Мэтью Сайед.

Рывок. От отличного к гениальному



скачать книгу бесплатно

Один из коллег Кляйна, который несколько недель изучал неонатальное отделение крупной больницы, обнаружил, что опытные медсестры могут определить инфекцию у младенца даже тогда, когда посторонние люди ничего не замечают. Эта способность была не просто удивительной – она помогала сохранить детские жизни: новорожденные часто становятся жертвой инфекций, если их не выявить на ранней стадии.

Но самым удивительным оказался тот факт, что больница обследовала детей, чтобы проверить точность диагноза медсестер, и иногда этот диагноз не подтверждался, однако на следующий день выяснялось, что и в этих случаях медсестры были правы. Исследователю это казалось почти магией, и даже сами медсестры были озадачены своими способностями, приписывая их «интуиции» или «особому чувству».

В чем же дело? Могут ли сведения, почерпнутые из спорта, пролить свет на эту загадку?

Вспомним Десмонда Дугласа, Спиди Гонзалеса английского настольного тенниса, который мог предвидеть траекторию мячика, определяя рисунок движения соперника еще до удара ракеткой. Вспомним, как другие выдающиеся спортсмены будто бы раньше всех остальных знают, что делать, создавая так называемый парадокс времени, когда они могут действовать неспешно, даже если на принятие решения отводятся доли секунды.

Кляйн понял, что опытные пожарные используют те же самые мыслительные процессы. Они видят горящее здание и почти мгновенно помещают его в контекст подробной и сложной концептуальной схемы, основанной на многолетнем опыте. Они способны группировать визуальные данные окружения и воспринимать их сложную динамику, зачастую сами не понимая как. Бригадир пожарных называл это «экстрасенсорным восприятием». Дуглас, как мы помним, говорил о «шестом чувстве».

Понять, что происходит, мы можем с помощью анализа мышления бригадира пожарных, который вывел из дома подчиненных за несколько секунд до того, как провалился пол. Он не подозревал, что очаг пожара находится внизу, поскольку даже не знал, что у дома есть подвал. Однако богатый опыт подсказывал ему, что здесь что-то не так: пламя не сбивалось водой. В гостиной было жарче, чем обычно бывает при таком пожаре, обращала на себя внимание также странная тишина в доме. Ожидания бригадира не оправдывались, но несоответствие было таким слабым, что просто не осознавалось.

Только оглядываясь назад – и после многочасовых бесед с Кляйном, – ему удалось восстановить последовательность событий. Пожарные не смогли сбить огонь потому, что его источник находился под ними, а не в кухне, причина чрезвычайно сильного жара также заключалась в том, что тепло поднималось снизу, а необычная тишина объяснялась тем, что пол заглушал рев пламени. Все это – и многие другие взаимосвязанные и очень сложные факторы – заставило бригадира пожарных вывести своих людей, что позволило сохранить их жизни.

Кляйн формулирует это так: «Опыт бригадира снабдил его определенным набором схем. Пожарный привык соотносить ситуацию с одной из этих схем. Возможно, он не в состоянии сформулировать эти схемы и описать их характеристики, однако он использует процесс перебора схем и сравнения с ними, пока у него не возникает ощущение правильной оценки ситуации».

Подробные беседы с медсестрами неонатального отделения привели к тем же выводам.

Фактически медицинские сестры опирались на глубокое знание перцептивных ключей – каждый из них был слаб, но все вместе они указывали на опасность для младенца. Аналогичные мыслительные процессы используются летчиками, военачальниками, следователями и так далее. То же самое справедливо для лучших спортсменов. У них есть кое-что общее – богатый опыт и глубокие знания.

Долгие годы считалось, что в принятии решений знания не играют особой роли. Для экспериментов ученые выбирали участников, не обладавших опытом в данной области, и исследовали «когнитивные процессы обучения, рассуждений и решения задач в чистом виде». Идея заключалась в том, что для принятия решений необходим именно талант – общая способность к рассуждениям и логическим выводам, – а не знания.

