Нецифровая вычислительная программа как теория

Электронная цифровая вычислительная машина представляет со­бой устройство для очень быстрого сложения, вычитания, умножения и деления. Но вычислительная машина не просто устройство, оперирующее цифрами, она является и устройством, оперирующим символами. Симво­лы, которыми она оперирует, могут представлять числа, буквы, слова или даже нецифровые, несловесные образы. Вычислительная машина имеет поистине общие способности чтения символов или образов, хранения символа в памяти, сравнения символов для опознания их, обнаружения особых различий между их образами и возможности действовать тем способом, который обусловлен результатами этих процессов.

Теперь вернемся к нашему испытуемому. Его поведение, которое мы хотим объяснить, состоит из последовательности символических выраже­ний. Это положение не зависит от методики «мышления вслух», исполь­зованной в экспериментах. Оно было бы также справедливо и в том слу­чае, если бы испытуемый давал ответы на задачу письменно или нажати­ем кнопок. Во всех случаях его поведение может быть интерпретировано как последовательность символов — в последнем приведенном случае — последовательность «Л» и «П», где «Л» используется для «левой кноп­ки», а «П» — для «правой кнопки».

Мы можем постулировать, что процессы, протекающие внутри ис­пытуемого, — в органах чувств, нервной ткани и мышечных движениях,

Рис. 1. Уровни информационных процесс в теории мышления человека

Ньюэлл Л., Шоу Дж.С, Саймон Г.А., Моделирование мышления... 657

управляемых нервными сигналами, также являются процессами опериро­вания символами, т.е. образы, различным способом закодированные, мо­гут быть уловлены, зафиксированы, переданы, сохранены, скопированы и т.д. с помощью механизмов этой системы.

Мы не будем защищать этот постулат подробнее, его подлинная за­щита — в его возможности объяснить поведение. Вместо этого мы исполь­зуем тактику, весьма успешную в других науках, допускающую объясне­ния на нескольких различных уровнях. Так же, как мы объясняем то, что происходит в испытываемой трубке путем химических уравнений, и потом объясняем химические уравнения с помощью механизмов квантовой фи­зики, так мы попытаемся объяснить то, что происходит в процессе мышле­ния и решения задачи с помощью организации процессов оперирования с символами, поставив задачу объяснения этих процессов в нейрофизиологи­ческих терминах.

Подход к построению теории сложного поведения изображен на рис.1. Мы имеем дело с верхней половиной схемы — со сведением выс­шего поведения к информационным процессам. Если это сведение мо­жет быть осуществлено, тогда вторая часть теории будет нуждаться в объяснении информационных процессов на основе нейрологических ме­ханизмов. Мы надеемся, что прорыть туннель сквозь горы нашего незна­ния с двух сторон будет легче, чем пытаться преодолеть все расстояние только с одной стороны.

Мы постулируем, что поведение испытуемого подчиняется програм­ме, включающей группу элементарных информационных процессов. Мы кодируем группу подпрограмм для цифровой вычислительной машины, каждая из которых осуществляет процесс, соответствующий одному из этих постулированных информационных процессов. Затем мы записыва­ем программу, составленную из этих подпрограмм, которая заставит вы­числительную машину действовать тем же способом, каким действует испытуемый; производить, по существу, тот же поток символов, когда обоим дается одна и та же проблема. Если мы достигнем успеха в со­здании программы, которая имитирует поведение испытуемого достаточ­но точно в значительном ряде ситуаций решения задачи, тогда мы смо­жем рассматривать программу как теорию поведения. Как высоко мы оценим теорию, зависит, как и в случае всех теорий, от ее всеобщности и ее экономичности, от того, насколько широк род явлений, объясняемых ею, и от того, насколько экономично выражение ее.

Можно увидеть, что такой подход не предполагает, что «оснащение» вычислительных машин и мозга подобно, за исключением предположения, что и вычислительная машина, и мозг — общецелевые устройства, опериру­ющие символами, и что вычислительная машина может быть запрограмми­рована для выполнения элементарных информационных процессов, кото­рые функционально подобны тем, которые осуществляются мозгом.

42 Зак. 2228

Тема 16. Основные теоретические подходы к изучению познания

Общий решатель проблем

Наша попытка объяснить процесс решения задач принимает форму программы вычислительной машины, которую мы называем Общий ре­шатель проблем (ОРП).

