احتمالا قبلا عبارت جعبه سیاه را شنیده باشید.
آشناترین خاطره ما از این واژه، جعبه سیاه هواپیماست.
علاوه بر هواپیما، این عبارت در نام‌گذاری سیستم‌ها هم استفاده می‌شود.
جعبه سیاه به سیستم‌هایی اطلاق می‌شود که اطلاعی از فرآیندهای داخلی آن نداریم.
سیستم‌هایی که فقط می‌توانیم ورودی را به سیستم بدهیم و خروجی را ببینیم. نمی‌دانیم داخل سیستم چه بلایی سر ورودی‌ها می‌آید که خروجی متناظر با آن ایجاد می‌شود.
حال فرض کنید که ما از یک سیستم فقط ۱۰ جفت از ترکیب ورودی و خروجی را داریم.
می‌خواهیم بدانیم اگر ورودی ۱۱ا‌می‌وارد این سیستم شد، خروجی آن چه خواهد بود؟
طبیعتا زمانی قادر به پیش‌بینی دقیق این نتیجه خواهیم بود که تابع عملکرد سیستم ( همه اتفاقاتی که بر سر ورودی‌ها می‌آید) را بدانیم. ولی جعبه سیاهی که در اختیار داریم، هیچ اطلاعاتی درباره تابع عملکردش در اختیار ما نگذاشته است.
پس ما مجبور می‌شویم به کمک همان ۱۰ جفت ترکیب ورودی و خروجی، تابعی برای این سیستم استخراج کنیم. تابعی که حداقل برای هر یک از ۱۰ ورودی در دست، نتیجه متناظرش را نتیجه دهد.
با داشتن چنین تابعی می‌توانیم تا حدودی دقت پیش‌بینی نتیجه حاصل از ورودی ۱۱ام در این جعبه سیاه را پیش‌بینی کنیم.
این شکل از استخراج فرمول تابع یک سیستم، یکی از متداول ترین و ساده ترین روش‌های الگویابی و استخراج توسط ذهن ماست.
هر چرخه یادگیری، یک ترکیب از ورودی و خروجی است.
وقتی بین تعدادی از این چرخه‌ها ارتباطی برقرار می‌شود، ذهن از همان روش به‌کاررفته در جعبه سیاه، تلاش می‌کند تا فرمولی از آنها استخراج کند تا قادر به پیش‌بینی نتیجه ورودی‌های جدید هم باشد.
مثلا اگر ما ۱۰ بار سکه را پرتاب کنیم و در ۹ بار از این ۱۰ پرتاب سکه رو بیاید و تنها یک بار پشت بیاید ( با فرض اینکه قبلا هیچ اطلاعاتی غیر از این ۱۰ پرتاب در ذهن نداریم)، ذهن ما بر اساس همین ۱۰ چرخه یادگرفته شده، الگویی درباره نتایج پرتاب سکه شکل می‌دهد.
اگر قرار باشد پرتاب ۱۱ام را پیش‌بینی کنیم، ذهن به واسطه اینکه در ۹۰ درصد مواقع سکه رو آمده، احتمالا در این پرتاب هم با احتمال ۹۰ درصد یا بیشتر آن را رو پیش‌بینی خواهد کرد. در حالی که همه می‌دانیم که احتمال رو یا پشت آمدن سکه، ۵۰ درصد است.
چند نکته درباره الگویابی
ذهن محکوم به الگویابیست
ذهن یادگرفته که الگویابی، یکی از لازمه‌های بقای اوست. از همین جهت در بدترین شرایط هم دست به الگویابی می‌زند.
شاید در یک موضوع تنها یک چرخه یادگیری موجود باشد. در صورت ضرورت، همین تک چرخه مبنای الگویابی قرار می‌گیرد.
نقش مدل ذهنی بر الگویابی
در تشکیل چرخه‌های یادگیری به نقش فراگیر مدل ذهنی اشاره شد.
هر جا که نیازی به تحلیل شرایط و اطلاعات باشد، پای مدل ذهنی هم در میان است .
در الگویابی هم این مدل ذهنی ماست که مسئولیت فرآیند تحلیل اطلاعات و الگویابیست.
مدل ذهنی ما در جای‌جای فرایند یادگیری ما حضور مستقیم دارد و نقش اول این فرایند به حساب می‌آید.
هر قدر در شناخت مدل ذهنی خود و عوامل تاثیرگذار بر آن آگاه باشیم، تسلطمان بر رفتارها و یادگیریمان افزایش خواهد یافت و منطق تصمیمات ناخودآگاهمان را بهتر درک خواهیم کرد.
الگوها اصلاح می‌شوند
الگوها بی تغییر نمی‌ماند و ذهن با مشاهده رویداد‌ها و نتایج بعدی، الگوی شکل گرفته را اصلاح کند.
در همان مثال بالا ممکن است با افزایش تکرار پرتاب‌ها، الگوی قبلی اصلاح شود و الگوی جدیدی از پرتاب سکه در ذهن ایجاد شود.
اصلاح الگوها، به اندازه الگویابی و حتی بیشتر در یادگیری ما نقش دارد. بدون امکان اصلاح الگوها، تقریبا قادر به یادگیری نخواهیم بود. ( فرایند اصلاح الگوها در مطلب دیگری توضیح داده خواهد شد.)
معمولا اطلاعات بیشتر، دقت الگوی ما را بیشتر می‌کند
هر قدر اطلاعات بیشتری در دست داشته باشیم، احتمالا الگوی به دست آمده، دقت بالایی خواهد داشت. ( افزایش دقت الگو پرتاب با افزایش تعداد پرتاب‌ها)
البته این رابطه همیشه هم برقرار نیست.
بعضا با افزایش حجم اطلاعات، نتایج به حدی گسسته می‌شوند که امکان ارزیابی و استخراج الگو از آنها از بین می‌رود.
همیشه هم فرصتی برای اصلاح الگوها نیست
توجه به این نکته حائز اهمیت است که همیشه رویداد‌ها به اندازه پرتاب سکه در زندگی ما تکرار نمی‌شوند و ما فرصت اصلاح الگوهای منتجه از آنها را نداریم.
گاهی حتی با وجود تکرار ، ذهن الگوهای خود را اصلاح نمی‌کند.
پیشنهاد مطالعه:
الگوهای ذهنی ما چطور اصلاح می‌شوند؟
رویدادهای اطراف ما، چگونه الگوهای ذهنی و مدل ذهنی ما را می‌سازند؟-متمم
