|
|
||
На основе интерпретации терминов нейролингвистического программирования (НЛП), предлагается использовать алгоритм (и программу) построения алгебраических моделей конструктивной логики для формализации процесса НЛП |
2006 г.
В. Н. Щеглов
Формализация нейролингвистического программирования с помощью алгоритма построения алгебраических моделей конструктивной (интуитивистской) логики
При обзоре различных методов нейролингвистического программирования (НЛП), широко применяемого на практике при работе с различными коллективами, обращает на себя внимание их подобие с уже известными и хорошо формализованными методами построения алгебраических моделей конструктивной (интуиционистской) логики (АМКЛ). Они детально с подробными примерами и приложениями изложены в книге
[1], (см. также http://publ.lib.ru , поиск по и. о. и фамилии автора или по соответствующему разделу).Вкратце отметим здесь основные этапы алгоритма построения АМКЛ. В исходном массиве информации Х (
n, m), где n - число переменных (столбцов в таблице Х) и m - число состояний объекта (строк в Х), записывается также один (или несколько) столбцов Y, для которых Y = f(X)., Значения Y разбиваются на k частей (обычно на 2 по медиане), и эти значения дискретной переменной Z кодируются, например, Z = 0, 1,... Далее каждое состояние, где задано определенное целевое значение Z, сравнивается со всей окрестностью не целевых состояний, начиная с ближайших, и постепенно, по мере сравнения этих строк (целевой и множества не целевых) строятся конъюнкции К обычно нескольких числовых интервалов для существенных переменных (подробнее см. [1], являющиеся простыми импликациями (истинными формулами) для функции Z = f((X(n, m)). Аналогичные операции совершаются и в отношении не целевых состояний. Далее вычисляются оценки (число вхождений в исходный массив для каждой К (число строк-состояний, удовлетворяющих К), затем строятся тупиковые дизъюнктивные формы ( т. е. модели для каждой из Z = 0, 1,... в отдельности): начиная с наибольшей оценки, отбираются К и объединяются связкой "или"; предварительно отбрасываются те из К, множества состояний которых ("покрытия") уже входят в ранее выбранные К.Сопоставим по мере возможности основные термины или операции, используемые в НЛП, с основными этапами алгоритма АМКЛ. Эти этапы соответствуют, насколько это возможно при таких сопоставлениях, процессу вычисления АМКЛ. Обратим также внимание в некоторых случаях на неоднозначность терминов НЛП по отношению к терминам (точнее, этапам вычисления) АМКЛ, что, естественно, отображает многообразие и не разработанность в смысле формализации терминов НЛП: здесь каждый исследователь часто вносит свое, субъективное, понимание процесса НЛП. Список терминов НЛП взят в основном из
[2].Эпистемология
: теория АМКЛ.Нейролингвистическое программирование (НЛП), разговорные постулаты, первая позиция, поведение, раппорт, согласование результатов, сознание, контакт между людьми, стратегия, убеждения, ассоциация: алгоритм построения АМКЛ.
Ресурсное состояние: состояние компьютера (быстродействие, память и пр.).
Конгруэнтность: отсутствие помех вычислению АМКЛ.
Способность: различие компьютеров по быстродействию или памяти, улучшение работы алгоритма АМКЛ в этом смысле.
Предпочитаемая система: АМКЛ или их интуиционистские модификации.
Ведущая система, репрезентация, рамка "как будто": введение тестового массива (Х, У) или заранее подготовленных строк, исходный массив данных, процесс построения (Х, У).
Фильтры восприятия: Х, У (опыт, идеи и т. п.).
Присоединение к будущему: введение новых одинаковых строк в массив (Х, У), (повторение числа одинаковых состояний объекта, повторение опытов.
Неосознаваемое: нерегистрируемые (скрытые) переменные.
Состояние: строка из Х.
Поверхностная структура: избыточные переменные, которые вводятся исследователем в Х.
Подстройка: введение в Х новых переменных, характеризующих сходные объекты.
Позиция восприятия: несколько целей У (наличие массива У).
Дискретный: обычно цель исследования У задается дискретной (обычно булевы значения 0, 1), дискретными могут быть и переменные Х.
Ключи доступа: стадии алгоритма.
Критерий хорошо сформулированного результата: вычисление тупиковой дизъюнктивной формы (т. е. АМКЛ).
Нейрологические уровни, объединенное поле, репрезентативная система: массив Х.
Модель мира, карта реальности: строка из (Х, У). Мы как бы записываем состояние всего мира в определенный момент времени (или в каком либо ином отношении). Весь массив данных - это динамика этого мира. Частный случай - массив, в котором записаны в реальном времени (последовательно, строка за строкой) состояния некоторого множества людей.
Линия времени: введение "относительного времени", это время равно нулю для каждой исследуемой целевой строки, которая сравнивается с расширяющейся в этом относительном времени окрестности (множества) не целевых строк. Способ подбора наиболее близких не целевых "прототипов", чтобы уменьшить влияние нерегистрируемых (медленно изменяющихся) Х.
Метамодель: алгебраическая модель конструктивной (интуиционистской) логики (АМКЛ), которая выявляет (и отбрасывает) те части исходного массива данных, которые делают неясным смысл соответствующих строк. Метамодель проясняет этот смысл и сопоставляет его с имеющимся опытом и также дает возможность сравнения результатов с априорными данными.
