Гостевая книга  ||  Метафорум   ||  Написать автору  ||   Die Metapher und Das Gestalt

Искусство метафоры

Искусство метафоры  |  Содержание   ||  Авторская  |  Чтения  |  Мнения  |  Разное  |  Ссылки  ||  Хвост ящерки

 

Мнения о метафоре:

Философов
Лингвистов
Когнитивистов
Вычислителей
Свободных художников

Когнитивисты
о метафоре:

ортони
торонго, штернберг
гентнер, форбус
холиок, тагард
хофштадтер, френч
хаммель, холиок
факонье, тернер

Хофштадтер и Френч: Tabletop -
микро-область для изучения сходства.

Разрабатывая то же микро-областное направление, что и модель Copycat (копировщик архитектуры) Хофштадтера и Митчелла (1988), модель Tabletop (предметы на столе) Хофштадтера и Френча (1995) представляет собой не-детерминистское исследование роли сходства и аналогии в восприятиях высокого уровня. Tabletop – это среда для ознакомления с прагматически изменяющейся природой суждений о сходстве объектов. Речь идет о суждениях, которые делаются, когда ученик старается повторить по аналогии действия учителя в пределах определенных контекстуальных ограничений. (см. рис.1)

Рис.1 “Генри” указывает на кофейную чашку, принадлежащую микро-области поверхности стола. После этого “Эльза” должна указать на соответствующий ей по аналогии другой участок стола.

Модель Tabletop описывает тут создание   “перцептуальной аналогии под действием контекстуальных ограничений”, действующей в микро-области поверхности кофейного столика, на котором разложены столовые принадлежности. За одним краем стола сидит учитель, он прикасается к одному из предметов. За другим концом стола сидит ученик (Хофштадтер и Френч называют учителя Генри, а ученика – Элизой, они используют метафору из “Пигмалиона”), который пытается отвечать на действия учителя на основе своей собственной перспективы. Эта ситуация изображена на рис. 1. Элиза выбирает тот предмет, который ей кажется наилучшей аналогией выбору Генри на основе набора перцептуальных гештальтов, оформленных  различными прагматическими “группирующими силами”.

Например, если Генри прикасается к своей чашке, как в случае на рис. 1, Элиза может ответить, прикоснувшись к свой собственной кофейной чашке. Однако эта довольно буквальная реакция игнорирует и геометрическое местоположение выбора Генри (ее предмет справа, а его – в середине) и группирование объектов в системы более высокого уровня, в которых участвует чашка Генри (нож справа, стакан далеко справа, кофейник слева). Элиза, таким образом, могла бы счесть, что ее тарелка или кусок шоколадного пирога лучше отражает геометрию или участие в группах и, соответственно, ответить прикосновением к другому предмету.

Восприятие сходства между отдельными объектами играет важную роль в реакции Элизы, и поскольку все предметы равнозначны, она предпочитает прикоснуться к объекту, демонстрирующему буквальное сходство. То есть, объекты на столе могут быть сгруппированы и на основе геометрических гештальтов и на основе гештальтов индивидуальных качеств  . Например, ножи и вилки показывают больше естественного сходства, чем ножи и стаканы, так что вилка – лучший аналог для ножа, чем стакан. Хофштадтер и Френч моделируют эти системы родства объектов понятием сети сжатия (slip-net) – это семантическая сеть, в которой концепты связаны на основе сходства. Чем больше дистанция между двумя объектами в этой сети, тем большее должно быть проведено контекстуальное сжатие, чтобы привести их в соответствие.

С точки зрения вычислительной модели Sapper, связи концептуальной сети сжатия являются точным подобием ее мостиков низкого уровня, которые автоматически закладываются в память машины правилами триангуляции и квадрирования. Такие мостики, точно так же, как связи в сети сжатия, содержат записи о сходствах между концептами, отражая способность одного концепта заменить другой. Аналогично тому, как для получения большей степени концептуального сжатия в модели Tabletop может быть задействована целая последовательность связей в сети сжатия, в модели Sapper более высокая степень сжатия может быть достигнута последовательной активацией большего числа соединительных мостиков.

Хофштадтер и Френч моделируют концептуальное сжатие не-детерминистским, стохастическим манером, воплощая каждую группирующую силу отдельным вычислительным механизмом, который именуетсякоделет (codelet, это понятие очень похоже на то, что используется другими моделями текучей аналогии, например, Copycat). Каждый коделет представляет один потенциальный вариант или действие, и каждому приписывается особый числовой ранг обязательности, описывающий степень внимания, которую он заслуживает. Модель Tabletop перемещает свое внимание среди множества различных коделетов, которые соревнуются в уровнях своей значимости для системы. Поскольку механизм движения внимания в этой модели основан на вероятностной обработке уровней обязательности, каждый новый запуск этой системы может приводить к различным результатам, хотя в среднем самые подходящие результаты будут получаться чаще всего.

С точки зрения текущего состояния дел, пожалуй, наиболее интересный аспект модели Tabletop – это то, что любой столовый предмет может получить центральное значение для области. Несмотря на то, что структура концептуальной области важна, она не получает априори того главенствующего статуса, который ей придается в таких моделях, как SME. Вместо этого понимание структуры динамически колеблется между комбинацией различных суждений, относящихся к самому объекту, сходством объектов и относительным их положением. Если придерживаться иерархического подхода, то среди многих потенциальных гештальтов, образованных предметами на столе, лишь некоторые будут признаны достойными внимания. Поэтому как таковая, организация стола лучше всего представляется именно в виде семантической сети, поскольку иерархическая структура в таких репрезентациях в явном виде отсутствует. Всякий раз, когда Генри выбирает новый объект, может применяться одна и та же сеть, хотя она будет закреплена новым концептуальным якорем, выделяя новый набор потенциальных тропинок. Сравнительно с явно иерархически организованными (по принципу лес из деревьев) репрезентациями моделей SME и ACME, семантическая сеть предлагает, таким образом, наиболее гибкую для каждой данной сферы репрезентацию с наименьшим количеством изначальных пресуппозиций.

наверх