Из этой предпосылки исходили лучшие школы бизнеса и ведущие коммерческие компании, что заметил еще Джефф Колвин. Они верили, что способны подготовить превосходных менеджеров, которых можно десантировать практически в любую организацию, и они преобразуют ее при помощи более совершенного мышления. Опыт не учитывался – для решения задач достаточно блестящего ума и способности использовать силу логики. У этого подхода были серьезные недостатки. Когда в 2001 году главой General Electric стал Джефф Иммельт, он заказал исследование наиболее успешных компаний в мире. Что у них общего? Как писал Колвин в своей книге «Талант ни при чем!», «одна из ключевых характеристик, выявленных в результате исследования, заключалась в том, что эти компании ценили у своих менеджеров «опыт работы в своей области» – то есть обширные знания в области деятельности компании. После этого Иммельт указывал «глубокий опыт в данной области» как необходимое условие продвижения в General Electric».

Эти выводы не просто заняли центральное место в современной бизнес-стратегии, а составили основу искусственного интеллекта. В 1957 году два специалиста по компьютерам разработали программу под названием «Универсальный решатель задач», которая представляла собой алгоритм для решения любых задач. Никакими конкретными знаниями она не обладала, но у нее имелся «общий решающий движок» (фактически набор абстрактных процедур логического вывода), который, по мнению авторов, мог решить практически любую задачу.

Но вскоре выяснилось, что вычисления без знаний – даже самые изощренные – ни на что не способны. Вот как сформулировали это Брюс Бьюкенен, Рэндалл Дэвис и Эдвард Фейгенбаум, три ведущих специалиста по искусственному интеллекту: «Самый важный компонент любой системы искусственного интеллекта – это знание. Программы, владеющие общими стратегиями выбора – некоторые из них даже не чужды математической логики, – но слабо обученные конкретному знанию в предметной области, практически не способны справляться с каким бы то ни было заданием».

Вспомним о пожарных. Многих молодых людей эта профессия привлекает потому, что они считают себя способными принимать решения в сложных ситуациях, однако они быстро понимают, что ошибались. При взгляде на бушующий пожар они обращают внимание на высоту и цвет пламени, а также другие явные признаки – как и все остальные люди. И только после десяти лет работы у них появляется способность помещать увиденное в контекст сложных связей для понимания структуры пожара.

Серьезным препятствием к достижению совершенства является тот факт, что экспертным знаниям невозможно обучить в аудитории за один дождливый день – и даже за тысячу дождливых дней (у пожарных, деятельность которых изучал Кляйн, средний опыт работы составлял 23 года). Конечно, вы можете предложить рекомендации, на что следует обращать внимание, а чего опасаться, и эти подсказки будут полезными. Но связать всю информацию в единое целое будет невозможно, потому что признаки, которые оценивают эксперты – в спорте или любой другой области, – настолько неуловимы и находятся в такой сложной взаимосвязи друг с другом, что для построения всеобъемлющей системы потребуется вечность. Это явление называется комбинаторным взрывом – понятие, которое поможет разобраться со многими выводами данной главы.

Наилучший способ понять необычную силу комбинаторного взрыва – представить, что вы складываете лист бумаги пополам, делая его в два раза толще. Теперь повторите это действие сто раз. Какова будет толщина бумаги? Диапазон большинства ответов – от нескольких сантиметров до нескольких метров. На самом деле толщина бумаги будет в 800 тысяч миллиардов раз больше, чем расстояние от Земли до Солнца.

Именно быстрое увеличение числа переменных во многих ситуациях реальной жизни – в том числе в спорте – делает невозможным тщательный анализ доказательств перед принятием решения: это займет слишком много времени. Эффективное принятие решений основано на сжатии информационного потока путем дешифровки значения структур, почерпнутых из опыта. Этому невозможно научить в аудитории и это не врожденная способность – такое умение приобретается только с помощью опыта. Другими словами, нужна практика.

Пол Фелтович, исследователь из Института когнитивных способностей человека и машин в Университете Западной Флориды говорит: «Хочется думать, что, зная, как добивается успеха мастер, мы можем напрямую обучать новичков, но это неверно. Мастерство – продолжительный процесс развития, результат обширного действенного познания мира и богатой практики. Его нельзя просто передать другому».