Намерение, отражение: У.
Модальный оператор необходимости: логическая связка (импликация) "если..., то..." в АМКЛ.
Аптайм: процесс перехода от одной переменной к другой (в различных разделах алгоритма по-разному).
Различение: основная операция сжатия интервалов (предикатов), с помощью которых вычисляются непротиворечивые К.
Ведение: сжатие интервала для какой-либо переменной, входящей (в будущем) в К (это сжатие осуществляется каждый раз при обращении к очередной строке сравнения).
Искажение: нет точного ограничения целевого Х каким-либо числом из не целевой строки (например, Х меньше или равно какому либо числу из целевой строки). Обычно это явление наблюдается при слишком малом массиве данных.
Части субличности: существенное изменение Х, У во времени, например, эволюция объекта или быстрый переход на иные взаимоотношения между переменными.
Неспецифические глаголы или существительные: несущественные (удаляемые) в итоге переменные.
Перекрестное соединение: выбор лишь одного переменного из двух (или нескольких) переменных в алгоритме построения определенного К.
Пунктуационная двусмысленность: построение К (соединение отдельных интервалов с помощью связки "и".
Деление: по ходу алгоритма получаем непротиворечивые интервалы для отдельных переменных, дающее множество К по каждой строке массива данных. Далее вычисляется сокращенное минимальное множество К, дополняющих друг друга (покрывающим в итоге все строки массива), АМКЛ. При анализе модели возможен и обратный ход рассмотрения этих операций.
Универсальные классификаторы: К.
Комплексная эквивалентность: некоторые одинаковые К (при построении тупиковой формы оставляется лишь одна из них, если она необходима для покрытия всех строк Х, У.
Карта реальности, сенсорно-основанное описание, синэстезия: множество всех К (для каждой строки массива) с их контекстами.
Логический уровень: К находится на более высоком логическом уровне, если она включает в себя (как множество номеров строк) одно или несколько К, полученных из соответствующих целевых строк. Определенный интервал из Х, включенный в К, находится на более низком логическом уровне и т. д.
Мета: объект вычислений, находящийся на более высоком логическом уровне.
Паттерн: К, оценка которой больше 1.
Пресуппозиции: те выводы К, которые тривиальны или полагаются само собою разумеющимися.
Синтаксическая двусмысленность: вхождение одного и того же переменного в различные К.
Транс: заключительная часть вычислений, в результате которых строится итоговая непротиворечивая К.
Предикаты, субмодальности: К, отдельные интервалы, входящие в К.
Диссоциированный: в разных случаях в каждую К обычно не входят некоторые Х; в итоговую АМКЛ могут не входить некоторое ограниченное число Х.
Внутренние образы информации, обобщение: К.
Возврат: проверка истинности конъюнкций переменных на промежуточных этапах алгоритма (в итоге при отсутствии противоречий получаем К).
Даунтайм: упорядочение всех К по убыванию их оценок.
Гибкость: возможность выбрать для интерпретации (например, для контакта между людьми) любую К из АМКЛ.
Якорение: вычисление АМКЛ относительно заданных значений У. Каждая конкретная АМКЛ влечет только свое значение У.
Калибровка: распознавание образов (цели) с помощью К целевых и не целевых с их оценками ("голосование признаков").
Идентичность: для двух или более массивов входных данных получаются одинаковые АМКЛ.
Метафора: вычисление АМКЛ близкого в каком-либо отношении объекта.
Разрыв: остановка вычисления АМКЛ на каком-либо этапе.
Тройное описание: 1) построение АМКЛ, 2) дальнейшее расширение входа Х (результаты У еще неизвестны, задача распознавания образов), 3) содержательная интерпретация результатов.
Вторая позиция: контекст для К.
Рамка: набор контекстов АМКЛ.
Рефрейинг: изменение содержательной части контекста (например, нахождение новых априорных соответствующих фактов.
Мета-осознание, Милтон-модель, наложение: интерпретация АМКЛ с помощью априорных данных.
Экология: достаточно убедительная содержательная интерпретация АМКЛ.
Глубинная структура: лингвистическая форма записи АМКЛ.
Аналоговый: непрерывное изменение переменных, входящих в АМКЛ, которая преобразована в Эрмитову модель, см. [1].
По-видимому, НЛП есть по сути дела неформализованная версия одной из форм интуитивистского исчисления предикатов, в частности - вычисления АМКЛ. На практике, прежде всего, эту модель
(АМКЛ) можно использовать, например, для обобщения опыта наиболее удачливых представителей бизнеса, наиболее удачных военных операций и т. п., и, соответственно, для обучению этому опыту новичков. Следует отметить, что в будущем, при большом быстродействии и памяти компьютеров, Х и У могут отображать реальный (может, несколько формализованный) язык общения людей, и тогда само составление массивов данных значительно упроститься. Сейчас же, по-видимому, следует идти по пути создания контекстно-независимых языков для разных конкретных сфер деятельности. Ускорение и улучшение профессионального и научного обучения - это одна из наиболее заметных целей использования АМКЛ в этом смысле в обозримом будущем.Литература