6. Почему логика не в состоянии помочь вам найти работу
Любовь и любовные отношения — одна из сфер, где логика может человека обмануть, а иногда и привести к роковым последствиям. Кроме преступлений, на которые нас толкает страсть, мы зачастую идем не той дорогой в попытке заполучить объект своего вожделения — а ведут нас по ней наши чувства и импульсы. Знакомства в Интернете и машинный разум поменяли правила, но не значит ли это, что один набор любовных ошибок просто сменился новым набором предубеждений и просчетов?
Крупные сайты знакомств применяют возможности искусственного разума для того, чтобы рекомендовать пользователям других пользователей, и эти рекомендации зачастую отличаются от того, на чем пользователи остановили бы выбор сами. Если раньше сайт знакомств eHarmony анализировал пользователей по десяткам параметров, то теперь — по сотням (и эта цифра вполне могла устареть на момент, когда вы читаете эти строки). Эти параметры включают не только информацию из анкеты пользователя, но и то, насколько часто пользователь заходит на сайт, задаваемые им параметры поиска, и кому из владельцев других анкет он решает написать. Проблема здесь, однако, заключается в том, что значительная часть используемых для анализа данных — это самостоятельно указываемая пользователем информация, и эта информация может быть неточной или намеренно искаженной ими в надежде выставить себя в более привлекательном свете. Алгоритмами также учитываются общие интересы и черты характера, и благодаря этому сведенные компьютером пары могут чаще выбирать друг друга для знакомства, однако говорить о том, что заключенные впоследствии браки окажутся крепкими в долгосрочной перспективе, пока не приходится.
В настоящее время программы еще не в состоянии свести любовь к статистически измеряемому алгоритму. Было бы глупо игнорировать важность разговорных ритмов, запахи и сексуальное влечение, а также то, каким образом долгосрочная совместимость эволюционирует на протяжении многих лет и десятилетий. С другой стороны, программное обеспечение привлекает более серьезное внимание пользователей к перспективам, которые сами они проигнорировали бы, а то и вовсе не заметили бы. Вот одна из историй знакомств на сайте Match.com:
Камбри, чернокожий молодой человек, заметил анкету красивой белой девушки, живущей неподалеку и имеющей те же музыкальные пристрастия, что и он. Он отправил ей короткое приветственное сообщение и в течение дня получил ответ от Карры О’Дэниел, оказавшейся оперной певицей. Их первое свидание не задалось, но они договорились о втором, и вскоре можно было говорить о серьезности развивающихся между ними отношений. Оказалось, что они занимались в одной и той же музыкальной школе, хотя ни разу там не пересекались. Они занялись совместным исполнением произведений Ференца Листа и размещением видеозаписей на YouTube. Через полгода Камбри сделал Карре предложение. Свадьба состоится 1 октября в Миннесоте.
Как это часто бывает, женщина, в которую Камбри влюбился, была совсем не той, которую он искал. «Не думал, что человек, на котором я женюсь, окажется белой женщиной из Инвер-Гроув-Хайтс, Миннесота», — сказал он. Камбри тоже не совсем укладывался в идеал мужчины, с которым желала познакомиться Карра О’Дэниел. В своей анкете на Match.com она указала, что ищет мужчину в возрасте от 21 до 26 лет (Камбри на тот момент уже исполнилось 28). Возраст Камбри исходя из возрастных рамок Карры О’Дэниел был для нее слишком велик. В действительности, Камбри и О’Дэниел никогда не искали друг друга, а были представлены друг другу алгоритмом.
Мы знаем, что в шахматах программам под силу победить человека, однако способности программ в подборе партнеров оценить труднее; точных же результатов, на основе которых можно было бы провести соответствующее исследование, не существует. Одна счастливая пара еще не означает, что компьютеры — лучшие свахи, как не означает и того, что от свах — будь они людьми или программами — толку больше, чем без них.
