Терри Пратчетт - Наука плоского мира IV: Судный день

Различие между системой 1/системой 2 можно в общих чертах соотнести с классификацией Бенфорда мышлением, ориентированным на человека и мышлением, ориентированным на Вселенную. Интуитивное мышление, как правило, не выходит за пределы человеческих масштабов мировосприятия, и зачастую делает акцент на быстром принятии решений, едва ли основываясь на чем-то большем, чем внутреннее чутье. Многие люди, сталкиваясь во время выборов со сложностями в оценке избирательной программы того или иного кандидата, поскольку политические вопросы часто оказываются довольно запутанными, полагаются на моментальные суждения систему 1. «Мне кажется, его глаза посажены слишком близко». «Мне нравится его деловой костюм». «Я отдам свой голос любому, кто поддержит/не поддержит свободный рынок». Мышление, ориентированное на Вселенную, обязательно имеет аналитический характер это система 2. Людям приходится учиться нечеловеческому мышлению. Чтобы отказаться от человекоориентированного мышления, нужны сознательные усилия и образование.

Конечно, нет причин полагать, что эти два подхода к классификации процессов мышления должны совпадать друг с другом и, скорее всего, никакого совпадения нет во всяком случае, не в деталях. Более того, психологические эксперименты затрагивают только малую часть человеческих мотиваций и убеждений. Даже если выводы верны а найти возражение в данном случае не так уж сложно они лишь указывают на взаимосвязь, а вовсе не на причину. Тем не менее, эти результаты согласуются с другими исследованиями религиозных взглядов например, они гораздо реже встречаются среди ученых и образованных людей, чем среди людей с низким уровнем образования. Кроме того, как подсказывает жизненный опыт атеистов и рационалистов, люди, придерживающиеся крайне религиозных взглядов, зачастую неспособны дать критическую оценку. Особенно если дело касается их собственной веры.

Психологи изучают человеческий мозг в целом; нейробиологи детально исследуют внутренние механизмы мозга, и, в частности, управление движениями тела. Многие считают, что именно это вызвало эволюцию мозга, а обработка сенсорной информации вместе с остальными, более тонкими, функциями, появилась позже. Инженеры, ставящие целью построение улучшенных роботов, заимствуют у мозга некоторые из его хитростей. Одно из фундаментальных свойств мозга заключается в его обращении с неопределенностью.

Наши чувства неточны, и информация, которую они передают в мозг, может содержать «шум» случайные ошибки. Внутренние процессы мозга, в отличие от тщательно спроектированного аппаратного или программного обеспечения, имеют эволюционно-биологическое происхождение, а значит, тоже могут ошибаться. Сигналы, передаваемые от мозга к телу, неизбежно испытывают разброс. Попробуйте сотню раз загнать мячик для гольфа в лунку с расстояния десяти метров. У вас не получится сделать это в 100 % случаев. В каких-то случаях вы попадете точно в лунку, в других слегка промахнетесь, но иногда промах будет больше. Профессиональные гольфисты получают немалые деньги, потому что в отличие от всех остальных людей умеют чуть лучше справляться с подобным разбросом.

Те же самые разбросы как правило, в преувеличенной форме проявляются в социальных и политических суждениях. Здесь отношение сигнал/шум еще выше. Нам нужно не только принять во внимание всю предоставленную информацию, но еще и решить, что из этого имеет смысл, а что нет. Каким образом мозгу удается жонглировать этими конфликтующими факторами и приходить к какому-то общему решению? Современная теория, которая в значительной мере объясняет происходящее, и подтверждается многочисленными наблюдениями, заключается в том, что мозг можно представить в виде байесовской машины принятия решения.

Ошибочно полагать, будто любое явление природы в точности совпадает с некоторой формальной математической моделью хотя бы потому, что математика, в отличие от природы, это система человеческого мышления. Байесовская теория принятия решений это раздел математики, способ формального описания вероятностей и статистики. Мозг это сеть взаимосвязанных нервных клеток, динамика которых определяется химическими процессами и электрическими токами. Принимая это во внимание, кажется, что за миллионы лет эволюции в нашем мозге появились сети, которые воспроизводят математические свойства, известные в байесовской теории принятия решений. Мы можем проверить существование таких сетей, но пока что едва ли представляем, как именно они работают.

В 1700-х годах преподобный Томас Байес, сам того не ведая, положил начало революции в статистике, предложив новую интерпретацию вероятностей. На тот момент вероятность и без того была расплывчатым понятием, но согласно широко распространенной договоренности, вероятность события можно было определить как долю испытаний, в которых происходит это событие при том, что число самих испытаний достаточно велико. Выберите наугад карту из колоды, повторите миллиард раз, и вы увидите, что туз пик выпадает примерно в одном случае из 52. То же самое касается и любой конкретной карты, а объясняется это тем, что колода состоит из 52 карт, и нет очевидных причин, по которым любая конкретная карта должна выпадать чаще, чем какая-либо другая.

Но Байеса посетила другая идея. Во многих случаях многократное повторение испытаний невозможно. Какова, к примеру, вероятность существования Бога? Каких бы взглядов мы ни придерживались, мы не можем создать миллиарды вселенных и подсчитать, в скольких из них есть божество. Один из путей решения этой проблемы состоит в том, чтобы считать подобные вероятности бессмысленными. Однако Байес утверждал, что во многих контекстах однократному событию тоже можно приписать вероятность она будет выражать степень уверенности в том, что это событие действительно имеет место. Говоря точнее, если мы располагаем неким подлинным фактом, то такая вероятность выражает степень уверенности в этом факте. Такие скоропалительные выводы мы делаем постоянно например, когда считаем, что шансы на победу испанской футбольной команды в чемпионате Евролиги UEFA равны примерно 75 %, или что сегодня, скорее всего, не будет дождя.

В середине 1700-х Байес вывел математическую формулу, с помощью которой эти «априорные вероятности» могли оказывать влияние на надежную информацию, полученную другим путем. Его друг опубликовал формулу в 1763 г., спустя два года после смерти Байеса. Предположим, вам известно, что вероятность, с которой Испания может одержать победу в крупном футбольном чемпионате, составляет всего лишь 60 % (это число мы взяли с потолка просто в качестве примера), но интуиция подсказывает вам, что в этом году они играют намного лучше, чем обычно. Сложите одно с другим, и вы придете к выводу, что их шансы на победу возрастают.