Процесс выявления смысла
Помните Пиролли, Карда и их теорию охоты на информацию? Если нет, то можете освежить свою память, прочитав вот этот пост как раз про них.
А сегодня мы к этим гражданам вернёмся в свете очень интересной работы – «The Sensemaking Process and Leverage Points for Analyst Technology as Identified Through Cognitive Task Analysis» («Процесс выявления смысла и точки приложения аналитической технологии, определённые через анализ когнитивных задач»).
В ней Пиролли и Кард ставят перед собой нетривиальную задачу – понять, как эксперты анализируют информацию в своей области и извлекают из неё смысл. В частности, они говорят следующее: опытный специалист неосознанно и очень быстро извлекает смысл из ситуации, опираясь на одному ему видимый набор признаков. Опытный пожарный, например, может «почуять», что под ним вот-вот провалится пол и выскочить из здания в последний момент. Он затем даже не сможет объяснить, что именно заставило его это сделать, но его мозг за доли секунды поймал знакомый шаблон ситуации.
Тут я остановилась и подумала: «Минуточку, где-то я это уже видела». Знаете, где?
У Канемана, конечно же. Ровно этот пример про пожарного я заимствовала из его книги «Думай медленно… Решай быстро» (вот пост с её обзором, посмотрите раздел «Интуиция экспертов и эффект ореола»). И не просто так: Пиролли и Кард в своей статье цитируют работу Канемана и Тверски «Judgment under uncertainty: Heuristics and biases» («Суждения в ситуации неопределённости: эвристики и искажения»). Но обо всём по порядку.
Вернёмся к работе о смысле. Пиролли и Кард говорят следующее:
Задача извлечения смысла состоит в том, чтобы
- собрать информацию, - представить её в виде схемы,
- извлечь инсайт (озарение, какую-то ценную информацию или хорошее решение задачи) в ходе работы с этой схемой и, наконец,
- произвести действие или сформулировать знание.
Процесс, разумеется, нелинейный и состоит из двух основных циклов:
- цикл сбора информации (или охоты на неё – здесь я опущу подробности, потому что писала о них в посте по первой ссылке выше), результаты которого постепенно дополняют схему;
- цикл выявления смысла.
Цикл выявления смысла включает в себя постоянное сравнение получаемых выводов с источниками, которые находятся в первом цикле. В общем, цикл цикла в цикле с циклом.
Схема – это не какой-то определённый вариант представления информации. Она может быть нарисована карандашом на бумаге, в специальной компьютерной программе, на пробковой доске с красными нитками или вообще существовать только у эксперта в голове.
Вообще эксперта от простых смертных отличает умение строить хорошие схемы. Со временем эксперт (как тот пожарный из примера) научается строить такие схемы на лету, потому что приобретает опыт.
Что во всём этом процессе отнимает больше всего времени и сил?
1. Поиск подходящей информации: движение сквозь большие массивы данных и определение для каждого объекта, подходящий он или нет.
2. Переключение внимания: например, между областями знания, если в разных областях есть заслуживающие внимания документы.
3. Проведение дополнительных поисков: собрали информацию –> в голову пришли новые вопросы –> собрали ещё информацию, и так далее.
Эти задачи – как раз хорошие точки приложения для какой-нибудь технологии. Их затратность проистекает из того, как работает наш мозг: внимание ограничено, восприятие искажено – да, вот именно здесь сияет аки бриллиант работа Канемана и Тверски. Эксперты тоже люди, они склонны забывать нужную информацию или фокусировать внимание на тех источниках, которые подтверждают близкую им гипотезу (упуская все прочие).
Как можно сократить затраты?
Например, если документы будут представлены не целиком, а в виде сжатого пересказа, который корректно отражает суть, анализ больших массивов источников пойдёт быстрее.
Если использовать какие-нибудь метрики соответствия запросу, быстрее получится отметать совсем неподходящие источники, которые потом можно сокращать и анализировать. В качестве такой метрики в самом простом варианте подойдёт даже наличие или отсутствие в тексте определённых ключевых слов.
Ну вы поняли, куда я клоню.
Пиролли и Кард не пишут здесь про языковые модели, потому что это статья 2005 года. А я напишу: вот они, идеальные точки приложения для инструментов на основе ИИ. Поиск, в том числе в разных областях знания, формирование сжатых пересказов, оценка соответствия текстов запросу – отличные задачи для современной нейросети. Но, обратите внимание, не создание схем. Создание схемы – прерогатива эксперта.
***
Подписывайтесь на мой телеграм. Я пишу этот пост в час ночи, потому что у меня бессонница, и не придумала изящной подводки, чтобы попросить вас подписаться на мой телеграм. Просто заглядывайте туда: оно того стоит, зуб даю.