Если вы хотите достичь какой-то цели, вам непременно понадобится информация о действиях или объектах, которые могут в этом помочь. Но что делать, когда то, что у вас есть, не совсем соответствует тому, что вам нужно? В таком случае необходимо найти замену – нечто иное, но не слишком отличное. Например, предположим, вы хотите сесть и ищете стул, но стула нигде нет. Однако, если на глаза вам попадется скамья, вы вполне можете посчитать ее подходящей заменой. Что помогает вам увидеть в скамье необходимые качества, которых вы не нашли бы у книги или лампы? Что заставляет нас избирательно замечать то, что может оказаться полезным? Патрик Уинстон [1970] предположил, что знания организованы в структуры, которые он назвал «сетями сходства», – рассмотрим, например, такие отношения между различными типами мебели:

Чтобы использовать такую структуру, сначала необходимо составить описания объектов, которые в ней представлены. Например, типичная концепция стула может включать в себя четыре ножки, горизонтальное сиденье и вертикальную спинку, причем ножки должны поддерживать сиденье снизу на надлежащей высоте над полом. Скамья будет обладать аналогичными характеристиками (за исключением большей ширины и отсутствия спинки).

Теперь, если вы ищете предмет, который соответствует вашему описанию «стула», ваша «мебельная» сеть может распознать скамью как нечто сходное. После этого вы можете выбрать скамью или отказаться от нее, потому что она слишком широка или не имеет спинки.

Каким образом мы накапливаем полезные наборы разностных связей? Один из возможных способов таков: всякий раз, когда нам попадается объект A, который «почти подходит» (для текущей цели), а также Б, который подходит на сто процентов, мы соединяем эти два объекта разностной связью вида: «A подобно Б, за исключением различия Р». В таком случае подобные сети могут также хранить в себе знания, которые требуются, чтобы превратить то, что у нас есть, в то, что нам нужно, – а также найти альтернативную точку зрения, когда исходная не приносит пользы. Таким образом, разностные сети помогают нам вызывать в памяти воспоминания, необходимые в конкретной ситуации.

Разработка большинства традиционных программ предполагала использование более «логичных» схем, которые, например, классифицируют стул как единицу «мебели», а стол – как тип мебели. Такие иерархические классификации часто помогают найти сходные предметы, но также могут стать причиной самых разных ошибок. Подозреваю, что люди используют оба метода, но «боковые» связи в наших разностных сетях имеют критическое значение для построения аналогий, которые являются одним из самых полезных способов думать.