В течение последних нескольких месяцев мне как-то удалось провести довольно много исследований, и перед тем как двинуться дальше, надо подводить итоги, и поделиться. Возможно, кое-что покажется вам таким же интересным, как и мне. Вот на что я тратил свое время:

• Изучение рекламных материалов и возможности создания лучших композиций.

• Исследование, как мы представляем свое желанное будущее, и как мы можем создать технологию «лучшего и правильного» представления, так, чтобы повысить вероятность его реализации.

• Возможности имплицитного обучения и разработки улучшенных методов такого обучения.

• Эксперимент по изменению пищевых предпочтений, используя когнитивные психологические методы (да, и при этом человек теряет вес).

• Исследование по когнитивным методам снижения симптомов псориаза.

Ну, начнем не по порядку, а по мере готовности:

Имплицитное обучение

Обучение сознательное, ориентированное на получение знаний, например, посредством лекций, исследований и дискуссий – это эксплицитное обучение. Вы знаете, чему учитесь и учите это, пока не освоите.

Имплицитное обучение – это процесс обретения знаний и умений, который происходит, в основном, без участия сознания или восприятия. Вы можете даже не знать, чему вы учитесь, или знать, но не понимать происходящее. Лучший пример и вид имплицитного обучения — игра. Можно сказать так: эксплицитное обучение – сбор информации, имплицитное – создание и организация интуитивного понимания.

В реальности, если обучение сбалансировано, то будет задействовано оба типа научения. Практически все, чему можно научиться, можно научиться имплицитным образом. Понятно, для разных видов деятельности нужны разные подходы.

Как это используют: в 1994 году Филип Келлман из Университета Калифорнии в Лос-Анджелесе и Мэри Кайзер из Исследовательского центра Эймза при НАСА (Kellman & Kaiser, 1994) тестировал один вид имплицитного обучения (перцептивное обучение) начинающих пилотов. Им показывали несколько приборов на панели, и они должны быстро определить одно из нескольких состояний самолета: поворот с набором высоты, устойчивое снижение, и тому подобное. Состояние можно сделать, проанализировав данные всех 6 приборов.

На картинке, из аналогичного исследования австралийских ученых (McLean, Wise, & Williams, 2011) показаны: левый поворот с набором высоты, и правый поворот со снижением.

Показ происходит быстро, и если нет ответа, на мониторе показывается следующий слайд. Если ответ правильный – одобрительный звук, если неправильный – неодобрительный звук и подсветка правильного ответа. Через три часа (две сессии по полтора часа каждая) таких тренировок у новичков выработалась способность быстро оценивать маневр самолета, с аккуратности и скоростью, которую демонстрируют пилоты с 500-2500 летными часами!

Сейчас похожие методы используют для обучения дерматологов (быстрая и точная диагностика высыпаний на коже), хирургов, химиков, кардиологов (чтение ЭКГ), разумеется, военных, и проч. Метод настолько хорошо, что вызывает и опасения – понимание автоматизируются быстро, и при недостаточно продуманном дизайне есть риск обрести вредные навыки.

Я решил посмотреть на самый простой способ, для того, чтобы понять, каким образом его можно совершенствовать и применять в других областях. Я взял ювелирные украшения, в которых ни черта не разбирался, и еще потому, что было можно достать много материала для обучения, и, создав набор колец из 200 колец с ценами, начал тренироваться. Задача была – догадаться, какое из них дороже. В конце концов, цена – хоть какое-то измерение ценности изделия.

Слева — результат моих 17 занятий – чуть больше часа. Через какое-то время возникает уверенность, и весьма скоро – понимание, почему надо выбрать именно это, а не то кольцо. Цвет, точность линий, и все такое. До конца не понятно сознательно, но подсознательно – уверенность хорошая. По моей просьбе три человека приняли участие в такой игре, с практически таким же результатом, и девушка, которая любит ювелирные изделия, через полчаса уверенно достигла 90 с лишним процентов точности.

Слева — другой вариант, который лениво тестируется сейчас: в этом случае надо определить, где какой бренд: Cartier, Chopard или Bvlgary, и другие известные бренды.

Что еще испытать, в такой же неведомой для меня области? Не придумав ничего лучше, я загрузил 350 картинок женской обуви, с той же задачей – как можно быстрее определить, какая пара обуви дороже.
Вот как выглядели слайды (фото с сайта net-a-porter.com):

Теперь, через час тренировок и полчаса эксплицитного просмотра а могу сказать, что мое представление о женской обуви изменилось. Мало того, что я стал обращать внимание на то, что носят женщины, я уверен, что отличу Jimmy Choo от Christian Louboutin или Miu Miu. Хотя, если я не буду поддерживать эти знания, то вскоре вернусь в первоначальное состояние «Джимми, чо?»

Такой подход, очевидно, применим для обучения новых работников или освоения новой профессии – вряд ли по скорости и глубине обучения что-то может соперничать с имплицитным подходом.

В общем и целом, как и полагается после исследования, образовалось еще больше вопросов для последующих экспериментов. Например: как это можно применить в одной очень специфической области, и как можно улучшить это метод в 2, 5 или даже 10 раз? Появились идеи, которые надо проверять.

Поскольку я учу китайский, и как оказалось, тональность мне достается сложнее всего, я начал изучать тональности именно таким образом. Диктор произносит слог, а на экране появляются несколько вариантов тонов, и надо выбрать правильный. Если сначала все кажется мне одинаково звучащим, то через минут 10, перепутать первый тон с третьим уже кажется невозможным. Сложно передать ощущения, но язык сразу вдруг открылся с новой стороны, и какая-нибудь простая фраза, которая вчера звучала как «кошмар, что она сказала?!», сегодня воспринимается почти как родненькая.