Проблема, приведенная выше, внутренне представляется в форме выражений, которые означают «преобразовать» 1 в 2. Мы называем сим­волические структуры, соответствующие логическим выражениям, объек­тами; структуры, соответствующие проблемным задачам и аналогичным положениям, — целями. Программа достигает целей путем применения к объектам операторов¹ превращая таким образом эти цели в новые объекты.

Программа включает действия по применению операторов к объек­там. Она включает также процессы сравнения пар объектов; эти процес­сы создают (внутренне) символы, которые обозначают отличия между сравниваемыми объектами.

Действия ОРП группируются вокруг трех типов целей и небольшо­го числа методов достижения целей этих типов.

1. Преобразование целей. Эти процессы имеют форму, которая уже
была проиллюстрирована: преобразовать объект а в объект b.

Метод 1. Сравнить а с b, для того чтобы найти различие d между ними; если нет различий, проблема решена. Создать цель: уменьшение раз­личия d между а и b. Если действие успешно, результат будет преобразова­нием а в новый объект с. Теперь создать новую цель преобразованием с в b. Достижение этой цели и будет решением первоначальной проблемы.

2. Цели применения операторов. Эти операции имеют форму: при­
менить оператор q к объекту а.

Метод 2. Определить, отвечает ли a условиям применения q? Если да, применить q, если нет, определить различие между а и объектом, к которому q применим. Если это действие успешно, будет создан новый объект а', который является модификацией а. Теперь попытаться прило­жить q к а'.

3. Цели уменьшения различий. Как мы видели, они имеют форму:
уменьшить различие d между объектами a и b.

Метод 3. Найти оператор q, соответственный данному различию (значение соответствия — релевантности — будет позже объяснено). Со­здать цель применения q к а. Если операция успешна, то результат бу­дет преобразованием о в новый объект с, который не будет сильно отли­чаться от b.

Таким образом, Общий решатель проблем представляет собой про­грамму вычислительной машины, включающую общие процессы заклю-

¹ Операторы — правила преобразования в математической логике. (Примечание пе­реводчика источника.)

Ньюэлл Л., Шоу Дж..С., Саймон Г.А., Моделирование мышления..

чения относительно итогов (целей) и средств (операторов). Она является общей (general) в том смысле, что сама по себе программа не привязана к самой природе объектов, различий и операторов, с которыми она имеет дело. Следовательно, ее возможности в решении задач могут быть пере­несены с одного типа задач на другой, если он содержит информацию относительно типов объектов, различий и операторов, которые характери­зуют и описывают конкретные условия задачи.

Испытание теории

Вопрос о том, насколько адекватной является программа как тео­рия информационных процессов при решении задачи человеком, может быть поставлен на нескольких специфических уровнях. На самом об­щем уровне мы можем задать вопрос, будет ли программа фактически решать задачи таким же образом, как и человек. Она определенно это делает.

Общие типы анализа отношения средств — целей, которые исполь­зует Общий решатель проблем, являются в то же время методами, отме­чаемыми и в протоколах испытуемых. Мы изучили в деталях около 20 протоколов испытуемых, решавших логические проблемы. Фактически все поведение, описанное в этих протоколах, протекает в рамках анализа средств — целей. Три типа целей, рассмотренных нами, составляют три четверти всех целей испытуемых, а дополнительные типы целей, которые появляются в протоколах, тесно связаны с теми, которые мы описали. Три метода, выделенных нами, представляют подавляющее большинство методов, примененных к данным проблемам испытуемыми.

Протоколы поведения человека при решении проблем в различных сферах деятельности — при игре в шахматы, решении загадок, написании программ вычислительной машины — содержат много последовательных действий, которые также подобны анализу средств — целей Общего ре­шателя проблем.

Мы не можем, конечно, на основе такого типа доказательств заклю­чать, что ОРП дает адекватное объяснение всем типам поведения при решении задач. Наряду с содержащимися в нем механизмами могут быть включены и многие другие механизмы. Только когда программа имити­рует полную последовательность поведения, например, осуществляет тот же самый шахматный анализ, что и человек, у нас складывается убежде­ние, что мы постулировали группу процессов, которая достаточна для осу­ществления поведения в данном случае.

