Решили испытать новейший военный суперкомпьютер. Заложили в него 
всевозможные данные по военному делу. Приходит генерал и спрашивает: 
      – Нам наступать или отступать? 
      Компьютер думает несколько часов и выдает: 
      – Yes! 
      Полковник: 
      – Что 'Yes'? 
      Компьютер думает еще несколько часов и рапортует: 
      – Yes, sir! 
      Для общения с ЭВМ потребовались особые специалисты – программисты. А уж 
об их умении думать, как их собственные подопечные стали ходить настоящие 
легенды: 
      Программист ставит себе на тумбочку перед сном два стакана. Один с водой 
– на случай, если захочет ночью пить. А второй пустой – на случай, если не 
захочет. 
      Гораздо более интересный подход наметился с приходом кибернетики. Здесь 
уже человек задумался над тем, как научить машину думать. Ну, хотя бы в 
минимальных пределах. Понятное дело, чтобы "не изобретать велосипед" решили 
скопировать собственный стиль мышления. Так появилось понятие искусственного 
интеллекта. 
      А ученые в очередной раз задались вопросом: "Как же человек думает?" И 
главный сюрприз был именно в том, что теперь уже этим вопросом занялись 
представители точных наук. Их в первую очередь интересовали те вещи, которые 
действительно работали. Они отбросили все домыслы и фантазии и взяли из 
человеческого интеллекта именно то, что можно реально переложить на точный 
машинный язык. Ведь эти ученые собирались научить компьютеры думать, причем 
думать эффективно. И по-человечески… 
      Как вы понимаете, НЛПеры в своем поиске реально работающих инструментов 
просто не могли пройти мимо столь полезных находок. А это действительно 
оказалось самым настоящим сокровищем. Удобным, простым, универсальным – 
полезным. Причем, они взяли уже обработанный трудами многих кибернетиков алмаз 
и просто применили к моделированию человеческого совершенства. 
      Компьютеры просто отдали свой долг людям. С помощью тех же методов, 
какими они учились мыслить по-человечески, люди сами стали учиться тому же… 
      Та самая модель… 
      Простая, удобная, универсальная и потому – базисная, она появилась одной 
из первых. Ее иногда называют моделью эффективного достижения целей, основанной 
на обратной связи. Общую идею этой модели можно выразить словами "постепенное 
приближение к выбранной цели методом последовательных циклических приближений". 

      Вспомните грибников. Если подумать, там они выполняют большое количество 
повторяющихся действий, и в результате получают полную корзину. 
      Идут, смотрят по сторонам, заметили гриб, подошли, наклонились, срезали, 
положили в корзину, идут дальше, смотрят по сторонам, заметили гриб, подошли, 
наклонились, срезали, положили в корзину … 
      Цикл, стало быть. И так гриб за грибом они постепенно приближаются 
желаемому результату. Кому-то нужна корзина, кто-то стремится к ужину… 
      Формулировка действительно сложновата, но ее можно понять с помощью трех 
главных слов: цель, чувствительность, гибкость. Действительно, те кто легко 
достигает поставленных перед собой целей, руководствуются именно этими тремя 
принципами. Они четко знают, чего хотят. Они чувствительны к внешней обстановке.
 Они могут проявлять гибкость в средствах достижения своей цели. 
      Про важность грамотной постановки цели я говорить не буду – этому уже и 
так уделено достаточно много слов. Чувствительность проявляется в том, что 
после каждого небольшого шага мы собираем обратную связь из внешнего мира: 
"Приблизил ли меня этот шаг к желаемому результату?" Гибкость определяет нашу 
способность изменять свои действия вместе с переменой внешней обстановки. 
      Примерно этому самому и стали тогда учить машины. Ей ставилась 
максимально конкретная задача, давались средства для ее решения, назначалась 
"целевая функция" (она определяет эффективность каждого очередного шага) и 
давался четкий критерий выхода. Благодаря всему этому, компьютер учился решать 
самые различные задачи: от решения сложнейших систем дифференциальных уравнений 
до традиционных головоломок типа "пятнашек". 
      Формально полученная модель называется T.O.T.E. – 
Тест-Операция-Тест-Выход (Exit). При первом тесте мы определяем нашу цель, то 
чего мы хотим достичь. При втором – где мы сейчас находимся. Операции, которые 
мы выполняем, направлены на уменьшение разницы между первым и вторым тестом. 
Выход определяет условие перехода к следующей цели (при совпадении тестов, по 
прошествии определенного количества времени, при обнаружении более желаемой 
цели и т.д.)[45]. 
      Т1       Критерии выхода (при совпадении тестов, по времени и т.д.). При 
не выполнении условия выхода идем на операции       Е       О             Т2    
         Операции по приближению второго теста (текущего положения) к первому 
тесту (желаемому положению)                                                     
  Кстати, на картинке заметна образовавшаяся петелька. Она называется петлей 
обратной связи. Так мы получаем информацию об изменении нашего местоположения 
относительно цели. Именно благодаря этой петле модель Т.О.Т.Е. стала столь 
эффективной. Она позволяет делать именно те шаги, которые непосредственно 
приближают к желаемому результату. Или, что тоже не редкость, вовремя 
отказаться от труднодостижимой цели в пользу более реальной.