Ну, и как же без искусства? В июне я провел небольшое пилотное исследование с картинами, и меня опять поразила скорость обучения. При этом не надо особо думать, а все, что вы можете делать сознательно — радоваться ошибкам – именно они главное топливо для этого типа обучения.

Начнем с вопроса:

Перед вами картины так называемых «малых голландцев».

Справка: «Малые голландцы» — условное название, под которым подразумевают большинство голландских художников 17 в., писавших небольшие, тщательно отделанные картины (П. де Хох, Я. ван Гойен, Я. и С. ван Рёйсдал, Э. де Витте, П. Клас, В. Хеда, В. Калф, Г. Терборх, Г. Метсю, А. ван Остаде, Я. Стен, А. Кёйп и др.). Каждый из них, как правило, специализировался в каком-либо одном жанре. Их дар видеть красоту и поэзию в обыденном, умение в изображении незатейливой бытовой сценки, набора предметов, уголка природы показать величие Бытия до сих пор восхищают зрителей. «Малые голландцы» продолжили традиции нидерландских мастеров эпохи Возрождения, полагавших, что живопись должна не только доставлять удовольствие, но и учить, напоминать о вечных духовных ценностях» (цитата с сайта Академик).

Где работа кисти Яна Стэна (Jan Steen), а где — Адриана ван Остаде (Adriaen Jansz. van Ostade)?

А тут: что написал Квирин ван Брекеленкам (Quiringh van Brekelenkam), а что – Адриан Броувер (Adriaen Brouwer)?

Правильно ответить на такие вопросы «могут не только лишь все, мало кто может это делать» (Виталий Кличко. Избранные речи).

А теперь представьте себе, что вы искренне заинтересовались изучением работ этой когорты художников, и программа, в которую упакованы сотни их работ, предлагает вам решать, быстро и однозначно, кто есть кто. Разумеется, вы будете делать ошибки, и их число сначала будет даже превышать 50%, но через какое-то время, сравнительно небольшое, вы начнете «угадывать», все чаще и чаще. Через несколько часов вы сможете отличить Броувера от ван Брекеленкама — даже когда вам покажут картины этих авторов, которые вы прежде не видели! Да, вам будет сложно объяснить кому-то, с чего вы так решили, но вы будет чувствовать правильность своего выбора.

Это непередаваемое ощущение, которое принято называть интуицией; это она и есть, в научном понимании этого термина. Если вы продолжите тренировки, то вскоре вы начнете замечать и причины своей уверенности – у одного художника какие-то отличные от других цвета, у второго – только определенные ситуации, у третьего – уникальный контраст, и в таком духе. Таким образом, при обучении с активным применением имплицитного метода, вы достигните мастерства за более короткое время.

Kellman, P. J., & Kaiser, M. K. (1994). Perceptual Learning Modules in Flight Training. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 38(18), 1183-1187.

McLean, G., Wise, L.Z. & Williams, B. (2011). A perceptual training module for pilot instrument scans. In G. Williams, P. Statham, N. Brown & B. Cleland (Eds.), Changing Demands, Changing Directions. Proceedings ascilite Hobart 2011 (pp.842-846).

В мае 2015 вышла статья исследователей из Университета Рутгерз (Saleh & Elgammal, 2015). Они составили коллекцию цифровых изображений 81,449 картин 1,119 художников, начиная с 15 века до наших дней. Компьютерная программа, которую они создали, смогла научиться классифицировать работы по стилю, жанру и художнику. Точность, которую она достигла за короткий срок: 63% точности идентификации по художнику, 60% — по жанру, и 45% — по стилю. Что интересно, эти алгоритмы позволили обнаружить некоторые факты – так, выяснилось. что на творчество некоторых художников было оказано влияние других творцов. Это, понятно, обычное дело, но именно об этих конкретных случаях искусствоведам известно не было.

Например, алгоритм обнаружил, что картина француза Фредерика Базиля (Frederic Bazille) «Мастерская на улице Ла Кондамин, 9, в Париже», написанная в 1870 году (в начале статьи), и картина американского художника Нормана Рокуэлла (Norman Rockwell) «Парикмахерская Шаффлтона», написанная в 1950 (выше этого параграфа) весьма похожи. Авторы исследования стали искать сведения о таком факте в истории искусства, но ничего не нашли (статья про эту находку).Желтым выделены очень похожие объекты, красным – схожая композиция, а синим – схожие структурные элементы. Без всяких натяжек можно сказать, что компьютерный алгоритм сделал, пусть и небольшое, но открытие.

Сами исследователи не считают, что такие алгоритмы заменят искусствоведов, но, на мой взгляд, это скромность. Не знаю как вы, а у меня нет сомнений, что вскоре на этом направлении будет еще много достижений. Компьютерные программы учат «понимать» живопись, точность идентификации начнет приближаться к максимуму, мы узнаем еще много интересных фактов из области искусства. Алгоритмы научатся не только «понимать», но и создавать шедевральные картины, скульптуры и музыку.

А что делать нам?

Saleh, B., & Elgammal, A. (2015). Large-scale Classification of fine-art paintings: Learning the right metric on the right feature. Arxiv.org. Полный текст: http://arxiv.org/pdf/1505.00855v1.pdf