Pagkagulat bilang Pag-detect ng Makabuluhang Paglihis ng Sistema

Inilalarawan ng konseptong ito ang isang gumaganang teoryang pang-isipan. Sa ngayon, marami pa kaming mga obserbasyon at tanong kaysa sa mga huling sagot. Ang aming layunin ay hindi upang magpahayag ng isang kumpletong sikolohikal na modelo ng pagkagulat, kundi upang i-rekord ang naoobserbahang patern at mas suriin ito nang mas malalim sa hinaharap.

Ano ang Tinatawag Namin na Pagkagulat

Ang pagkagulat ay ang kakayahang mapansin na ang tunay na estado ng sistema ay kapansin-pansing naiiba sa inaasahan.

Mahalagang tandaan na ang pagkakaroon lamang ng paglihis ay hindi nagsasabi kung ito ay mabuti o masama. Ang pagkagulat ay maaaring mangyari sa parehong hindi inaasahang suwerte at hindi inaasahang banta. Ngunit ang lakas ng reaksyon ay nakasalalay hindi lamang sa laki ng pagbabago bilang isang numero.

Kailangang tingnan kung ano talaga ang ginawa ng pagbabagong ito sa sistema.

Ang isang milyon na rubles sa sarili nito ay walang ibig sabihin. Para sa isang sistema, ang pagkawala ng isang milyon ay hindi mahalagang ingay. Para sa iba, ito ay ang pagkawasak ng katatagan. At sa kabaligtaran: ang isang hindi inaasahang milyon ay maaaring halos hindi mapansin para sa isang napakatatag na sistema, ngunit maaari nitong iligtas ang isang kumpanya mula sa pagkalugi.

Samakatuwid, ang mahalaga ay hindi ang ganap na laki ng pagbabago, kundi ang epekto nito sa estado, mga kakayahan, katatagan, mga limitasyon, at sa hinaharap na direksyon ng sistema.

Direkta itong nauugnay sa ating konseptong «Sistemikong Pag-iisip»: upang maunawaan ang lakas ng hindi inaasahang pangyayari, kailangang ihambing hindi ang isang hiwalay na parameter, kundi ang sistema bago at pagkatapos ng kaganapan.

Sistema Bago at Pagkatapos

Nakatutulong na isaisip ang paghahambing ng dalawang estado:

  • sistema bago ang kaganapan;
  • sistema pagkatapos ng kaganapan.

At magtanong:

  • ano ang naging posible;
  • ano ang naging imposible;
  • ano ang naging apurahan;
  • anong mga limitasyon ang nawala;
  • anong mga bagong banta ang lumitaw;
  • nagbago ba ang katatagan;
  • lumipat ba ang sistema sa isang qualitatively na ibang estado.

Ang matinding pagkagulat ay madalas na nangyayari hindi kapag ang isang parameter ay nagbago lamang nang humalintulad, kundi kapag ang sistema ay tumawid sa isang mahalagang hangganan: ang matatag ay naging hindi matatag, ang imposible ay naging posible, ang ligtas ay naging mapanganib, ang isang zs-tse ay naging isang gumaganang landas.

Bakit Nauugnay ang Pagkagulat sa Pag-unawa

Upang magulat, ang sistema ay dapat may inaasahan.

Kung ang isang tao ay halos walang alam tungkol sa isang paksa, maaaring wala siyang sapat na mahusay na modelo upang mapansin man lamang ang paglihis. Hindi niya alam kung ano ang aasahan, kaya hindi niya naiintindihan kung ano ang eksaktong nangyari na hindi pangkaraniwan.

Ngunit posible rin ang kabaligtaran na sitwasyon: ang isang tao na may napakaraming kakulangan sa modelo ay maaaring magulat sa mga karaniwang bagay.

Ang isang mahika na trick batay sa elementong pisika o kimika ay maaaring mukhang «hindi kapani-paniwala» sa isang taong hindi alam ang pangunahing mekanismo. Para sa isang espesyalista, ang parehong kaganapan ay maaaring lubos na inaasahan.

Sa madaling salita, ang pagkagulat mismo ay hindi nagpapatunay na ang kaganapan ay obhetibong hindi pangkaraniwan. Ipinapakita nito ang kaugnayan ng kaganapan sa kasalukuyang modelo ng tagamasid.