Однако нетрудно признать важность свахи в том, что касается ее способности подтолкнуть нерешительно настроенного к тому, чтобы он уже, скажем так, «повзрослел». Нельзя вечно ходить между витринами, ничего не приобретая, хотя создается впечатление, что людям только это и нужно. Зачастую они лишь читают анкеты и продолжают мечтать о своем идеале вместо того, чтобы отправиться уже на свидание. Разумеется, это — не самое лучшее применение технологиям. Самое же главное, возможно, в том, что технология алгоритмов подбора партнеров в состоянии помочь нам разобраться с ошибками, которые мы совершаем в личном выборе, основанном лишь на нашем суждении. Если человеческая логика настолько несовершенна в высокоинтеллектуальном мире гроссмейстерских шахмат, то чего нам стоит ожидать в подверженной страстям области любовных отношений?
Здесь мне вспоминается мой собственный случай из 2003 года, то есть еще до эпохи алгоритмов. Я написал электронное сообщение женщине, указавшей в своей анкете, что придерживается либеральных политических взглядов. Себя бы я к либерально настроенным людям не отнес (скорее уж, во мне уживается смесь либертарианства и консерватизма), но она поначалу о моих взглядах не подозревала — а знай она их, они, возможно, могли бы ее оттолкнуть. У меня не было намерений вводить ее в заблуждение. Я считал, что ничего не скрываю, но она позднее решила иначе, хотя, конечно, она и читала мою анкету. Она согласилась сходить со мной на свидание, и мы женаты уже десять лет. Используемый способ знакомства заставил по крайней мере одного из нас — а может, и обоих, — не следовать своей логике, отчего мы оба выиграли.
Годы спустя, уже работая над материалом для этой книги, я прочитал, что ученые, работавшие с данными Match.com, выяснили, что человек с консервативными взглядами гораздо чаще напишет человеку с либеральными взглядами, чем наоборот. Поэтому, если в анкете пользователя указано, что сам он придерживается консервативных взглядов, но при этом он часто пишет пользователям с либеральными взглядами, то система будет рекомендовать ему пользователей последней категории гораздо чаще. Пользователь может и понятия не иметь, почему ему зачастую предлагаются именно эти анкеты, однако вероятность того, что подбор пользователей именно по этому критерию работает, велика.
Захотим ли мы учиться у машин поиску партнеров? Одна жительница Нью-Йорка была категорична: «Вообще-то, алгоритм Match.com мог бы и догадаться, что не нужно предлагать мне сорокапятилетнего кандидата аж из Нью-Джерси». Интересно, что бы она сказала, если бы столь умный компьютер, каким является Deep Blue, порекомендовал ей сорокадвухлетнего кандидата из Канзаса?
В деле любви и брака мы, люди, пытаемся избежать незнакомых сложностей. Мы зачастую тянемся к тем, кто такой же, как мы, и избегаем осложнений, которыми чреваты различия между людьми. И здесь машинный интеллект может оказаться полезным. Машины незнакомого не боятся.
Принятие решений
Возможно, самая большая польза от компьютерных шахмат — это возможность заглянуть в глубины когнитивного процесса решения проблем. Лучшим шахматным программам свойственно такое качество, как «неприятие унижения», что заставляет их избегать ничьих и выбирать незнакомые и чреватые осложнениями решения. Более же важно то, что в отличие от многих людей программы сложностей не боятся. Когда в игре сходятся две сильные программы, зачастую только о сложностях говорить и приходится. Многие компьютерные игры предлагают нелогичные ходы и комбинации. Иногда кажется, что на шахматной доске царит хаос. Зачем так много пешек передвинуто вперед? Зачем столько гамбитов? Что конь делает в этой позиции на этой стороне доски? Почему одновременно под ударом находится так много фигур? Эти игроки совсем потеряли нити игры?
Из Нью-Джерси они, что ли? Я так в шахматы не играю!
