Третья трудность — отсутствие четкости в обобщениях моделей. Это только в схеме существует иерархия обобщенности: крупные блоки, детали и пр. В действительных моделях процесс обобщения нестрого формализован и уровни обобщенности не существуют как нечто стабильное. По крайней мере, так обстоит дело в естественном сетевом интеллекте, каким является кора мозга. Правда, при создании ИИ можно задать дискретные уровни обобщения, и они помогут при переборе вариантов, но полностью не разрешат проблемы оптимума.
Переход от обобщенной модели к более детальной осуществляется по связям, которыми сформирована короткая «фраза»: обобщенная модель —> частная модель. Следовательно, в памяти алгоритмического интеллекта нужно иметь множество «словарей», фиксирующих обобщения. По ним будет осуществляться перебор-поиск частных моделей по обобщенной. В сетевом интеллекте коры мозга обобщенная модель представляется просто неясной частной моделью и связанной с ней моделью-«буквой», обозначающей действие обобщения, то есть последовательного сравнения ряда частных моделей по некоторому признаку. Пример — образ «четвероногое». Здесь обобщение произведено по признаку «четвероногость» на серии конкретных моделей четвероногих животных. Модель «четвероногое», как таковая, существует только в виде слова речи. Слово соединено связями различной проходимости с конкретными моделями — образами четвероногих животных. Такие модели имеют неодинаковую активность. Поэтому при перечислении животных с четырьмя ногами первыми вспоминаются наиболее знакомые, а затем — другие в порядке убывания проходимости связей и активности частных моделей, зависящих от частоты их использования.
Как говорилось, СУТ в сетевом интеллекте тормозит модели. Поэтому вспоминание частной модели по обобщенной, как действие перебора, иногда происходит не сразу: модели-адресаты могут оказаться сильно заторможенными, и вспомнить их не удается до тех пор, пока они не освободятся от тормозящего действия СУТ. Всем знакома эта особенность вспоминания: знаешь, что в памяти был образ или слово, иначе говоря, к нему есть линии связей, а вспомнить не можешь. Проходит время, и нужное слово всплывает в сознании само собой.
Организация памяти в алгоритмическом интеллекте — самая трудная проблема. Признаков-параметров, по которым можно обобщать модели, великое множество. Пример — те же «четвероногие». Значит, нужно много «словарей». Кроме того, внутри «словаря» необходим порядок значимости моделей, отражающий частоту их использования. Этот порядок должен периодически пересматриваться в зависимости от повторного привлечения модели в сознание. Конечно, переборы во внешней памяти компьютера — дело трудоемкое и требующее машинного времени, но положение не безнадежно, поскольку пересмотр массивов памяти возможен в интервалах между основными действиями.
Простое перечисление трудностей перебора показывает, что успешное творчество тем менее вероятно, чем выше степень обобщенности задач и чем больше количество моделей, описывающих цель. Гениальные изобретения или смелые гипотезы отличаются тем, что их творец использует модели, очень далеко отстоящие от проторенных путей поиска, такие, которые не приходят в голову при простом переборе по порядку используемости или значимости.
Все слыхали об «озарениях», когда решение трудной задачи приходит неожиданно, иногда в самое неподходящее время. В чем тут дело.
Исходя из принципов действия сетевого интеллекта, такие явления можно представить себе как поиск в подсознании. Не случайно гении много думают о задаче. Это значит, что исходные обобщенные модели, которые всегда направляют поиск, у них очень активны, натренированы частым привлечением в сознание. Даже будучи приторможены со стороны СУТ, они передают активность по связям на все модели, имеющие отношение к проблеме. Вследствие этого активность вторичных моделей, связанных с главными, тоже возрастает. В подсознании все время светится «фраза» задания. Если в результате колебаний активности моделей при очень большом количестве связей «вдруг» всплывает новая модель, то она немедленно замыкается на «фразу» задания и привлекает СУТ. Это и есть знаменитая «Эврика!».
Таким образом, с одной стороны, благодаря работе СУТ активируется весь комплекс моделей, связанных с задачей, причем не обязательно, чтобы все они привлекались в сознание, а с другой — в подсознании происходит «игра активности» как процесс, в значительной мере случайный. Наслоение обоих факторов может с некоторой вероятностью дать нужный результат. При условии, конечно, что есть еще и знание, иными словами, наличие в памяти многих моделей. Вероятность удачной находки — с учетом случайности — невелика, но ведь и «озарения» случаются крайне редко. Как правило, нормальное творчество идет все-таки методом сознательного перебора — от обобщенных моделей к частным. Проверка вариантов по многочисленным критериям производится человеком при помощи его «внешней» памяти — собственных описаний, схем и расчетов, зафиксированных на бумаге. Эти модели потом повторно воспринимаются через сознание наравне с чужими моделями и в свою очередь дают новый толчок активности всем моделям, имеющим отношение к проблеме.