Александр Лук - О чувстве юмора и остроумии

Против переоценки роли математики предостерегал еще Н. Винер.

Уместно также вспомнить, что академик А. Н. Крылов, выдающийся математик, настойчиво повторял слова Т. Гексли: «Математика, подобно жернову, перемалывает то, что под него засыпают, и как, засыпав лебеду, вы не получите пшеничной муки, так, исписав целые страницы формулами, вы не получите истины из ложных предпосылок».

Сами по себе математические методы записи не приблизят нас к истине. Нужно прежде всего заботиться о качестве той «засыпки», которую мы собираемся перемолоть на мельнице математической обработки. Продолжая метафору Гексли, следует сказать, что математическая обработка поможет быстро и верно отличить лебеду от полноценного пшеничного зерна — обстоятельство более чем существенное. На символическом языке, по словам Р. Карнапа, «легче и точнее проверить строгость и правильность того или иного вывода».

Таким образом, символическое представление выделенных нами приемов и их моделирование на электронно-вычислительной машине явится лишь верификацией, проверкой доброкачественности той «засыпки», о которой идет речь в книге. По результатам моделирования потребуется внести поправки и уточнения в предложенную классификацию, либо понадобится ее переработать, либо отбросить и заменить другой классификацией. Последняя возможность не исключена.

Всякая классификация временна и условна. Углубляются наши познания — и меняются классификации, поскольку они отражают не только объективную реальность, но и уровень нащих знаний об этой реальности.

Нам кажется, что изучение алгоритмов мышления не должно ограничиваться двумя-тремя классами задач. Фронт исследований должен быть как можно шире.

Тогда мы будем в состоянии ответить на немаловажный вопрос: можно ли правила мышления, выработанные при решении одного класса задач, с успехом применить к решению задач совсем в другой области? Интуитивно ясно, что да, можно. Но следует это доказать на конкретных примерах.

Мы обратились к изучению алгоритмов мышления при создании остроты. Это не случайно. Нас интересует взаимодействие чувства и мысли, а нигде, как нам кажется, не проявляется столь демонстративно неразрывное единство мысли и чувства, как бэтой специфической области словесного поведения.

Правда, задачи исследования в этой области трудны и неблагодарны. Мы писали, что остроту можно рассматривать как элементарную модель творческого акта. Но слово «элементарную» не должно ввести нас в заблуждение. Творческий процесс очень сложен в любых своих проявлениях. Не каждому дано открыть закон природы или изобрести новый механизм. Острота — наиболее распространенный акт творчества, наиболее общедоступный и простой, но все-таки еще достаточно сложный. А всеобщее мнение заключается в том, что на современных электронно-вычислительных машинах можно моделировать лишь простейшие психические функции человека; за сложные лучше пока не браться.

Оправдана ли такая чрезмерная осторожность? Сошлемся на один пример, который кажется нам весьма поучительным. Речь пойдет о работах Кларксона. [39] G. Clarkson, Portfolio selection, а heuristic approach. — Journal of Finance, 1960, vol. 15, № 4, P. 34.

Кларксон — представитель молодого поколения американских ученых, которые получили разностороннюю подготовку и являются специалистами в области психологии, вычислительной техники и программирования. Он задался целью промоделировать мышление финансового работника, опытного и квалифицированного руководителя одного из банков, человека, на обязанности которого — принимать благоразумные и наивыгоднейшие решения о покупке акций, о вложении (инвестиции) капитала в ту или иную отрасль промышленности.

Мы уже привыкли к высказываниям, что современные вычислительные машины моделируют лишь простейшие психические функции мозга, а сложная интеллектуальная деятельность, где огромную роль играет интуиция, машинам пока недоступна. Точно так же считали и коллеги Кларксона. Они скептически отнеслись к планам молодого ученого, причем доводы их выглядели довольно вескими: опытный банковский работник, давая совет своим клиентам о покупке тех или иных акций, руководствуется знанием финансового дела вообще, состоянием биржи, рыночной конъюнктурой, тенденциями подъема или спада в дайной отрасли промышленности. При этом он опирается на свой богатый опыт, у него есть особое финансовое «чутье». Все это слишком сложно. Недаром эти люди так высоко оплачиваются — их интеллектуальная деятельность считается весьма квалифицированной.

Но Кларксон не послушал скептиков. Он добился разрешения и три месяца провел в кабинете финансового «туза», внимательно приглядывался и прислушивался ко всему, записывал, размышлял и наконец пришел к выводу, что опытный финансист, давая советы клиентам банка о вложении капитала, учитывает всего 14 факторов.

Например, в банк обратилась вдова 46 лет, мать троих детей. Она хочет поместить капитал наилучшим образом, причем максимум прибыли ей нужен немедленно, сегодня же надо дать образование детям, платить за обучение в колледже. А если через 7 — 10 лет доходы снизятся, то это для нее не так важно.

А вот обращается одинокий пожилой мужчина. Он пока работает и в деньгах не нуждается. Но через 5 лет собирается выходить на пенсию и хочет отправиться путешествовать — повидать мир. Значит, ему нужны акции, которые пока пусть и не дают высоких дивидендов, по имеют хорошие перспективы через 4–5 лет.

Таким образом, учитываются возраст клиента, пол, семейное положение, нуждаемость в деньгах в ближайшем и отдаленном будущем.

Точно так же разбивается на рубрики все относящееся к экономической конъюнктуре, курсу акций и перспективам разных отраслей промышленности.

Затем все эти данные переводятся на язык программы, — на язык, доступный вычислительной машине. Проведя с этими данными большое число логических операций, машина выдает решение примерно такого типа: купить на 3000 долларов акций химической компании, на 4000 долларов электрической и на 3000 — водопроводной. Почему несколько видов акций? Опытный финансист никогда не посоветует вложить весь капитал в одно предприятие — в этом больше риска. Соответствующий фактор предусмотрен и в программе для вычислительной машины. Она тоже никогда не посоветует, как говорят американцы, «вложить все яйца в одну корзинку».

Кларксон проделал несколько сот опытов: вводил соответствующую информацию в вычислительную машину и получил рекомендацию от машины. А затем сравнивал ее с решением опытного банковского работника. Совпадение оказалось почти полным. А ведь в портфеле банка бывает до 1000 различных видов акций. Из этой 1000 машина выбрала те же 5–6 наименований, что и человек — квалифицированный и высокооплачиваемый.