Мы давно уже пытаемся преодолеть свою предвзятость, например предрасположенность к тому, что нам знакомо. Специалистами, занимающимися исследованиями в набирающей популярность сфере поведенческой экономики, проводится анализ тех предубеждений, на которых зиждется наш индивидуальный выбор, с использованием ряда внешних показателей. Нам известно — или нам только кажется, что нам известно, — что люди переоценивают степень своего влияния на определенные ситуации и в своих решениях излишне опираются лишь на какую-то часть информации — но это только одна из причин многочисленных человеческих ошибок и предубеждений. Когда я последний раз сверялся со списком типологии когнитивных искажений (систематических ошибок в мышлении, возникающих на основе нерациональных убеждений), приведенным на Wikipedia, он содержал перечень из сорока восьми типов искажений.
Но даже после столь обширной исследовательской работы и после всех собранных свидетельств остаются открытые вопросы. Когда речь идет об оценке человеческого предубеждения, можем ли мы быть уверенными в том, что исследователь прав, а индивидуальный выбор ошибочен? У меня много странных привычек, которые, как я считаю, идут мне только на пользу. Возможно, исследователю и покажется странным, что я расставляю по всему дому кипы книг, но для меня это — отличный способ организации информации и отслеживания, где какая книга находится. Может быть, прав я, а может быть — моя жена, требующая, чтобы я убрал книги на полки, но знать наверняка мы этого не можем.
Подобные же дилеммы наблюдаются и в более систематических исследованиях. Помните такую прописную истину—лучше синица в руках, чем журавль в небе? Экономисты часто рассматривают эту нашу прописную истину в качестве предвзятости и свидетельства того, что мы ценим те предметы, которыми владеем, в гораздо большей степени, чем те, которые можем приобрести (что известно как «эффект владения»). Однако при всей кажущейся иррациональности такого подхода, возможно, это — неистребимая черта характера, свидетельствующая об умении быть преданным друзьям и родственникам. Может быть, одно из качеств настоящей преданности и состоит как раз в том, что мы не можем отказаться от нее по требованию момента. В таком случае «эффект владения» может служить показателем правильных жизненных принципов, а не сигналом о нашей иррациональности. Я не утверждаю, что так оно и есть. Я лишь хочу сказать, что предлагаемые экономистами модели не могут объяснить это полностью.
При изучении иррациональности человека экономисты зачастую излишне полагаются на субъективные предположения о том, что является рациональным, а что — нет, выраженные в виде моделей. Экономист может составить математические аксиомы, а затем выяснить, что человеческое поведение им не соответствует. Однако насколько убедительны сами эти модели в объяснении сложного и многомерного процесса принятия решений человеком? Значительная часть исследований, следующих этой традиции, неубедительна, несмотря на всю гениальность их авторов. Другие экономисты полагаются на искусственно воссоздаваемые в лабораторных условиях ситуации для оценки человеческой рациональности или установления ее отсутствия. В экспериментах ими используются неопытные студенты, которые далеко не всегда берутся за задачи по решению проблемы в достаточной мере серьезно, а предлагаемое им вознаграждение за должное выполнение заданий довольно невелико. По понятным причинам привлечь для участия в этих экспериментах исполнительных директоров корпораций и менеджеров гораздо труднее. Более того, существуют исследования, в которых приняли участие и исполнительные директора, однако зачастую их результаты не отличаются от экспериментов с участием студентов. Не кроется ли здесь проблема в собственно экспериментах, а не в применяемом методе? Нам известно, что в реальности исполнительных директоров и студентов местами не поменяешь, так почему же они оказались взаимозаменяемыми в экспериментах? Если они взаимозаменяемы в эксперименте, не означает ли это, что им не учитываются соответствующие особенности условий реального мира? Неважно, что именно, по вашему мнению, не так с этими экспериментами, но нам хотелось бы, чтобы они отражали условия настоящих ситуаций и предлагали настоящее вознаграждение за участие в них.
Шахматы хороши тем, что в них существуют четкие, хотя и не совершенные определения того, какие ходы правильные, а какие — нет. Итак, что мы можем узнать о человеческой логике, если взглянем на игру человека через линзы машины?