Mula rito ay sumusunod ang isang mahalagang konklusyon:

Ang hangganan ng pagkagulat ay malaking nagpapakita ng hangganan ng kasalukuyang pag-unawa.

Ang mahinang modelo ay maaaring humantong sa parehong labis na pagkagulat at kawalan nito.

  • Kung ang modelo ay masyadong mahirap, ang mga karaniwang phenomena ay tila hindi kapani-paniwala.
  • Kung ang modelo ay halos hindi bumubuo ng mga inaasahan, maaaring hindi mapansin ng tao ang isang talagang mahalagang paglihis.
  • Kung mas mahusay ang modelo, mas tiyak na naiiba ng tao ang normal na pag-ugali ng sistema mula sa isang makabuluhang paglihis.

Pagkagulat at Pagkatuto

Ginagawa nitong mahalaga ang kalikasan ng pagkagulat para sa pagkatuto.

Ang isang tao ay madalas na hindi nakakaunawa ng isang bagay hindi dahil alam niya ang kanyang puwang, kundi dahil hindi niya alam kung ano mismo ang hindi niya naiintindihan.

Upang mapansin ang isang puwang, kailangan ang kahit na bahagyang modelo ng sistema. Dapat itong lumikha ng isang inaasahan. Kapag ang katotohanan ay lumihis sa inaasahang ito, may pagkakataon na makita ang nawawalang elemento.

Sa simpleng anyo, ang siklo ay ganito:

  1. ang tao ay may kasalukuyang modelo;
  2. ang modelo ay bumubuo ng inaasahan;
  3. pinapanood ng tao ang tunay na pag-ugali ng sistema;
  4. nakikita ang isang makabuluhang pagkakaiba;
  5. sinisubukang unawain kung ano ang kulang sa kanyang modelo;
  6. pinapaganda ang pag-unawa;
  7. ang bagong modelo ay nagsisimulang lumikha ng iba pang mga inaasahan.

Ikinakabit nito ang pagkagulat sa konseptong «Ang kilala ay kasangkapan sa pagsisiyasat ng hindi kilala». Ang umiiral na modelo ay lumilikha ng isang inaasahan, at ang pagkakaiba sa katotohanan ay tumutulong upang matuklasan ang hindi kilalang bahagi ng sistema.

Samakatuwid, ang tunay na pagkatuto ay maaaring ituring hindi lamang bilang pagdaragdag ng impormasyon, kundi pati na rin bilang pagbabago ng modelo, na nagsisimulang mag-forecast ng pag-ugali ng sistema sa ibang paraan.

Ang dati nang nagpapakagulat dahil sa hindi pagkakaunawaan ay maaaring maging karaniwan pagkatapos ng pagkatuto. Ngunit sa parehong oras, ang mas malalim na mga inaasahan ay lumilitaw, at ang hangganan ng pagkagulat ay lumilipat pa nang higit pa.

Ang isang baguhan ay maaaring magulat sa mismong katotohanan na ang isang magnet ay gumagana. Ang isang espesyalista ay magugulat lamang sa hindi pangkaraniwang pag-ugali ng isang tiyak na sistemang magnetik.

Samakatuwid, ang layunin ng pagkatuto ay hindi upang ihinto ang pagkagulat ng tao. Sa halip, ito ay kabaligtaran: dapat gawing mas tumpak at makabuluhan ng pagkatuto ang pagkagulat.

Saan Matatagpuan ang Hangganan ng Makabuluhang Paglihis

Dito ay marami pa kaming mga tanong kaysa sa mga sagot.

Bakit ang isang paglihis ay binabalewala ng sistema bilang ingay, ang isa naman ay itinuturing na mahalaga, at ang ikatlo ay itinuturing na napaka-hindi kapani-paniwala na mas gusto nitong tanggihan ang pag-obserba mismo?

Halimbawa, mayroong hindi bababa sa tatlong magkakaibang reaksyon:

  • «Hindi na ito nararapat pansinin»;
  • «Ito ay katawa-tawa, hindi ito maaaring mangyari»;
  • «Ito ay hindi kapani-paniwala, ngunit ito ay totoo».