Общий решатель проблем не единственная существующая про­грамма этого типа. Есть программа, предшественница ОРП, которая так­же отыскивает доказательства теоремы, но только по символической ло-

Тема 16. Основные теоретические подходы к изучению познания

гике. Существуют программы для доказательства теорем в геометрии, для конструирования электромоторов, генераторов и трансформаторов, для создания музыки и игры в шахматы. Существуют программы, кото­рые «обучаются», т.е. такие, которые изменяются в различных отноше­ниях на основе опыта.

Успех, уже достигнутый в синтезировании механизмов, которые решают трудные проблемы тем же способом, что и человек, позволяет рассчитывать на создание весьма специфической и операционной теории решения проблем. Наша цель — распространить некоторые положения этой теории на творческое мышление. Сделать это — значит утверждать, что творческое мышление является просто специальным видом пове­дения при решении проблем. Это кажется нам полезной рабочей ги­потезой.

Сформулированные так откровенно наши намерения кажутся уто­пичными. Насколько они являются утопичными — или, скорее, насколь­ко отдалена их реализация, — зависит от того, как широко или узко мы интерпретируем термин «творческий». Если мы намерены рассматри­вать всю сложную деятельность человека по решению задач как творчес­кую, то, как мы покажем, удачные программы для механизмов, которые имитируют человека, решающего задачу, уже существуют и известен ряд их основных характеристик. Если мы оставляем термин «творческий» для деятельности, подобной открытию специальной теории относительно­сти или созданию бетховенской Седьмой симфонии, тогда в настоящее время не существует примеров творческих механизмов.

Решение проблем и творчество

В психологической литературе «творческим мышлением» обозна­чается специальный тип деятельности с несколько неопределенными и не­четкими границами. Решение задач характеризуется как творческое в той мере, в какой оно удовлетворяет одному или большему числу следующих условий.

1. Продукт мыслительной деятельности обладает новизной и цен­ностью (либо для индивида, либо для его культуры).

2. Мыслительный процесс также отличается новизной, требует пре­образования или отказа от ранее принятых идей.

3. Мыслительный процесс характеризуется наличием сильной мо­тивации и устойчивости, протекая либо в течение значительного пе­риода времени (постоянно или с перерывами), либо с большой интенсив­ностью.

4. Проблема, поставленная первоначально, смутна и плохо определена, так что одной из наших задач было формулирование самой проблемы.

Ньюэлл Л., Шоу Дж.С, Саймон Г.А. Моделирование мышления...

Наблюдается высокая корреляция между творчеством (по крайней мере в области наук) и успешностью в выполнении самых шаблонных интеллектуальных заданий, которые обычно используются для измерения одаренности. Таким образом, творческую деятельность можно охаракте­ризовать просто как вид деятельности по решению специальных задач, который характеризуется новизной, нетрадиционностью, устойчивостью и трудностью в формулировании проблемы.

Когда мы говорим, что эти программы вычислительных машин ими­тируют процесс решения задачи человеком, мы не просто подразумеваем, что они решают задачи, которые раньше решались только человеком, хотя они делают и это. Мы подразумеваем, что они решают эти проблемы пу­тем использования методов и процессов, которые в большей или меньшей степени подобны методам и процессам, используемым человеком. Самый последний вариант «логика-теоретика»¹ был спроектирован полностью как имитация (частичная) человека, поведение которого было запротоко­лировано в лабораторных условиях.

Деятельность, осуществляемая вычислительными программами, предназначенными для решения задач, протекает в области, не столь далекой от той, которая обычно рассматривается как «творческая». На­хождение доказательств математических теорем, сочинение музыки, про­ектирование технических конструкций и игра в шахматы обычно рас­сматриваются как творческие процессы, если продукт деятельности ори­гинален и высококачествен. Следовательно, отношение этих программ к теории творчества очевидно, даже если настоящие программы не точно имитируют психические процессы человека — они приносят вполне зем­ной плод.

Рассмотрим более детально вопрос о том, следует ли считать «ло­гика-теоретика» творческим механизмом. Что касается проблем, кото­рые мы действительно ставили ему, а ими были теоремы, выведенные из гл. 2 «Principia Mathematica» (1925—1927) Уайтхеда и Рассела, он на­ходил доказательство в трех случаях из четырех. Если написание этих книг было творчеством для Уайтхеда и Рассела, то возможно, что и пе­реоткрытие «логиком-теоретиком» значительной части гл. 2 — открытие заново в большом числе случаев тех же самых доказательств, что Уайт-хед и Рассел открыли первоначально, — тоже творчество.

