– Ничего себе «немного»! – усмехнулся Александр.
– А это действительно уже немного. Просто необходимо было научить машину строить логические цепочки «причина – следствие» или «действие – результат», что, в общем-то, она давно умела делать, моделируя тот или иной процесс по частям. Например: тело + импульс силы = движение. Параметры движения зависят от массы тела, величины и направления импульса. Они легко рассчитываются машиной по известным уравнениям физики. Сложные взаимодействия разделяются на более простые, а затем каждое из них проигрывается машиной. Но главное здесь не проигрывать процесс каждый раз заново, а получить новую логическую связь: «действие – результат», как у нас в мозгу, мгновенно. Для этого в машине автоматически создаются специальные информационные ключи, которые открываются, если этот процесс уже моделировался ранее и машина сразу выходит на результат, на качественную или количественную оценку.
– Здорово! – восхищённо произнёс Александр.
– Но это ещё не всё. Необходимо развить у машины ассоциативное мышление. Научить её находить сходные процессы, описываемые одними и теми же математическими уравнениями, моделями, но принадлежащие к разным областям знаний. Таких процессов и моделей в природе множество. Достаточно сказать, что и в механике, и в термодинамике, и в электромагнетизме все процессы движения, волновые процессы, описываются одними и теми же дифференциальными уравнениями. И здесь машине помогают составные идентификаторы из других областей знаний. Если машина решает какую-нибудь задачу и встаёт в тупик в отношении модели решения, то она ищет сходные идентификаторы, машинные слова, и движется по ним. А конечный результат проверяет на совпадение с экспериментальными данными или ожидаемым результатом, который задаёт человек. Если экспериментальные данные совпадают с расчётными, то модель (методика) расчётов выбрана машиной правильно. Если нет, машина ищет новый вариант расчётов, новую модель. Сначала берутся наиболее близкие составные идентификаторы, совпадающие по большинству слов, потом более далёкие и, наконец, куски идентификаторов из других областей знаний, позволяющие составить новый, ранее неизвестный, идентификатор нового неизвестного процесса и таким образом найти решение неизвестной ранее задачи. Если же вообще ничего не подходит, то машина требует от человека подсказки, уточнения экспериментальных данных или условий проведения эксперимента. Она сомневается в достоверности исходных или конечных данных. Может попросить проварьировать исходные или конечные результаты в разумных пределах и откорректировать их, найдя точную физическую модель происходящего процесса или ошибку в исходных данных. Так были уточнены многие физические константы Вселенной, которые мы знали лишь приближённо. Мир очень логичен и подчинён строгим физическим законам. Имея математические модели различных процессов, всегда можно выбрать ту, которая выведет на нужный результат. И наоборот, зная модель, можно получить новый результат, не прибегая к физическому моделированию. Поскольку во Вселенной всё взаимосвязано, то, уточнив мировые константы и законы взаимодействия, оказалось возможным раскрыть все тайны макро и микромира.