EzoBox.ruБиблиотека эзотерики

Последний, «контрольный» этап в стратегиях как прикладного, так и продвинутого моделирования напоминает то, что в технологии нервных сетей называется «обратным распространением». Нервные сети представляют собой компьютерные структуры, построенные по принципу мозговой деятельности. Они используются для распознавания сложных паттернов и, как правило, включают в себя ряд взаимосвязанных элементов, служащих для создания своего рода «модели» того или иного паттерна или явления. Модель представляет собой функцию «весов», или сил, связей между элементами сети. Эта внутренняя «модель» определяет результативность сети.

Ценность нервных сетей заключается в том, что они способны научиться распознавать паттерны «эвристически», как функцию повторяющегося опыта. Модель (или паттерн «весов») регулируется согласно определенному правилу обучения каждый раз, когда в сеть поступают определенные данные. Таким образом, сеть все лучше и лучше распознает эти конкретные данные и реагирует на них. Точно так же ребенок учится узнавать определенное лицо или слово. Подобные типы компьютерных сетей обычно используются в аудиосистемах «распознавания голоса» и оптических системах «распознавания символов».

Обычной стратегией обучения для таких сетей является «обратное распространение». Предположим, компьютер обучают распознаванию букв алфавита, чтобы он смог читать напечатанные документы и переводить их в соответствующие электронные текстовые символы (рис. 34). Для того чтобы научиться распознавать, скажем, букву 5, следует ввести образ этой буквы в сеть.

Этот образ кодируется в компьютерной сети как паттерн реакций (основанных на текущем «весе» их взаимосвязей). В результате действия этого паттерна сеть выдает результат, например символ «§». Результат компьютера сравнивается с ожидаемым результатом (т. е. с буквой 5). Если между двумя результатами - ожидаемым 5 и полученным «§» - возникает расхождение, то взаимосвязи между элементами сети регулируются заново. Затем образ буквы вновь вводится в систему, и результат проверяется тем же путем. После некоторого количества повторных проб компьютерный результат начинает все больше и больше напоминать желаемый (т. е. после ввода образаSкомпьютер выводит текстовый символ 5). Другими словами, компьютер создает полезную «модель»: механизм, позволяющий достичь желаемого результата при вводе определенных данных.

Подобная стратегия используется в НЛП для совершенствования той или иной модели, созданной с помощью разнообразных методов и стратегий (описанных выше). Человек представляет собой сложную «нервную сеть», которая способна обрабатывать различные свойства и особенности (т. е. репрезентативные системы, субмодальности, паттерны метапрограммы, микроповеденческие ключи, языковые паттерны и т. д.). Сосредоточение «внимания» на определенной особенности подобна процессу наделения «весом» того или иного элемента компьютерной нервной сети. Например, если сказать человеку «подними глаза вверх и влево», в то время как он пытается научиться правильно писать какое-то слово, то тем самым мы придадим больше «веса» положению глаз как элементу грамотного письма.