Если мы хотим серьезно возражать против того, что «логик-теоре­тик» объявляется творческим механизмом, мы должны основываться на анализе тех проблем, которые он выбирает, а не на его деятельности при их решении. Так, можно считать, что программа — это лишь математи­ческое орудие, основывающееся на решениях значительного числа задач,

¹ «Логик-теоретик» — это программа вычислителя, способного найти доказательства теорем в области элементарной символической логики, используя методы, подобные тем, которые используются людьми.

662 Тема 16. Основные теоретические подходы к изучению познания

предложенных Уайтхедом и Расселом; «логик-теоретик» просто ищет ответы на них, в то время как подлинное творчество заключается прежде всего в выборе проблемы. Это является четвертой характеристикой, выд­вигаемой нами при определении творчества. Но «логик-теоретик» обла­дает способностью к выбору задач. Работая с конца, т.е. отправляясь от цели доказать данную теорему, он может выдвигать новые теоремы и ста­вить себе подцели — доказать их. Исторически, хотя и в более широких рамках, этот процесс и был осуществлен Уайтхедом и Расселом, когда они создавали теоремы, которые затем доказывали. Для этой работы они сна­чала выбрали для себя основные постулаты арифметики и вывели их как теоремы из аксиом логики.

Абстрактная модель поведения при решении задачи

Мы обращаемся теперь к общей теории решения задачи, с тем чтобы позже вернуться к специфическим вопросам «творческой» части спектра процесса решения задач.

Лабиринт представляет подходящую абстрактную модель для боль­шинства видов деятельности по решению задач. Лабиринт является груп­пой путей (возможно, частично перекрывающихся), в которой какая-то под­группа отличается от других тем, что в конце путей имеются цели (награды, подкрепления). Пути этой подгруппы являются «правильными» путями: найти один из них — значит решить задачу прохождения лабиринта.

Мы можем подняться на следующую ступень абстракции и оха­рактеризовать решение задачи при помощи следующих положений: дана группа Р, найти член подгруппы S из группы Р, имеющий специальные свойства.

Существуют различные пути классификации процессов, используе­мых людьми при решении задачи. Полезным является различение про­цессов нахождения возможных решений (создание членов Р, которые могут принадлежать к S) от процессов определения того, будет ли най­денное предложение фактически решением (проверяя, относится ли к S созданный элемент Р). Мы называем процессы первого класса процесса­ми выработки решения, а второго класса — процессами проверки (вери­фикации).

В достаточно малом лабиринте, где члены S, как только они откры­ты, легко могут быть опознаны как решение, нахождение решения три­виально (примером является Т-образный лабиринт для крыс с пищей на одной из дорожек). Трудности при сложном процессе поисков решения возникают в связи с комбинацией двух факторов: размеров группы воз-

Ньюэлл Л.., Шоу Дж.С Саймон Г.А, Моделирование мышления... 663

можных решений, которые должны быть исследованы, и задачей установ­ления того, действительно ли соответствует предложенное решение усло­виям задачи. Используя нашу формальную модель решения задачи, мы можем часто получать значащие меры трудности конкретных проблем и меры эффективности конкретных устройств и процессов решения за­дачи. Рассмотрим некоторые примеры.

Обратимся к выбору хода в шахматах. В среднем шахматист, чья очередь совершать ход, осуществляет свой выбор из 20 или 30 альтерна­тив. Поэтому нахождение возможных ходов не представляет трудностей, но огромные трудности существуют при определении того, будет ли кон­кретный дозволенный ход хорошим ходом. Проблема не в генераторе, а в проверочном компоненте деятельности. Однако принципиальный метод для оценки хода состоит в рассмотрении некоторых противоположных возможных ответов, собственных ответов и т.д., только попытки оценить результаты позиций после этого лабиринта возможных последовательно­стей ходов осуществляются с некоторой глубиной. Лабиринт последова­тельности ходов чрезвычайно велик. Если мы рассматриваем пять пос­ледовательных ходов для каждого игрока, предполагая в среднем 25 доз­воленных продолжений на каждой ступени, мы находим, что Р, группа таких последовательностей ходов, включает около 10¹⁴ (100 миллионов миллионов) членов.

