Леонард Млодинов - Эластичность. Гибкое мышление в эпоху перемен

Загвоздка с выработкой у компьютеров эластичного мышления состоит в том, что, хотя компьютеры считают все быстрее и быстрее, к более эластичной обработке данных это пока не приводит. А потому за десятилетия с тех головокружительных первых дней задачки, подчиняющиеся внятно расписанным и легко кодируемым правилам или распорядкам, замечательно поддаются автоматизации, а вот те, что требуют эластичного мышления, – в общем, нет.

Взгляните вот на этот абзац:

По рзелульаттам илссеовадний Кембриджского унвиертисета, не иеемт занчнеия, в кокам пряокде рсапожолены бкувы в солве. Галвоне, чотбы преавя и пслоендяя бквуы блыи на мсете. Осатьлыне бкувы мгоут селдовтаь в плоонм бсепордяке, все-рвано ткест чтаитсея без побрелм [46] Michael Gazzaniga et al., Cognitive Neuroscience: The Biology of the Mind, 4-е изд. (Нью-Йорк: W. W. Norton, 2014), 74. [Русскоязычный вариант так называемого «кембриджского эффекта» приводится по распространенной в Интернете версии. – Примеч. перев. ] .

Существует множество компьютерных программ, умеющих читать напечатанный текст вслух, но на таких сильных отклонениях от стандартного написания они захлебываются. Мы же, люди, можем прочесть такое почти без запинки.

Неожиданная легкость, с какой мы прочитываем приведенный абзац, – признак эластичности нашего мышления. Ум замечает без всякой подсказки: что-то не так. А затем соображает, что́ тут происходит, сосредоточивается на правильно расставленных первых и последних буквах каждого слова, а затем тасует буквы в середине слов. С учетом общего контекста ум расшифровывает значение написанного, лишь немного теряя в скорости. Компьютер, читающий тексты, попытается сопоставить каждый набор букв со словом в словаре и, вероятно, учтет кое-какие распространенные опечатки и грамматические ошибки, но в конце концов это все ни к чему не приведет – если заранее не снабдить его программой, написанной для решения этой конкретной задачи.

Требующие эластичного мышления задачи могут быть для современного компьютера непосильными, даже если для человека они обыденны [47] David Autor, “Polanyi’s Paradox and the Shape of Employment Growth”, National Bureau of Economic Research Working Paper № 20485, 2014. . Возьмем распознание закономерностей. Экономист из Массачусетского технологического института Дэвид Отор рассуждает о трудности визуального распознания стула. Эту задачку решит любой школьник, но как запрограммировать компьютер, чтобы и у него получилось? Можно попробовать определить ключевые характеристики – горизонтальная поверхность, спинка, ножки. К сожалению, этот набор черт присущ многим предметам, которые не стулья, – например, кухонная плита с ножками или встроенная мойка с фартуком. Вместе с тем существуют стулья без ножек, и они под это определение не подпадут.

Определить стул, основываясь на рациональном описании с опорой на те или иные правила, трудно, поскольку определение должно включать не только типовые стулья, но и громадное разнообразие оригинальных моделей. Как же это удается любому третьекласснику? Эластичное мышление – не алгоритмическое, и под этим я подразумеваю, что мы овладеваем идеями и делаем выводы без четкого определения необходимых для этого шагов. (Это я говорю независимо от того, получится ли симулировать деятельность мозга при помощи машины Тьюринга, как некоторые считают.) Напротив, нейронная сеть нашего бессознательного ума не полагается на продуманные и легко формулируемые определения стула, а научается взвешивать сложную комбинацию особенностей предмета, а мы эту работу ума даже не осознаем.

