Роберт Дилтс - НЛП: управление креативностью

В результате я предложил клиенту изменить ряд допущений и саму воображаемую конструкцию, чтобы создать другой подход. Руководитель продолжал представлять себя маяком. Однако вместо того чтобы давать ярко-красные, но редкие вспышки, он начал излучать неяркий, но постоянный розоватый свет. И через некоторое время небольшие розоватые и красноватые огоньки замерцали на бортах его кораблей. Если он светил достаточно долго, собственные огни появлялись на всех кораблях и разгорались все сильнее, корабли начинали указывать дорогу друг другу.

Впоследствии клиент воплотил этот символический план в жизнь, применив ряд приемов, изученных в данном разделе. Вместо того чтобы описывать проект четко и ясно, он теперь давал только самую общую идею проекта. Затем члены группы рисовали собственные картины в форме воображаемых конструктов или символических метафор того, что, по их мнению, задумал шеф. После этого он просил всех сравнить и прокомментировать свои рисунки, а также исследовать допущения, которые появились у каждого относительно проекта, распределения ролей и ответственности. Поскольку руководитель проекта досконально продумал проект заранее, он выполнял роль скорее тренера или советчика и старался помочь всем членам группы раскрыть ключевые допущения или убеждения. Такой подход позволил не только решить множество проблем с мотивацией и концепцией, которые делали команду неэффективной: члены группы приняли эту идею за общий метод решения проблем.

Ключевые положения

Различные типы метафор, временных фреймов, уровней и точек зрения ассоциированы с различными допущениями и репрезентациями и выражаются через них.

Задача обогащения карты посредством латерального мышления заключается не в том, чтобы найти конкретное решение, но в том, чтобы раскрыть новое пространство решения.

В реальности решения возникают естественным образом из соединения элементов проблемного пространства (симптомы, причины, результаты, ожидание эффектов) с пространством решения.

Юмор – состояние, которое нередко ассоциируется с поиском новых и неожиданных пространств решения.

Кроме того, юмор способствует нетрадиционному мышлению и может оказаться полезным для креативного решения проблем.

Практикум

Проделайте это упражнение с проблемой, карту которой вы рисовали в предыдущей главе.

Какие способы обогащения пространства решения вы лично находите наиболее полезными?

Какие допущения или убеждения, на ваш взгляд, оказались наиболее эффективными? Какие типы репрезентаций?

Какой элемент модели SCORE сыграл наиболее значимую роль?

Что больше всего удивило вас в различных репрезентациях пространства решения?

Приведите пример того, как из пространства решения возникло совершенно неожиданное решение.

Приведите пример таких ситуаций, связанных с решением проблем, в которых позитивную роль сыграл юмор.

Какую роль играет юмор в изменении состояния? Нахождении новой точки зрения? Нахождении нового пространства решения?

Подумайте, как бы вы могли адаптировать некоторые из изученных процессов латерального мышления к вашей производственной реальности.

Раздел 7.4. Заключение: определяем состояния и маршрут внутри проблемного пространства. Модель SOAR

Модель SOAR представляет собой общую структуру обработки информации и решения проблем, разработанную специалистами по искусственному интеллекту. Изначально это была модель компьютерного программирования, с помощью которой предполагалось обучать компьютеры тому, как совершенствовать тот или иной навык эвристически, с опорой на имеющийся опыт. Экспертная система в терминах SOAR — это система, которая постоянно обучается, модернизируется и обогащает собственную карту проблемного пространства. Настоящий эксперт – не тот, кто знает единственный верный способ делать что-либо. Согласно закону необходимого разнообразия, эксперт постоянно изменяет, варьирует и модернизирует собственные способности.