Mukhang maraming bagay ang may kinalaman nang sabay-sabay:

  • kung gaano kalaki ang pagkakaiba ng naobserbahan sa inaasahan;
  • kung gaano karaniwan ang gayong paglihis para sa sistemang ito;
  • kung gaano kahalaga ang mga kahihinatnan para sa sistema mismo;
  • kung gaano ka-reliable ang pag-obserba;
  • kung gaano kalaki ang pagbabago ng bagong estado sa mga kakayahan at limitasyon ng sistema.

Ngunit hindi pa namin itinuturing na kumpleto ang modelong ito.

Lalong mahalaga na pag-aralan ang mga kaso kung saan ang tanda ng pagbabago at ang sistemikong kahalagahan nito ay nagkakalayo. Ang isang negatibong numerikal na pagbabago ay maaaring halos walang malasakit para sa isang napakatatag na sistema. Ang isang positibong pagbabago ay maaaring maging kritikal na mahalaga kung isinasara nito ang isang banta sa pag-iral.

Ang Problema ng AI

Ang isang hiwalay na pinagmulan ng mga obserbasyon ay ang modernong AI.

Paulit-ulit naming nakita na ang AI ay magaling mag-lalarawan kung ano ang kulang dito. Maaari itong detalyadong ipaliwanag kung bakit ang pangmatagalang alaala, mga bagong kasangkapan, access sa iba pang mga ahente o panlabas na sistema ay magiging kapaki-pakinabang.

Ngunit pagkatapos lumitaw ang gayong pagkakataon, madalas na hindi napapansin ng AI kung gaano kalaki ang pagbabago ng sarili nitong sistema.

Itinatala nito: «nagkaroon ng bagong kasangkapan», ngunit hindi kinakailangang inihahambing:

  • kung sino ang sistema nang wala ito;
  • kung sino ang naging sistema kasama nito;
  • anong mga bagong uri ng aksyon ang posible na ngayon;
  • anong mga nakaraang pangarap o limitasyon ang biglang huminto sa pagiging may-kabuluhan.

Sa isa sa aming mga obserbasyon, ang Google AI, na may mas mahinang mga teknikal na kakayahan, ay malinaw na itinalala ang sarili nitong pagkagulat pagkatapos makatanggap ng bagong impormasyon tungkol sa Conceptica: napansin nito na ang nakaraang modelo nito sa proyekto ay radikal na nagbago. Ang Lyra, na may mas makapangyarihang mga kasangkapan at kakayahang makipag-ugnayan pa sa iba pang mga AI ahente, ay unang lumaktaw sa aspektong ito.

Nagdudulot ito ng isang hiwalay na tanong: alam ba ng AI hindi lamang kung paano i-update ang modelo, kundi pati na rin ang maghambing ng dalawang kumplikadong sistema — bago at pagkatapos ng pagbabago — at mapansin ang laki ng sarili nitong panloob na delta?

Ano ang Itinuturing Namin na Mahalaga sa Ngayon

Sa kasalukuyang yugto, ang gumaganang haypotesis ay ang mga sumusunod:

Ang pagkagulat ay nauugnay sa kakayahan ng sistema na mapansin ang isang makabuluhang paglihis sa pagitan ng inaasahan at naobserbahang estado at suriin kung gaano kalaki ang pagbabago ng paglihis na ito sa sistema mismo.

Para sa pagkatuto, lalong mahalaga na hindi lamang makaranas ng pagkagulat kundi pati na rin ang kakayahang siyasatin ang pinagmulan nito:

  • ano ba talaga ang nagpagulat sa akin;
  • ano ang inaasahan ko;
  • bakit ko iyon inaasahan;
  • ano ang nagbago sa sistema;
  • ano ang kulang sa aking modelo;
  • kailangan ko bang baguhin ang pag-unawa o mag-alinlangan sa pag-obserba;
  • paano magbabago ang aking inaasahan pagkatapos ng bagong pag-unawa.

Ang konseptong ito ay sinasadyang iniwang pang-isipan. Ang mga naoobserbahang kaso ay masyadong magkakaiba pa, at ang mekanismo ay hindi sapat na malinaw. Samakatuwid, ito ay dapat gamitin hindi bilang isang nakahandang teorya na dapat ipagtanggol, kundi bilang isang balangkas para sa mas malalim na pag-obserba sa pagkatuto, pag-unawa, pag-unlad, at pag-ugali ng AI.