Все это указывает на главное преимущество Каспарова над машиной. У Deep Blue имелся «талант»: способность перебирать ходы со скоростью десятков миллионов позиций в секунду. Но Каспаров, скорость анализа которого была ограничена тремя ходами в секунду, обладал знанием – глубоким, плодотворным и бесконечно разнообразным знанием шахмат. Он знал позиции, сложившиеся в реальных матчах, и пути к победе, знал структуру оборонительных и атакующих позиций, а также общую структуру соревновательных шахмат. Каспаров мог взглянуть на доску и понять, что нужно делать, – точно так же, как опытный пожарный знает, как поступить, бросив взгляд на бушующее пламя. Машина Deep Blue так не умела.

Стоит отметить и кое-что еще. Вспомните, что SF, способный запоминать длинные последовательности цифр, более восьмидесяти знаков, ассоциировал их со своим опытом бегуна. Например, цифры 9, 4, 6, 2 превращались в 9 минут и 46,2 секунды – превосходный результат в забеге на две мили. Фактически у SF структура считывания представляла собой особый метод, основанный на опыте, не связанном с тестом.

И в то же время хранившиеся в памяти Каспарова шахматные позиции были неразрывно связаны с живой реальностью шахматной игры. Глядя на шахматную доску, он не группирует расположение фигур в соответствии с опытом из другой области, а сразу же идентифицирует его как сицилианскую защиту или латышский гамбит. Его структура считывания встроена в ткань игры. Это самый сильный тип знания, и именно им обладают пожарные, спортсмены мирового уровня и другие мастера своего дела.

Теперь уже должно быть очевидно, почему гигантское преимущество Deep Blue в скорости обработки информации оказалось недостаточным для победы – причина в комбинаторном взрыве. Даже в такой относительно простой игре, как шахматы, количество переменных быстро превышает вычислительные возможности любого компьютера. Насчитывается около 30 вариантов начала игры и 30 вариантов ответа на каждый первый ход. Это дает около 800 тысяч возможных позиций всего после двух ходов. Еще через несколько ходов количество возможных позиций исчисляется триллионами. В конечном счете количество возможных позиций превышает количество атомов во Вселенной.

Для победы шахматист должен сократить вычислительную нагрузку, игнорируя ходы, которые вряд ли приведут к успеху, и сосредоточиться на перспективных. Каспаров мог это делать, понимая значение игровых ситуаций. Компьютер Deep Blue не мог.

Выиграв вторую партию в матче из шести партий, Каспаров сказал: «Если бы я играл ту же самую партию против человека, то согласился бы на ничью. Но я просто понимал суть эндшпиля так, как его не мог понять компьютер. Его вычислительной мощности было недостаточно, чтобы превзойти мой опыт и интуитивную оценку возможных ходов».

Психолог Гэри Кляйн, изучавший пожарных, решил еще раз проверить, действительно ли шахматисты быстро принимают решения на основе перцептивной группировки («чанкинга») структур, в противоположность «прямому» перебору вариантов, как это делают компьютеры.

Он рассуждал, что если теория чанкинга верна, то лучшие шахматисты будут принимать те же самые решения даже при существенной нехватке времени. Поэтому он протестировал гроссмейстеров в условиях «блица», когда каждому игроку выделяется всего пять минут на партию, или около шести секунд на ход (в стандартных условиях на 40 ходов отведено 90 минут, то есть 2 минуты и 15 секунд на ход).

Кляйн обнаружил, что у опытных шахматистов качество игры при «блице» практически не изменилось – несмотря на то что у них едва хватало времени, чтобы взять фигуру, передвинуть ее, отпустить и нажать кнопку часов.

Затем Кляйн непосредственно проверил теорию распознавания структур при принятии решений. Он попросил шахматистов вслух анализировать позиции из середины партий. Они должны были сообщать ему все свои мысли, о любых рассматриваемых ходах, даже слабых, и особенно о первых, которые приходят в голову. Выяснилось, что первый рассматриваемый ход был не только приемлемым, но и во многих случаях наилучшим по сравнению со всеми альтернативами.

