоторого индивида, как бы "психического садиста", которого обозначим как t*. В случае сложных объектов эта импликация К** имеет сравнительно большой ранг r. Небольшое его уменьшение в предшествующей (для К**) гипотезе К* обычно незаметно, например, для некоторого "иного" индивида t**, которого t* желает осмеять, унизить, выдавая подходящую К* за истину и умалчивая ключевую роль в ней последней r переменной и различие в контекстах родственных К* и К**. Следует заметить, что в этом случае наблюдается как быначало психического заболевания t*. После передачи "вируса лжи" К* в остальном (о К**) проявляетсяизбирательный мутизмt*по отношению кt** на фоне некоторогосвоего (t*) гипоманиакального состояния: t* шутит, смеется, заражая весельем своих близких (к t*).Использование индивидом t** ложной гипотезы К*, например, для распознавания неизвестного значения Z обычно приводит t**к ошибке;цель t*- унижение ("уничтожение")t** -достигнута.
33. Общее понимание юмора, и тем более иронии и сарказма - маркер "стаи", т.к. показывает общность образования, взгляда на жизнь, основных установок. - Здесь отметим лишь важность всего этого в создании и поддержании особого политического климата в области совершенно дикого, своего национализманекоторых малых народностей, что тщательно скрывается средствами массовой информации П.III. Маркер "своего" стада свиней (см. также [17 и 19]). У русского народа - в смысле агрессивного национализма - такого маркера нет. Есть лишь один общий признак нашей души: во всем надежда лишь на Бога или, согласно Пушкину, - "во всем надежда на авось..."; "случай - Бог-Изобретатель".
34. Можно определить цельный текст как текст, который при переходе от одной последовательной ступени компрессии к другой, более глубокой, каждый раз сохраняет смысловое тождество, лишаясь лишь маргинальных элементов [18]. - Сжатие многомерных интервалов dx при построении К*.
35. Важнейшую роль в организации текста начинают играть, прежде всего, минимальные актуальные предикативные структуры как минимальные линеаризованные единицы структуры текста. - К* строятся последовательно: множество целевых значений предикативной структуры dx (различные значения какой-либо определенной переменной) по ходу сопоставления со своей нецелевой окрестностью постепенно сокращается вплоть до "схлопывания" соответствующего интервала в dx. Далее ранг К* увеличивается, гипотеза К* усложняется и продолжается сокращение множества значений очередного интервала из dx (подробнее см. [20, п. 11]).
В качестве заключения отметим, что основные, существенные понятия когнитивной психологии и нейролингвистики весьма эффективно отображаются алгоритмом построения АМКЛ.
Литература
1. Щеглов В. Н. Творческое сознание: интуиционизм, алгоритмы и модели. - Тула: "Гриф и К", 2004. - 201 с. (см. http://publ.lib.ru).
2. Щеглов В. Н. Творческое сознание: интерпретация алгоритма построения алгебраических моделей конструктивной (интуиционистской) логики, 2007. - 12 с. (см. http://publ.lib.ru).
3. Драгалин А. Г. Математический интуиционизм. - М.: "Наука", 1979. - 256 с.
4. Щеглов В. Н. Нагорная проповедь: сопоставление с алгоритмом построения алгебраических моделей интуиционистской логики, 2008. - 9 с. (см Интернет).
5. Шанин Н. А. Об иерархии способов понимания суждений в конструктивной математике// Труды математического института имени В. А. Стеклова, CXXIX // Проблемы конструктивного направления в математике, 6. - Л.: "Наука", 1973. - С. 203 - 266.
6. Антосик П., Микусинский Я., Сикорский Р. Теория обобщенных функций. - М.: Мир, 1976. - 312 с.
7. Черниговская Т. Язык и сознание: что делает нас людьми? http://www.POLIT.ru/lectures/2008/12/24/langmind.html/
8. Щеглов В. Н. Теория смыслов Налимова как одна из интерпретаций алгебраических моделей интуиционистской логики. 2008. - 5 с. (см. Интернет).
9. Щеглов В. Н. Алгебраические модели конструктивной (интуитивистской) логики и теория смыслов В.В. Налимова. 2006. - 13 с. (см. Интернет).
10. Щеглов В. Н. Искусственный интеллект и когнитивная герменевтика как теория понимания смыслов. 2007. - 3 с. (см. Интернет).
11. Щеглов В. Н. Основные понятия синергетики: сопоставление с построением алгебраических моделей интуиционистской логики. 2008. - 8 с. (см. Интернет).
12. Щеглов В. Н. Психология сознания: возможности создания алгоритмической модели. 2007. - 4 с. (см. Интернет).
13.Черниговская Т.В. Мозг и язык: полтора века исследований. Сб.: "Теоретические проблемы языкознания". - СПб., 2004. - с. 16 - 34.
14. Щеглов В.Н. Т. Черниговская и когнитивная лингвистика: интуиционистская интерпретация основных выводов. 2009. - 4 с. (см. http://publ.lib.ru).
15. Черниговская Т.В. Nature vs. Nurture в усвоении языка. ~ 2009. - 12 с.
http://www.neurosciencerus.org/NeuroPublicationRu.html или
16. Черниговская Т. Маленький мальчик нашёл "Першинг-2" ... ~ 2006. - 13 с. (адрес см. в 15).
17. Щеглов В.Н. "Международное тайное правительство": возможности построения алгоритмической модели". 2010. - 6 с. (см. Интернет).
18. Сахарный Л.В. Человек и текст: две грамматики текста. 1994. - 27 с. www.lozovska.narod.ru
19. Щеглов В.Н. Еврейство и современная "демократия": возможности построения алгоритмической модели. 2009. - 6 с. (см. Интернет).
20. Щеглов В.Н. "Теория катастроф": интерпретация основных понятий с помощью алгоритма построения АМКЛ. 2011. - 5 с. (см. Интернет).
См. публикации автора в Интернете: http://lib.ru ("Самиздат", "Щ"), http://publ.lib.ru (здесь также статьи с формулами), http://shcheglov.livejournal.com/ (ссылки на новые статьи). Мой фотоальбом1: http://4put.ru/pics/u_135/, мои фотоальбомы 2, 3, 4: http://shcheglov.gallery.ru. Фотоальбом5: http://photo.qip.ru/users/shcheg32/151006983/ Эл. почта: [email protected], тел. 8 905 119 70 97.