Некоторые смекалистые передовые программисты в «Гугле» пытаются усовершенствовать обычные компьютеры, ища способы имитировать работу нейронных систем человеческого мозга. Тамошние ученые построили машину, способную без помощи человека распознавать очертания, которые мы именуем котом [48] Quoc Le et al., “Building High-Level Features Using Large Scale Unsupervised Learning”, в: Proceedings of the 29 th International Conference on Machine Learning, сост. John Langford, Joelle Pineau (Мэдисон, Висконсин: Omnipress, 2012), 81–88. . Этот подвиг потребовал тысячи компьютеров, объединенных в сеть. Ребенок же справляется с этой задачей к своим трем годам, попутно жуя банан и размазывая арахисовую пасту по стенке.

Это подводит нас к некоторым ключевым различиям в архитектуре мозга и цифровых компьютеров, что, в свою очередь, говорит кое-что важное о нас самих. В отличие от человеческого мозга, компьютер состоит из взаимосвязанных переключателей, в которых можно разобраться по коммутационным и логическим схемам, и работают они, следуя отчетливо определенному набору шагов (программе или алгоритму) линейно, в соответствии с задачей, имеющейся у программиста. Ученые из «Гугла», соединившие в нейронную сеть тысячу таких вот компьютеров, совершили впечатляющий подвиг, и это многообещающий подход. Но наши мозги способны на неизмеримо более грандиозные подвиги – на формирование нейронных сетей из миллиардов клеток, и каждая при этом связана с тысячей других. Из таких сетей складываются еще более масштабные структуры, а те в свою очередь – в еще более громадные, и далее, и далее, в сложнейшую иерархическую схему, которую ученые только-только начинают постигать.

Как я уже говорил, биологический мозг способен обрабатывать данные и сверху вниз, как это делает традиционный компьютер, и снизу вверх, что важно для эластичного мышления, – а также в некотором сочетании этих двух режимов. Как мы еще убедимся в Главе 4, процессы, происходящие снизу вверх, зарождаются из сложных и сравнительно «безнадзорных» взаимодействий миллионов нейронов и способны приводить к самым неожиданным свежим замыслам. Процессами же, происходящими снизу вверх, напротив, управляют исполнительные области мозга, и в этих процессах пошагово производится аналитическая мысль.

Наш исполнительный ум успешно подавляет мысли, возникающие невпопад. Но если мы решаем некую задачу и идем в неверном направлении, мысли невпопад – шаги не гуськом – как раз нам и нужны. Сэнфорд Пёрлисс, известный адвокат, рассказывает об одном случае, о котором он узнал еще в юридической школе [49] Рассказал Сэнфорд Пёрлисс в выступлении на открытии: 2017 Perliss Law Symposium on Criminal Trial Practice, 1 апреля 2017 г. . Ответчик попал под суд за убийство своей жены. Косвенные улики были сильны, однако труп полиция так и не нашла. Составляя заключительное слово, адвокат сперва применил обычный подход, суммируя все показания, чтобы подогреть в присяжных разумное сомнение. Но логика оказалась бессильна: адвокат опасался, что никого убедить не сможет. И тут у него «откуда ни возьмись» возникла мысль.

Представ перед присяжными со своим заключительным словом, адвокат сделал громкое заявление: предположительная жертва найдена. Она здесь, в здании суда. Он попросил присяжных обратить взоры на вход в зал заседаний. С минуты на минуту она войдет и тем самым докажет невиновность ответчика. Предвкушая, присяжные повернулись к дверям в зал. Прошло несколько секунд, но никто не вошел. Тут адвокат с большой помпой произнес, что, к сожалению, женщина не нашлась – но раз присяжные все-таки согласились посмотреть, в глубине души у них имеются разумные сомнения, а потому им следует голосовать за оправдательный приговор. Блестящий пример того, как ум адвоката отступил от привычного последовательного подхода и двинулся по новому пути. К сожалению для подзащитного, адвокат не предупредил его об этой уловке. В результате ответчик, не имевший никаких сомнений, что его жена мертва, не повернулся вместе со всеми ко входу в зал. Прокурор в своей речи указал на это, и приговор прозвучал обвинительный.