Это опровергает предположение, что сила в шахматах определяется вычислительной мощностью и скоростью обработки информации. Подобно пожарным и теннисистам, гроссмейстеры сначала вырабатывают приемлемые варианты. На первый взгляд это похоже на магию (особенно в сеансах одновременной игры), но от нас просто скрыты тысячи часов практики, которые сделали такую магию возможной.

Это немного похоже на изучение иностранного языка. В самом начале задача запоминания тысяч слов и связывания их с помощью абстрактных правил грамматики выглядит невыполнимой. Но после многолетнего опыта нам достаточно одного взгляда на любое предложение, чтобы понять его смысл. Считается, что в среднем словарь носителя английского языка составляет 20 тысяч слов. По оценке американского психолога Герберта Саймона, в памяти гроссмейстеров хранится приблизительно такое же количество структур.

Теперь подумайте о комбинаторном взрыве в таких играх, как хоккей, американский футбол, теннис и так далее. Даже после изобретения упрощенных представлений этих игр ученые столкнулись с невероятной сложностью. Например, в роботе-футболисте положение на поле отображается картинкой 1680 ? 1088 пикселей. Шахматная доска представляет собой поле 8 ? 8 клеток, а фигуры на ней перемещаются определенным образом – в отличие от футбольного мяча, который в любой момент может полететь в любом направлении. Теперь вам должна быть понятна невероятная трудность создания конкурентоспособной машины, которая не станет жертвой информационной перегрузки.

Вот, например, описание Уэйна Гретцки, вероятно величайшего игрока в истории хоккея, из статьи в New York Times Magazine 1997 года:

Гретцки не похож на хоккеиста… Талант Гретцки, даже его гениальность, нужно видеть.

Для большинства болельщиков, а иногда и для игроков, хоккей часто выглядит хаотичным: мелькают клюшки, падают тела, шайба отскакивает так, что ее не достать. Но среди этой неразберихи Гретцки способен различить скрытый рисунок игры, ее направление, и предвидеть, что произойдет, быстрее и точнее, чем любой из присутствующих…

Несколько раз за время матча вы увидите, как он описывает на первый взгляд бессмысленные круги вдали от того места площадки, где идет борьба, а затем, словно получив сигнал, стремглав бросается к точке, где через секунду окажется шайба.

Это яркий пример того, как мастер принимает решение на практике: комбинаторный взрыв преодолевается с помощью совершенного распознавания структур. Этот навык подобен навыку Каспарова, только не на шахматной доске, а на хоккейной площадке. Как Гретцки это удается? Послушаем его самого: «У меня не было врожденного преимущества в габаритах и скорости: все, что я сделал в хоккее, добыто трудом». И еще: «Самый большой комплимент, который вы мне можете сделать, – сказать, что я каждый день упорно трудился… Так я научился понимать, где окажется шайба в следующую секунду».

Все это помогает объяснить вывод, сделанный в начале данной главы: мы утверждали, что для сложной задачи применимо правило десяти тысяч часов. Но что понимать под сложностью? Фактически это задачи, характеризующиеся комбинаторным взрывом; задачи, в которых успех в первую очередь определяется превосходством программного обеспечения (программ распознавания структур и сложных моторных программ), а не аппаратной части (просто скорости или силы).

Для большинства видов спорта – тенниса, настольного тенниса, футбола, хоккея и так далее – характерен комбинаторный взрыв. Попытайтесь на секунду представить, что вам требуется создать робота, способного решать реальные пространственно-временные, моторные и перцептивные задачи, необходимые для того, чтобы одолеть Роджера Федерера на теннисном корте. Сложность этих задач почти невозможно описать, не говоря уже о том, чтобы решить. И только в таких видах спорта, как бег или тяжелая атлетика, – простых действиях, где соревнуются по одному параметру, скорости или силе, – задача создания такого робота становится выполнимой.

Разумеется, не все экспертные решения являются быстрыми и интуитивными. В некоторых ситуациях от шахматистов требуется глубокий анализ возможных ходов, а пожарным необходимо логически просчитать последствия своих действий. То же самое относится к спортсменам и военачальникам.

