Модель сравнительных признаков объясняет некоторые из нерешенных вопросов, возникших в связи с теоретико-множественной моделью, но в то же время имеет свои собственные недочеты. Коллинз и Лофтус (Collins & Loftus, 1975) критиковали ее за то, что определяющие признаки используются в ней так, как если бы они были абсолютными свойствами. Никакой отдельный признак не может быть абсолютно необходимым для определения чего-либо (попробуйте, например, определить на юридическом языке «непристойные» фильмы, используя один-единственный «решающий» признак). Канарейка все-таки птица, даже если бы она была синего цвета, или не имела крыльев, или не могла летать, то есть нет такого единственного признака, который определял бы канарейку. Очевидно, что испытуемым было трудно решить, каким является признак, определяющим или характерным.

Несмотря на неразрешенный конфликт между теоретико-множественной моделью и моделью сравнительных признаков, они расширили наше представление о семантической памяти в нескольких важных отношениях. Во-первых, эти модели содержат конкретную информацию о множестве параметров семантической памяти. Во-вторых, они используют классификацию семантической информации как отправной пункт для общей теории семантической памяти, способной охватить широкий круг функций памяти. В-третьих, предполагая наличие в памяти сложных операций, они тем самым затрагивают более широкую проблему строения человеческой памяти, наиболее важной частью которой является вопрос о хранении семантических символов и о законах, управляющих их воспроизведением.

Коллинз и Квиллиан. Из первых сетевых моделей наиболее известна модель, разработанная Алленом Коллинзом и Россом Квиллианом на основе принципов организации памяти в компьютерах (Quillian, 1968, 1969). В этой модели каждое слово помещалось в конфигурацию других слов, хранящихся в памяти, и значение каждого слова представлялось по отношению к другим словам (рис. 9.3).

Рис. 9.3. Гипотетическая структура памяти с трехуровневой иерархией. Адаптировано из: Collins & Quillian, 1969

В приведенном примере хранится информация о «канарейке»: это «желтая птица, которая может петь». «Канарейка» входит в категорию или сверхмножество «птица» (что показано стрелкой от «канарейки» к «птице») и обладает свойствами «может петь» и «желтая» (стрелки от канарейки к этим свойствам). В вышестоящем узле общие свойства о птицах собраны вместе («имеют крылья», «могут летать» и «имеют перья»), и такую информацию не надо хранить отдельно для каждой птицы, тогда как информация о рыбе (например, «может плавать»[59]) должна хранится в другом крыле этой структуры. Высказывание: «Канарейка может летать» оценивается путем воспроизведения информации о том, что: (1) канарейка — член сверхмножества птиц; (2) у птицы есть свойство «может летать». В этой системе «пространство», необходимое для хранения информации в семантической памяти, минимизировано за счет того, что каждый элемент — это одно включение, а не несколько. Модель такого типа считается экономичной при конструировании компьютерной памяти.

Модель Коллинза и Квиллиана привлекательна тем, что из нее ясно видно, каким способом воспроизводится информация из семантической памяти. Чтобы провести поиск в памяти с целью оценки конкретного высказывания — например, «Акула может поворачиваться», — мы должны сначала определить, что акула — это рыба, рыба есть животное, а у животного есть свойство «может поворачиваться»; это довольно извилистый путь. Эта модель предполагает также, что для прохода по каждому из путей внутри данной структуры требуется время. Соответственно Коллинз и Квиллиан испытали эту модель, предложив испытуемым оценивать ложность или истинность высказывания и измеряя при этом время, требуемое для такой оценки (зависимая переменная); независимой переменной была семантическая близость элементов в памяти.

Модель Коллинза и Квиллиана предлагает, что семантическая память состоит из обширной сети понятий, которые составлены из единиц и свойств и соединены рядом ассоциативных связей. Несмотря на то что отдельные стороны модели подверглись критике, например то, что сила ассоциативных связей в пределах сети варьирует (так, зависимую категорию «борьба» труднее идентифицировать как вид спорта, чем «бейсбол») или что отдельная ассоциация нарушает когнитивную экономику системы, но это является доводом в пользу модификации системы, а не отказа от нее. Кроме того, модификации этой модели стали хорошей основой для создания последующих моделей.

Как мы увидели, организация знаний в памяти рассматривалась с нескольких точек зрения. Один из таких подходов использовался для объяснения скорости, с которой мы отвечаем на вопросы, подобные приведенным в следующем списке.