Введение в "полноспектровое" мышление
Я тут 26-го числа собираюсь (снова, иначе) презентовать курс ментального фитнеса к системному мышлению, и вот что в нем будет (примеры решила выкинуть, потому что и так длинный текст):
Мир есть совокупность фактов, а не объектов (С) Л. Витгенштейн
Терминология и построение онтологий
Обычно мы разговариваем как попало и во многих ситуациях, особенно в сложных, мы бы не поняли, что говорит человек, если бы у нас не было некоторого ожидания того, что он может хотеть сказать.
Кроме того, людям редко свойственна терминологическая точность и совсем редко - навык сознательного построения онтологий (на самом деле имеются в виду, конечно, онтологические описания).
Но так или иначе мы все же строим онтологии, кривые, косые. То есть это значит, что у нас есть схема, в которую потом можно как-то запихивать содержание. Для этого нужно иметь "категорию" для явления, с которым мы сталкиваемся, иначе содержание никуда не влезает и мы его просто игнорируем.
Так что очень частая задача - это задача перевода с языка, в котором онтология не эксплицирована, на язык, в котором она есть в явном виде и как-то помогает.
Как правило, для этого нужно моделировать, а не делать двойник мира, то есть некоторым образом выделять существенное и отбрасывать несущественное. Именно поэтому онтологии для одного и того же куска мира бывают разные.
Как именно мы концептуализируем: объекты, классы объектов, классы классов.
Точность моделей как их полезность для предксазаний
Как мы понимаем, что нам удалось сделать хорошую модель? Мы с ее помощью прогнозируем будущие события. Если удается, значит достаточно хорошо.
Чтобы делать полезные модели, нужно, чтобы элементы моделей указывали на те 4D или абстрактные объекты, поведение которых нам нужно предсказывать. Иначе мы ошибемся с уровнем и модель будет бесполезной.
А еще нужно, чтобы мы хорошо понимали, по каким правилам определять, что какой-то элемент модели указывает на что-либо.
Дело осложняется еще и тем, что мы взаимодействуем не столько с моделью, сколько с описанием модели, потому что описание неинтерактивно и мы никак по нему не можем проверить соответствие.
Семантика, синтактика и прагматика
Семантика это о том, как связаны знак и значение, о том, как построить точную модель, онтологию, которая будет помогать нам воспринять всю реальность
Синтактика это о том, как связаны между собой знаки, как построить онтологию без существенных внутренних несоответствий, которую еще можно будет потом развивать и понимать интерсубъективно.
Прагматика - о том, как связаны знаки и люди, о том, как человек тебя понимает и что он делает, когда говоришь ему такие или другие слова.
Знак значение и смысл
У нас обычно есть знак и его референт, то есть та вещь в реальном мире, к которой он отсылает или абстрактное понятие. Когда знак вроде бы должен отсылать к 4D объекту, но почему-то не отсылает, то мы говорим о несуществующем объекте.
Но между знаком и его значением есть еще и его смысл, то есть то, как он это означает. Этот смысл не потрогать, но он важный, потому что дает нам подсказку о том, какие модели в голове у человека, какая у него онтология.
Спорить о том, чей смысл правильный, если значение одинаковое - бесполезно, это спор о терминах.
Значение - 4D или абстрактный объект, а смысл - это обычно фраза, которая его описывает или отсылает к нему или говорит, как его найти.
Формулирование любых убеждений как предсказаний
Чтобы избежать проблемы со спором о терминах в предельном варианте, можно формулировать любые свои убеждения о мире как предсказания.
Вероятностная природа убеждений
А когда сформулировал предсказание, то уже хочешь не хочешь, а придется присвоить ему некоторую вероятность, потому что когда модель хоть сколько-нибудь сложная, приходится уже понимать, какие числа влияют на какие другие и как именно.
Свойство истинности для высказываний и свойство точности для моделей
Так вот, хотя мы привыкли говорить об истинности (0,1) для высказываний, и более-менее привыкли говорить о точности моделей. Теперь у нас есть инструментарий, чтобы говорить, что высказывание истинно от 0 до 1 и модель точна от 0 до 1. Из более-менее истинных высказываний собираются более-менее точные модели и из более-менее точных моделей можно порождать новые более-менее истинные высказывания.
Разница между формальными выводами, чуйкой и байесианством
Есть условно-истинные высказывания и такие способы рассуждений, которые позволяют получать из них тоже условно-истинные высказывания. Это правая часть спектра.
Есть неожиданные высказывания, которые появляются не из рассуждения, сделанного по правилам, а "просто" из совокупности прошлых высказываний. Это левая часть спектра.
Где-то посередине есть байесовские рассуждения, где мы учитываем не только условно-истинные высказывания и строгие рассуждения, но и высказывания с любой вероятностью и рассуждения разной степени точности с разным весом. Это дает нам возможность задействовать наши знания о мире более полно. Это некоторый компромисс между строгим рассуждением по правилам и полностью интуитивным выводом. Так что мы можем отобразить на байесовский язык остальные части спектра.
Перенос знания из одного домена в другой
Итак, по умолчанию, мы можем строить модели и не вполне даже осознавать это. Чуть лучше, если мы можем строить модель и эксплицировать ее. И совсем хорошо, если мы можем эксплицировать и модель и способ построения модели, тогда у нас есть шансы перенести сам этот способ на другие домены и быть успешными в том числе там.
Практики (*)
Как понять, в каких ситуациях какую часть спектра мышления использовать?
Как развить навык собирать из мира (чаще всего речи или текста) поток данных так, чтобы они укладывались в схему?
UPD: Схема полного спектра например тут: https://ailev.livejournal.com/1390318.html
UPD2: Про творчество и прочий синтез: я считаю, что для продуктивного творчества сначала нужно освоить необходимый минимум, перечисленный выше. Потом можно подумать в сторону того, чтобы на волне какого-то особенного крутого или необычного переноса знания из одного домена в другой сделать что-то действительно новое.