Но даже в самых абстрактных решениях опыт и знания играют главную роль. В эксперименте, поставленном психологом из Стэнфордского университета Дэвидом Румельхартом, количество испытуемых, которые правильно оценивали последствия логического выражения, увеличивалось в пять раз, если это выражение помещалось в реальный контекст («каждая покупка на сумму, превышающую 30 долларов, должна быть одобрена менеджером»), а не формулировалось в более абстрактных терминах («каждая карточка с гласной буквой на лицевой стороне должна иметь целое число на обороте»).

В начале этой главы мы видели, что миф о таланте вселяет неуверенность, поскольку побуждает людей отступать, если на первом этапе прогресс недостаточно быстр. Но теперь мы можем видеть, что он также наносит вред институтам, поощряя назначение неопытных людей – даже с выдающимися мыслительными способностями – на руководящие должности.

Подумайте, например, какой вред управлению Британией принесла традиция перемещения министров – самых влиятельных мужчин и женщин страны – из министерства в министерство без возможности приобретения адекватных знаний на любом из постов. В последнее время британские министры занимали свой пост в среднем 1,7 года. Джон Рид, долгое время проработавший в правительстве Тони Блэра, за семь лет перемещался из министерства в министерство не менее семи раз. Это так же абсурдно, как если бы Тайгер Вудс переключался с гольфа на бейсбол, потом на футбол или хоккей, и мы ждали бы от него выдающихся успехов в каждом виде спорта.

Наши взгляды на относительное значение практики и знаний с одной стороны, и таланта – с другой, имеют серьезные последствия не только для нас самих и наших семей, но также для корпораций, спорта, правительств и даже будущего искусственного интеллекта[4]4
  Одна довольно очевидная оговорка относительно значения практики в спорте: в таких видах, как баскетбол или сумо, рост или масса тела являются существенными факторами, определяющими успех или неудачу, однако их не изменишь никакими тренировками. Они в значительной степени определяются геномом. Поэтому в таких видах спорта мы можем считать рост (или массу тела) неким порогом. Людям небольшого роста, например, этот порог не преодолеть. Но если вам повезло, и рост позволяет вам играть в НБА, то успех или неудача будут определяться перцептуальными и моторными навыками – тем, что можно усовершенствовать практикой.


[Закрыть]
.

3 мая 1997 года Каспаров и Deep Blue во второй раз встретились за доской. Реклама была еще более шумной, а ставки еще более высокими. IBM выделила призовой фонд в размере одного миллиона долларов, а на матче – в этот раз на 35-м этаже Эквитебл-Центра на Седьмой авеню в Нью-Йорке – присутствовало еще больше представителей крупнейших мировых средств массовой информации (впоследствии IBM оценила свою прибыль от бесплатной рекламы в 500 миллионов долларов).

На этот раз компьютер Deep Blue победил, выиграв у чемпиона две партии, проиграв одну и три сведя вничью. Это был сокрушительный удар по Каспарову, который убежал со сцены. Впоследствии он обвинял IBM, что компания создала условия, благоприятные для машины, и отказалась предоставлять компьютерные распечатки, которые помогли бы ему в процессе подготовки. Он также абсолютно необоснованно обвинял IBM в жульничестве. Каспаров не умеет достойно проигрывать.

Что же произошло за 15 месяцев, разделявшие два матча? Как компьютер Deep Blue смог превратить поражение в блистательную победу? Прежде всего удвоилась вычислительная мощность машины (теперь она могла анализировать 200 миллионов ходов в секунду). Но победа была бы невозможна без другого ключевого новшества.

По мнению Американского физического общества, «общие знания Deep Blue о шахматах существенно расширились посредством усилий консультанта IBM, международного гроссмейстера Джоэла Бенджамина, так что компьютер мог использовать огромные ресурсы хранимой в памяти информации, такой как база данных дебютов, сыгранных гроссмейстерами за последние 100 лет».

Программисты Deep Blue, подобно Гэри Кляйну, Джиму Иммельту и Уэйну Гретцки, поняли, что сила – в знании.



скачать книгу бесплатно

страницы: 1 2 3 4 5 6