Обратимся к работам ряда интересных исследователей. Сначала — к работам Кена Ригана. Профессор Риган и я были друзьями детства и несколько раз вместе выступали за одну и ту же команду в американских общенациональных командных соревнованиях по шахматам в Атлантик-Сити, Нью-Джерси. До недавнего времени мы с Кеном не виделись с тех самых пор, как мне было пятнадцать. Из всех одаренных американских шахматистов, последовавших по стопам Бобби Фишера, у Кена, наверное, был наиболее творческий подход к игре. Ходы Кена были крайне непредсказуемыми. Никому другому и в голову не пришло бы так играть. Он просчитывал и играл красивые комбинации, которые другие игроки даже не считали стоящими того, чтобы их рассматривать. Каждому было известно, что если наблюдать за игрой Кена Ригана, то можно обязательно увидеть что-нибудь интересное, но, возможно, что от увиденного заболит голова. Однако Кен бросил профессиональные шахматы в возрасте двадцати двух лет и, сосредоточившись на математике, стал доктором математических наук в Оксфордском университете. Сегодня он — профессор информатики в университете Буффало, проведший добрую часть своей профессиональной жизни в попытках решить знаменитую математическую задачу равенства классов Р и ОТ, одну из важнейших нерешенных задач в математике (которая формулируется следующим образом: действительно ли то, что отыскать решение задачи с нуля в принципе тяжелее, чем проверить уже имеющееся решение?).
В 2006 г. Кен снова вернулся к шахматам. Его привлекло возрастающее качество компьютерных программ и очаровали потенциальные объемы информации, которые можно было с их помощью получить. Начиная с 2006 г. им проводится работа по созданию базы данных игравшихся шахматных партий с первостепенным вниманием к играм гроссмейстеров, но и не пренебрегая выступлениями игроков более низкого уровня. Кен проводит анализ партий с помощью программы Rybka в целях оценки удачных и неудачных действий каждого из игроков. Это отличный эксперимент по оценке человеческого разума. Качество данных, касающихся принятия решений, делает работу Кена чрезвычайно важным инструментом анализа наших интеллектуальных возможностей, того, что мы, люди, оцениваем правильно, а что — нет.
В отличие от множества разработчиков экономических моделей и аналитических инструментов у Кена есть Rybka, надежная система оценки человеческих решений, принимаемых при игре в шахматы. На любом этапе игры Rybka рекомендует оптимальный ход и может рассчитать, насколько любой другой ход снижает шансы игрока в игре в абсолютном выражении. Кен в состоянии рассчитать процентную долю ходов, сделанных отдельным игроком в течение отдельной партии или на отдельном турнире, которые совпадают с рекомендациями программы Rybka, а также размер средней ошибки отдельного игрока — опять же относительно рекомендаций Rybka.
Вознаграждение для победителей шахматных турниров зачастую весьма значительно, а турнирные успехи сулят не только вознаграждение, но и перспективы профессиональной шахматной карьеры. Прочими стимулами добиться успеха являются чувство самоудовлетворения, авторитет и рейтинговые очки, а сами игроки знают то, чем занимаются, досконально. Игра в шахматы — одна из высших форм проявления человеческого разума.
Результаты своих исследований Кену только предстоит опубликовать — частично в силу того, что он еще пополняет базу данных. Тем не менее уже сейчас можно говорить об определенных шаблонах в принятии решений шахматистами. Когда я навестил Кена в Буффало, он продемонстрировал мне, каким образом им проводится компьютерный анализ, и поделился некоторыми выводами.
Более всего Кена поразила общая надежность процесса принятия решений человеком. Rybka, конечно, играет в шахматы лучше человека, однако как удачные ходы, так и ошибки игроков вписываются в регулярно проявляющиеся, объяснимые шаблоны. В человеческих ошибках присутствует доля рациональности и упорядоченности. Те же люди принимают решения любовного и делового характера, решения о том, какую машину купить, и выявленные шаблоны вселяют чувство оптимизма.