Еще один пример будет полезен для уяснения того, как различные устройства сокращают количество проб, требуемых для нахождения ре­шения задачи. Рассмотрим сейф, замок которого включает 10 независи­мых дисков, каждый из них пронумерован от 00 до 99. Сейф будет иметь 100¹⁰=10²⁰ или 100 биллионов возможных положений дисков, только одно из которых будет открывать его. Однако если сейф неисправен и всякий раз возникает легкий щелчок, когда любой диск установлен в правиль­ном положении, то потребуется в среднем только 50 проб, чтобы открыть сейф. 10 последовательных щелчков, предупреждающих взломщика, ког­да «теплее», вот и все отличие неразрешимой задачи от тривиальной.

Итак, если мы можем получить информацию, которая подсказыва­ет нам, какое решение испытать, и, в частности, если мы можем получить информацию, которая позволяет нам раздробить большую проблему на несколько небольших задач и узнать, успешно ли мы решили каждую из них, — поисковая деятельность может быть значительно сокращена.

Эвристика для решения задач

Мы рассмотрим некоторые примеры успешных программ решения задач для того, чтобы понять, что имеет место при выработке решения и проверке его и как программы сокращают задачи до приемлемых разме-

664 Тема 16. Основные теоретические подходы к изучению познания

ров. Мы используем термин «эвристический» при определении любого принципа или устройства, которые вносят вклад в сокращение среднего числа проб при решении. Хотя еще не существует общей теории эврис­тики, мы можем иметь дело с некоторыми эвристиками, применяемыми при решении человеком сложных задач.

Эффективные генераторы

Даже когда группа Р велика, как это обычно бывает в сложных про­цессах решения, генератор решений может рассматривать на ранней стадии те части Р, которые скорее всего бесплодны. Например, многие проблемы имеют следующую форму: группа решений включает все элементы Р со свойством А, свойством В и свойством С. Нет генераторов, которые будут создавать элементы, обладающие всеми тремя свойствами. Однако могут существовать генераторы, которые создают элементы, обладающие двумя какими-то свойствами из этих трех. То, какой генератор будет выбран, за­висит от того, какие требования наиболее сложны, и от относительной сто­имости выработки решений. Вели большинство элементов отвечает А, тог­да обосновано создание элементов С и В, так как можно ожидать, что А ско­ро появится. Если элементы с А редки, лучше создавать элементы, которые имеют свойство А.

«Логик-теоретик» дает нам четкий пример этого типа эвристики. Вспомним, что задача «логика-теоретика» заключается в поисках дока­зательств. Доказательство представляет собой список логических выра­жений, удовлетворяющих следующим требованиям.

A. Начало списка включает известные теоремы (любое число их).

B. Все другие выражения в списке являются прямыми и истинны­
ми следствиями выражений, приведенных выше.

C. Последнее выражение списка является выражением, которое до­
казывается.

Наиболее эффективным является генератор, который отвечает усло­виям В и С. Если фиксируется последнее выражение как желаемое, то со­здаваемые списки включат только действительные выводы В, ведущие к последнему выражению. Проблема решена тогда, когда создан список, от­вечающий условиям А, т.е. выражениям, которые все являются теоремами.

При этом типе генератора элементы создаются как бы «с конца», идя от желаемого результата по направлению к данным задачам. Этим путем идет «логик-теоретик» при открытии доказательств.

Конкретная ситуация, которую мы встречаем здесь (множество воз­можных начальных точек в противоположность одной конечной) и кото­рая предрасполагает к работе в направлении от конца к началу, является сравнительно распространенной.

Ньюэлл Л., Шоу Дж. С., Саймон Г.А., Моделирование мышления...

Простые селективные эвристики

Когда субъект, решающий задачу, сталкивается с группой альтерна­тив, обычный эвристический прием состоит в выявлении с самого начала возможных путей при помощи относительно доступного текста. Чтобы определить ценность этого приема, рассмотрим лабиринт, содержащий т альтернатив в каждой узловой точке и имеющий длину к. Если есть один правильный путь к цели, то для того, чтобы найти его при помощи слу­чайных поисковых действий, потребуется в среднем 1/2т* проб. Если эвристический тест позволит отбросить как бесполезные половину альтер­натив в каждой узловой точке, тогда при случайном поиске с примене­нием этой эвристики в среднем потребуется только 1/2-(1/2т^к) проб. Это сокращает число проб в отношении 2*, что составит при лабиринте, вклю­чающем лишь 7 звеньев, число 128, а при лабиринте в 10 звеньев — свы­ше тысячи.

