различных ипсативных показателей того, что измеряется. Если бы цель заключалась 
в измерении мотивации к пониманию музыки, респондента можно было бы попросить 
указать ту сумму (деньги — ограниченный ресурс для большинства людей), к-рую он 
тратит на диски, концерты, музыкальную литературу и т. п.
    Эти примеры иллюстрируют то, что называется само-ипсативным шкалированием 
(self-ipsative scaling), при к-ром формат ответов так или иначе требует от 
респондента распределить ресурсы, представленные определенным набором пунктов. 
В Шкале ценностей Олпорта — Вернона каждый пункт требует от респондента указать,
 какое из неск. занятий — интеллектуальное, эстетическое, религиозное, 
коммерческое и др., — он ценит больше всего. Мерой конкретной ценности (напр. 
эстетической ориентации) является сумма ответов, указывающих на то, что 
респондент предпочитает занятия, связанные с этой ценностью, всем остальным.
    Такого рода подсчет показателей означает, что если некто получает высокий 
показатель по какой-то одной ипсативной неременной, он должен получить 
пропорционально низкие показатели по др. ипсативным переменным. Это создает 
тенденцию тяготения интеркорреляций между ипсативными переменными к 
отрицательным значениям.
    Само-ипсативные показатели являются т. о. операционально (т. е., 
экспериментально) зависимыми. Это важно осознавать при планировании 
статистического анализа данных по ипсативным переменным. Матрица 
интеркорреляций ипсативных переменных является вырожденной, а это, в частности, 
означает, что не следует пытаться обращать эту матрицу с целью вычисления 
коэффициентов множественной регрессии. Факторы, извлекаемые из такой матрицы, 
имеют аномальные свойства, затрудняющие их непротиворечивую (имеющую физ. 
смысл) интерпретацию.
    Ипсатизация иногда вводится на уровне обработки результатов тестирования 
тем, кто производит расчет показателей. В этом случае И. ш. реализуется за счет 
применения определенной схемы подсчета показателей к оценкам, к-рые во всех др. 
отношениях являются нормативными или интерактивными. Напр. знания респондента о 
графике могут рассматриваться как показатель того, насколько он ценит 
эстетические занятия.
    См. также Измерение, Оценка личности, Шкалирование
    Дж. Л. Хорн
    
   Искусственный интеллект (artificial intelligence)
    
    В самом широком смысле И. и. — это абстрактная теория челов., животного и 
машинного познания. Конечная цель ее развития — создание единой теория познания.

    Как теорет. психология. И. и. представляет собой продолжение 
исследовательской программы, начатой еще Джорджем Булем: «Математика, к-рую мы 
должны создать, — это математика челов. интеллекта». Упомянутая математика 
известна под названием булевой алгебры и является системой, позволяющей 
представлять пропозиции (высказывания) в двоичной записи. Булева символическая 
логика наряду с разраб. языков программирования сделала возможной создание 
такой вычислительной науки, как И. и.
    Э. Л. Пост заложил мат. основы продукционных систем, к-рые впоследствии 
были использованы в информ. психологии А. Ньюэлла и Г. А. Саймона.
    «Продукционная система — одно из тех счастливых, но окрашенных в минорные 
тона событий, о к-рых историки науки часто говорят: практически готовый к 
использованию формализм, залежавшийся в ожидании научного применения. У 
продукционных систем долгая и неоднозначная история. Их использование в 
символической логике начинается с Поста, от к-рого они получили свое название. 
Они тж появляются под видом алгоритмов Маркова. Их использование в лингвистике, 
где они наз. тж правилами вывода, возводят к Хомскому. Наряду со мн. др. 
понятиями теории вычислительных систем, они приобрели по-настоящему широкое 
распространение, когда достигли своей операционализации в языках 
программирования.»
    Сильные стороны и ограничения И. и. нагляднее всего проявляются при 
сравнении его с познавательной способностью человека в различных 
интеллектуальных областях. В качестве таких областей будут выбраны 
доказательство мат. теорем, правовое обоснование, решение задач в физ. науках и 
процессы научного открытия.
   Доказательство математических теорем
    Со времен Евклида для доказательства мат. теорем в геометрии, алгебре, 
дифференциальном и интегральном исчислении и в более совр. разделах математики 
было достаточно одного челов. интеллекта. Но для доказательства теоремы о 
четырех красках челов. интеллекту потребовалась помощь И. и. Наиболее 
творческие умы в математике тщетно пытались доказать справедливость гипотезы 
четырех красок, и это состоялось лишь после того, как Аппель и Хакен 
использовали компьютер в качестве полноценного интеллектуального партнера для 
точного и полного разрешения этой имеющей столетнюю историю загадки.
    Кроме того, хотя истинность мат. доказательств зависит от их подтверждения 
при воспроизведении математиками-людьми, истинность доказательства Аппеля и 
Хакена можно установить только путем его независимой проверки с использованием 
др. компьютерных программ. Произошел серьезный отход от опоры исключительно на 
мат. рассуждение чел. как последней инстанции.
    Гипотеза четырех красок была впервые выдвинута Фрэнсисом Гутри в 1852 г. и, 
невзирая на применение множества оригинальных и изобретательных мат. идей, не 
поддавалась доказательству до тех пор, пока, наконец, спустя столетие Аппель и