Познание может быть исследованием/self-supervised learning.
В исследованиях речь идёт о выявлении в мире удобных для осуществления целей какой-то деятельности объяснений, которые используют новые объекты внимания (новые понятия), когда они ещё никому не известны, и их нельзя получить каким-нибудь хитрым импортом знаний от других вычислителей, т.е. в ходе коммуникации с другими интеллектами, уже получившими эти знания в ходе своих исследований.
Интеллект тем самым — вычислитель в том числе для исследований как вида познания, инструмент познания/learning-как-в-deep-learning. У СМД-методологов вычисления исследования соответствуют «чистому мышлению».
Интеллект тем самым занимается исследованиями как поиском наиболее компактного набора объяснений каких-то явлений, важных для достижения целей какой-то практики. Объяснения=теории/модели. Новые теории получаются буквально «из шума» (случайных предположений о действительности, порождаемых воображением, источником которого является случайные процессы в физичном вычислителе), оформляются как догадки/guesses/гипотезы, выбор сильнейшей гипотезы определяется экспериментом в конечном итоге (иногда по цепочке наук) в физическом мире (не мысленным!). Эксперимент идёт по физическим законам нашего мира/мультиверса, в этом его ценность. Это подробно обсуждается в уже упоминавшихся книгах Дэвида Дойча.
Предметом естественных наук являются объяснения поведения физических/материальных объектов в их взаимодействии на разных системных уровнях (уровнях крупности, уровнях частей-целых в материальном мире, мире физических тел и полей). Фильтрация плохих объяснений (опровержение гипотез, но не доказательство их верности!) в конечном итоге идёт проведением физического эксперимента (теория, которая плохо предсказывает результаты эксперимента, уменьшает свой вес в SoTA набора теорий данной науки). Объяснения включают в себя возможность предсказаний (предсказания не главное, если у вас хорошее объяснение — вы предскажете, а если есть предсказание без объяснения, то будут проблемы). Разные объяснения даются на разных системных уровнях и несводимы друг ко другу (эта несводимость называется эмерджентностью: на каждом системном уровне от взаимодействия частей появляются новые объекты внимания и их новые свойства, и описание делается в других понятиях). Химия, биология вполне себе такие науки более высоких системных уровней по сравнению с физикой элементарных частиц или даже атомов. Базисная наука — физика, и в ней есть много интересных начинаний (типа той же строительной/constructor theory[1] от Дойча, эта теория ищет универсальность в законах физики, как в информатике/computer science ищут универсальности в вычислениях/доказательствах.
Информатика/computer science — естественная/физическая наука о вычислениях/доказательствах, как физических процессах, идущих в вычислителях (мозгах, компьютерах разной природы и даже эволюции в целом). Тем самым информатика — это в том числе и наука о мышлении! Мышление — это ведь и есть вычисление интеллекта, специализированного вычислителя, занимающегося познанием, и вычислительный аспект мышления изучается в том числе информатикой! Конечно, мышлением занимаются и разные другие науки, но абсолютно неслучайно область машинного/компьютерного/искусственного интеллекта оказалась по факту разделом информатики.
Вычислители нужны для моделирования (представления виртуальной/вычисляемой реальности) абстрактных сущностей (чисел, уравнений). Информатика тем самым сводится к теории доказательств: что является корректным вычислением/доказательством/рассуждением/выводом, а что не является. Ложные доказательства/вычисления в информатике устраняются в конечном итоге в результате идущего в физическом мире эксперимента: совпадают ли результаты вычисления с предсказываемыми теориями информатики. Ложные теории вычислений исключаются. Тем самым в информатику попадает и солидный кусок семантики как науки о языке и представлении мира в языке, так и логики как науки о правильных рассуждениях/вычислениях/inference. В информатике как computer science это иногда называют Theory B[2].
А ещё в информатику/computer science попадают и способы эффективного по использованным ресурсам вычислителя какой-то известной физической природы проведения рассуждений/вычислений, занимающаяся поиском простых и эффективных алгоритмов алгоритмика (в computer science это Theory A).