«Логик-теоретик» использует ряд таких эвристик выбора. С помо­щью одной эвристики он отделял новые выражения, которые казались «недоказуемыми» на основе определенных критериев правдоподобия; с помощью другой эвристики отсеивались выражения, которые казались «недоказуемыми» на основе определенных критериев правдоподобия; с помощью другой эвристики отсеивались выражения, которые казались слишком сложными в плане наличия в них большого числа отрицатель­ных знаков. Эти две эвристики сократили число проб, потребовавшихся для нахождения решения, в 2, 7 раза.

Стратегии при выработке решения

Обычно информация, необходимая для выбора подходящих путей, поступает лишь при осуществлении поиска. Обследование путей дает нам точки, обозначающие «холоднее» — «горячее», чем мы и руководствуем­ся при дальнейшем поиске. Мы уже приводили простой, но эффективный пример неисправного сейфа.

Существуют, в общем, два различных способа описания любой кон­кретной точки выбора в проблемном лабиринте. В шахматах, например, конкретная позиция может быть определена путем обозначения (словес­но или при помощи диаграммы) того, какие фигуры занимают ту или иную клетку доски. С другой стороны, позиция может быть определена при помощи выделения последовательности ходов, которые ведут к ней от начальной позиции. Мы будем называть первый метод определения элемента Р спецификацией путем описания состояния, второй метод — спецификацией путем описания процесса.

666 Тема 16. Основные теоретические подходы к изучению познания

Когда игрок рассматривает конкретный ход, он может построить в своем воображении картину доски после того, как ход осуществлен. Он может затем исследовать это новое состояние для того, чтобы выяснить, какие черты его благоприятны, какие — неблагоприятны и какие возмож­ные продолжения оно подсказывает. Таким образом он исследует не­сколько путей в лабиринте (если он хороший игрок, его эвристический прием обычно натолкнет его на обследование важных путей), и он может проанализировать достаточное число ходов, для того чтобы быть в состо­янии прямо оценить достигнутые конечные позиции. Мы отмечаем, что сильнейшие шахматисты не обследуют больше, чем несколько десятков продолжений, а те, в свою очередь, на глубину порядка от нескольких до 10 и более ходов. Способность шахматиста-мастера глубоко анализировать партию, столь удивляющая, новичка, возникает из способности первого анализировать очень избирательно, не пропуская в то же время важные варианты. «Сигналы», которые он отмечает, неуловимые для новичка, оче­видны для него.

Эвристики планирования

Другой класс широко применимых эвристик, увеличивающих изби­рательность генераторов решений, составляют эвристики, которые идут под рубрикой «планирование». Рассмотрим лабиринт длиной в q шагов с т альтернативами в каждой точке выбора. Предположим, что вместо сигналов, обозначающих правильный путь в каждой точке выбора, есть лишь сигналы в каждой второй точке. Тогда задача прохождения лаби­ринта легко может быть расчленена на ряд подзадач достижения тех то­чек выбора, которые отмечены сигналами.

Такая группа подзадач составит план. Вместо начальной задачи про­хождения лабиринта длиной в к шагов перед субъектом, решающим про­блему, встанет задача прохождения {к/2) лабиринтов, каждый из которых длиной в два шага. Ожидаемое число путей, которые должны быть обсле­дованы при решении первой проблемы, будет, как и раньше, равно l/2m^h. Ожидаемое число проб при решении второй проблемы 1/2 (k/2) m².

Если начальный лабиринт будет иметь в длину 6 шагов при двух альтернативах в каждой точке, среднее число требуемых проб будет со­кращено с 32 до 6, к которым, в свою очередь, следует добавить усилия, необходимые для того, чтобы найти план.

Мы используем подобный метод планирования, когда путешеству­ем. Сначала мы набрасываем общий маршрут от города к городу, затем, имея в виду эти города как подцели, мы решаем подзадачи, как попасть из одного в другой.

Ньюэлл Л., Шоу Дж.С., Саймон Г.А. Моделирование мышления…