Нейт Сильвер - Сигнал и шум. Почему одни прогнозы сбываются, а другие – нет

Но даже когда предсказания, выданные компьютерами, не внушают нам доверия, они способны развить в нас страхи. Например, компьютеры, рассчитывающие шансы на выживание пациентов больниц, о которых иногда пишут в новостях {612}, начинают считать собратьями HAL 9000, компьютера из фильма «Космическая одиссея 2001», решившего, что он больше не нуждается в астронавтах, и пытавшегося их удушить, лишив подачи кислорода.

Поскольку мы входим в эру Больших данных, а объемы информации и вычислительной мощности растут в геометрической прогрессии, пришло время выработать более здоровое отношение к компьютерам и к тому, что они могут для нас сделать. Технология имеет свои плюсы, поскольку позволяет нам повысить эффективность работы, но не следует ждать, что машины будут думать за нас.

Испанский инженер Леонардо Торрес де Киведо в 1912 г. изготовил версию Механического турка, которую назвал El Ajedrecista (шахматист). Хотя El Ajedrecista иногда и называют первым компьютерным игровым компьютером {613}, функциональность этого устройства была очень ограничена, в частности, он мог разыгрывать лишь позиции в эндшпиле, когда на доске оставалось всего три фигуры. (Кроме этого, у El Ajedrecista не было примечательной особенности «Турка» – кукольной головы в тюрбане.)

Отцом современного шахматного компьютера был Клод Шэннон из МТИ, математик, считающийся основоположником теории информации. В 1950 г. Шэннон опубликовал работу под названием «Программирование компьютера для игры в шахматы», где были представлены некоторые алгоритмы и техники, которые легли в основу сегодняшних шахматных программ {614}. Он также признал, что именно шахматы представляют собой столь интересную задачу, решение которой позволит тестировать мощности машин, обрабатывающих информацию.

Шэннон понимал, что игра в шахматы имеет исключительно ясную и понятную цель – мат сопернику. Более того, она следует сравнительно простому набору правил, и в шахматах отсутствует элемент удачи или случайности. И тем не менее, как знают все, кто когда-либо играл в шахматы (лично я не такой уж хороший игрок), даже простые правила по достижению простой цели еще не означают, что эта задача окажется легкой. Шахматы требуют глубокой концентрации, позволяющей выжить после пары десятков ходов, не говоря уже о том, чтобы выиграть. Шэннон воспринимал шахматы как своего рода лакмусовый тест мощности компьютеров и способностей, которые они могли бы обрести в какой-то момент.

Однако Шэннон, в отличие от своих последователей, не был склонен романтизировать идею о том, что компьютеры могут играть в шахматы так же, как люди. И он не считал неминуемой их победу над людьми на шахматном поле боя.

При этом он отмечал четыре потенциальных преимущества компьютеров, которые:

1) способны очень быстро производить расчеты;

2) не допускают ошибок, если только эти ошибки не зашиты в самой программе;

3) не ленятся и не отказываются от полного анализа происходящего или всех возможных шагов;

4) не будут играть эмоционально и слишком сильно верить в очевидно выигрышное положение, которое может быть упущено, или слишком расстраиваться в сложной ситуации, когда ее еще можно спасти.

По мнению Шэннона, компьютерам противостоят четыре явно выраженных преимущества, которыми обладают только люди, а именно:

1) гибкость и способность переключаться, решая проблему, а не следовать закодированному набору последовательностей;

2) способность к воображению;

3) способность к разумному размышлению;

4) способность обучаться.

Шэннон считал такое противостояние вполне честным. Однако оно обрело более-менее реальную форму лишь в середине 1990‑х гг., когда российский гроссмейстер Гарри Каспаров – лучший шахматист всех времен – решил выступить против одного из самых передовых компьютеров из когда-либо созданных – компьютера Deep Blue производства IBM.

До начала этого матча люди постоянно выигрывали борьбу, и казалось, что компьютерам их не догнать. Однако постепенно компьютеры взяли верх, и теперь это будет так продолжаться, пока мы живы.

В соответствии с теоремой Байеса предсказание представляет собой, по сути, тип деятельности по обработке информации: использование новых данных для тестирования гипотез об объективном мире с целью создать более истинные и более точные концепции о нем.

Шахматы можно считать неким аналогом предсказания. Игроки должны обрабатывать информацию о положении 32 фигур на доске и их возможные действия. Они используют эту информацию для разработки стратегий, позволяющих поставить своему оппоненту мат. Эти стратегии, в сущности, представляют собой различные гипотезы о том, как выиграть игру. Можно сказать, что любой человек, выигравший игру, имел лучшую гипотезу.

Шахматы обладают свойством детерминизма – в них отсутствует реальный элемент удачи. Однако теоретически это справедливо и в отношении погоды, как мы видели в главе 4. Наше знание обеих систем несовершенно. Что касается погоды, то в метеорологии значительная часть проблемы связана с тем, что у нас нет полных данных изначальных условий. Даже если мы очень хорошо представляем, по каким правилам работает погодная система, у нас нет полной информации о положении всех молекул, образующих облака, штормы и ураганы. Поэтому лучшее, что мы можем сделать, – это дать вероятностные прогнозы.

В шахматах известны все правила и имеется идеальный набор информации – количество шахматных фигур конечно, и они располагаются на доске в ясной последовательности. Однако игра все равно невероятно сложна для нас. Шахматы способны многое сказать о нашей способности обрабатывать информацию – и продемонстрировать нам некоторые лучшие стратегии принятия решений. Необходимость предсказания появляется не только потому, что мир сам по себе наполнен неопределенностью, но и потому, что его понимание находится за пределами наших способностей {615}.

Поэтому и компьютерные программы, и шахматисты допускают ряд упрощений, чтобы спрогнозировать исход игры. Мы можем называть эти упрощения «моделями», однако при изучении компьютерного программирования и процессов принятия решений чаще используется термин эвристика . Это слово происходит от того же греческого слова, что и слово «эврика» {616}. Эвристический подход к решению проблемы состоит в использовании эмпирических правил в ситуациях, когда детерминистическое решение проблемы находится вне наших практических способностей.

Эвристика – очень полезная вещь, однако она всегда приводит к возникновению искажений и слепых пятен {617}. Например, правило эвристики «Когда вы сталкиваетесь с опасным животным, то убегайте!» часто действительно представляет собой полезное руководство, но не в случаях, когда вы встречаетесь с медведем-гризли; своим движением вы можете привлечь его внимание, а затем он запросто может вас догнать (напротив, служба национальных парков рекомендует вам в случае встречи с медведем-гризли вести себя максимально тихо и спокойно и даже притворяться мертвым, если это необходимо {618}). Люди и компьютеры используют в процессе игры в шахматы разную эвристику. Игра друг против друга в таких случаях обычно сводится к тому, чтобы найти слепые пятна оппонента быстрее, чем он найдет ваши.