Математика — искусственная/абстрактная наука (то есть разница в теориях определяется разницей в результатах доказательств, а не разницей в их соответствии реальному физическому миру) об объяснениях абстрактных/трансцедентных сущностей. Доказательства (вычисления в физическом мире, соответствующие лучшему известному в информатике — неважно, в мозгах, классических или квантовых компьютерах) используются для исключения ложных объяснений и обнаружения абстрактных/математических истин, требующих объяснения. Доказательства выходят из информатики, а в математике только используются! Поэтому за «основаниями математики» нужно идти в информатику, а из информатики идти в физику.
А что происходит, если всего этого не принимать во внимание? Сумма углов треугольника в евклидовой геометрии равна 180° (виртуальная реальность, нефизические/абстрактные объекты, это математика). Если выполнять какой-то проект в физическом мире, то он вполне может провалиться: вблизи массы Земли сумма углов треугольника больше 180° настолько, что не будет работать GPS, автомобильные навигаторы даже на чистой математике не построишь, нужна коррекция — смена математической модели с евклидовой геометрии на другую, которая лучше объясняет реальный физический мир. К вычислителям (мозгу, квантовому компьютеру) всё это относится в полной мере, и это подробно рассказывается в книгах Дэвида Дойча. Сами эти объяснения/дисциплина/теория о научном познании — это эпистемология. По факту я чуть другими словами говорю, что теория мышления как объяснение познающего/исследующего интеллекта/вычислителя — это эпистемология. Конечно, могут быть и другие теории/объяснения, моделирующие другие аспекты интеллекта и мышления (например, computer science изучает не то, насколько хорошо вычислитель занимается бесконечным познанием, а насколько надёжно он вычисляет, в этом плане computer science тоже занимается интеллектом и мышлением, но на более низком системном уровне, чем эпистемология).Познание может происходить в виде обучения/обучения_с_учителем/supervised_learning.
При познании-обучении в отличие от познания-исследования речь идёт об импорте одним интеллектом результатов работ других интеллектов.
У СМД-методологов этому соответствует коммуникация, и эту коммуникацию (а мы называем это обучением) нельзя убрать из мышления (наше общее «мышление» и для исследований, и для коммуникации, и для прикладных рассуждений методологи называют «мыследеятельность»).
David Deutsch сделал замечание, что с точки зрения познающего индивида (конечно, не всего индивида в целом, а его познающего интеллекта как познающего универсального вычислителя) его обучение проходит не путём его «внешнего программирования», а путём выдвижения самим этим интеллектом собственных гипотез/догадок и уточнения имеющихся у него собственных объяснений по мере получения от других интеллектов в коммуникации с ними информации о понятиях и их связях, а также указания на примеры проявления получаемых описаний в реальном мире. Эта коммуникация может быть а хоть и через книги, а хоть и в упражнениях на тренажёрах, необязательно с живым учителем, и даже может быть коммуникация с самим собой (внутренний диалог, а то и диалог, опосредованный записями — мыслим мы не с пустыми руками обычно, а раньше с карандашом и бумагой, а сегодня с клавиатурой, мышкой и экраном).
То есть в познании обучение имеет акцент вычислений интеллекта в ходе коммуникации с уже что-то познавшим интеллектом и с окружающей средой, а исследование — когда никакого познавшего интеллекта нет, поэтому общаемся только с окружающей средой. В познании, реализуемом интеллектом, существуют самые разные варианты сочетания исследования и обучения: алгоритмы интеллекта в разных ситуациях могут быть очень разными (взять хотя бы life long learning, pretrain-finetune для языковых моделей и т.д.).
- [1] http://constructortheory.org
- [2] https://cstheory.stackexchange.com/questions/1521/origins-and-applications-of-theory-a-vs-theory-b
Источник: книга А. Левенчука «Образование для образованных 2021».