Структура SOAR придумана для того, чтобы компьютеры с ее помощью научились решать комплексные задачи из области решения проблем, например при игре в шахматы. Компьютеры программировались не на то, чтобы знать, как нужно играть в шахматы, но скорее на то, чтобы учиться играть в шахматы на основе обратной связи от игры. Каждый раз, играя новую партию, компьютер узнает что-то новое. Таким образом, он постоянно повышает свою сообразительность. Этот процесс имеет большое значение для менеджеров и организаций – успех и компетенция являются функцией способности к постоянному обучению, а также пополнению и расширению воспринимаемого спектра альтернатив.

Согласно модели SOAR, процесс целеориентированного изменения в организации или системе подразумевает движение от текущего состояния к желаемому через ряд промежуточных состояний, которые охватывают различные области проблемного пространства. Проблемное пространство связано со всеми физическими и нефизическими элементами, которые влияют на состояние компании или человека.

SOAR расшифровывается как Состояние-Оператор-И-Результат (State-Operator-And-Result), что определяет базовую петлю обратной связи при прохождении через проблемное пространство. По существу, модель SOAR является интеграцией модели TOTE с понятием проблемного пространства, которое задействует более широкую систему. Оператор изменяет текущее состояние по направлению к желаемому (или прочь от него). Результаты применения операторов запоминаются как набор правил «условие-действие», который состоит из а) доказательств для определения ключевых состояний внутри проблемного пространства и б) групп операторов, с помощью которых эти состояния можно изменять в нужном направлении.

К примеру, в шахматах проблемное пространство определено игровой доской, различными фигурами и ролями «оппонентов». Исходное состояние определяется положением фигур на доске. Целевое состояние – загнать короля противника в угол, поставив ему мат. Действиями являются разрешенные правилами ходы каждой из сторон. Компьютер продвигается к желаемому состоянию путем оценки и запоминания «контрольной» информации в форме приоритетов, которыми наделяются различные возможные ходы, основанные на текущем положении фигур. Приоритеты распределяются согласно вероятности успеха, соответствующей текущему положению на доске, а также количеству дозволенных ходов и уровню ценности, приписанному каждой конкретной фигуре.

Способность ставить себе широкий спектр целей и достигать их является одним из основных признаков интеллекта. Модель SOAR — это программная модель искусственного интеллекта (Artificial Intelligence, AI), предназначенная для общего решения проблем. SOAR была разработана Алленом Ньюэллом Гербертом Саймоном и Клиффордом Шоу (Allen, Newell, Herbert Simon, Clifford Shaw) в 1950-х гг. и использовалась для создания компьютерных программ игры в шахматы; модель предполагала, что компьютер обучается самостоятельно в ходе игры, на опыте уже решенных проблем. Подобные программы и по сей день являются наиболее успешным применением искусственного интеллекта.

Согласно данной модели, вся психическая деятельность, посвященная полученному заданию, происходит на когнитивной арене под названием «проблемное пространство». Проблемное пространство, в свою очередь, складывается из набора состояний, которые описывают ситуацию в каждый конкретный момент, и набора операторов, которые описывают методы, которыми решающий проблему может менять ситуацию, переходя из одного состояния в другое. К примеру, в шахматах проблемное пространство будет представлять собой [ряд параметров, которые определяют] «шахматную партию» [такие параметры, как два игрока, доска и т. п.], состояние будет включать в себя конкретную расстановку фигур на шахматной доске, а операторами будут служить разрешенные ходы, такие как «пешка е2-е4)». Задача решающего проблему – найти такую последовательность операторов, которая выведет его из заданного исходного состояния (к примеру, фигуры выстроены в ряд в самом начале партии) и приведет к заданному состоянию решения (король противника в положении мата) (Waldrop, 1988).

Рис. 7.1. Проблемное пространство

После того как все эти параметры определены, решающий проблему должен сформулировать стратегию управления, чтобы найти последовательность операторов, позволяющих пройти путь от стартового состояния к целевому. Для этого служит ряд наделенных приоритетами правил «условие-действие», имеющих форму «ЕСЛИ вы воспринимаете определенное состояние, ТОГДА применяйте определенную последовательность операторов».