Например, лучше всего игроки проявляют себя в ключевые моменты игры. В такие моменты вероятность того, что игрок допустит серьезную ошибку, снижается. С лучшей стороны в абсолютном выражении они проявляют себя тогда, когда у противника имеется небольшое преимущество. Когда же у игрока неоспоримое преимущество или же он терпит разгром, он не в состоянии продолжать думать или поддерживать концентрацию своего внимания на прежнем уровне. И это еще одно свидетельство рациональности человека, во всяком случае — в том, что касается потребности в экономии усилий.
До того как взяться за данное исследование, Кен занимался поиском подтверждающих данных для модели когнитивных заблуждений Нассима Талеба, известной как модель «Черного лебедя». Под когнитивными заблуждениями подразумеваются многие наши ошибки, которые являются для нас полной неожиданностью. Но самое удивительное то, что ошибки типа «Черный лебедь» значительного влияния на окончательный результат не оказывают. Исходы большинства шахматных партий обусловливаются накопленным преимуществом, а уровень ошибочности решений довольно легко предсказуем исходя из относительного мастерства игроков. Кену удалось определить, что сделанные им выводы применимы к игрокам любого уровня — от самых лучших до игроков с рейтингом в 1600 баллов, что соответствует уровню среднего игрока в большинстве городских клубов (игру более слабых игроков он пока не анализировал).
Кроме того, игрокам свойственно постоянство стиля игры. Так, игра Владимира Крамника, чемпиона мира с 2000 по 2007 г., отличается особо высокой степенью близости к рекомендациям компьютера. Его уровень возможной ошибки крайне мал — естественно, для человека. При этом Крамник не создает на доске особых проблем своим соперникам. Он не вынуждает их к чрезмерному числу ошибок, не обращает в пыль их чувство собственного достоинства, не заставляет их хвататься за сердце и терять сознание от умопомрачительных комбинаций. Сыграть достойно против Крамника нетрудно. Создаваемые им позиции отличаются не агрессивностью, а хорошими стратегическими перспективами.
Согласно аналитической системе Кена, самый неприятный соперник — великолепный шахматист Магнус Карлсен. Он заставляет своих оппонентов совершать ошибки чаще, чем кто-либо еще. В игре против Карлсена вероятность совершения вами серьезной ошибки сильно возрастает, поскольку игровая доска быстро превращается в минное поле, где каждый ваш шаг чреват осложнениями.
На первый взгляд Кен — обычный, увлеченный своим делом профессор информатики, однако он, наряду с некоторыми игроками стиля «адванс», способствует наступлению новой эпохи — эпохи умных машин. Кроме собственно выводов, его работа важна и с точки зрения практического применения ее результатов. Исследованием Кена демонстрируется невероятная точность, с которой умные машины способны оценивать деятельность человека. Жаль, у нас нет подобной системы для оценки качества работы врачей.
Васику Райлиху, разработчику Rybka, то, что мы узнали из работы с шахматными программами, видится в более пессимистическом свете. По мнению Райлиха, в шахматах удивительно то, насколько трудно людям дается эта игра. Анализ на основе шахматных программ указывает на то, что мы принимаем ошибочные решения в очень большом числе ходов. Анализ Кена показывает, что ходы даже ведущих гроссмейстеров, за исключением особенно удачных для них игр, совпадают с рекомендациями Rybka от силы в 55% случаев. Когда я анализирую игру гроссмейстера с помощью программы Rybka, я прекрасно вижу, как первоначально удачная позиция игрока ухудшается в результате беспрерывной цепи ошибок, пусть и малых. И здесь есть повод для пессимизма.
Райлих подчеркивает, что люди постоянно совершают оплошности, что им трудно оставаться объективными, трудно сохранять концентрацию и точно просчитывать множество вариантов. Следующие слова Райлиха не о слабых игроках из местного клуба, а о ведущих гроссмейстерах: «Меня поражает, насколько они далеки от совершенства». Когда-то гроссмейстеров окружала аура, созданная вокруг них любителями шахмат, но теперь, в эпоху шахматных программ, эта аура заметно поблекла.
Когда гроссмейстер мирового класса играет против клубного шахматиста, он выглядит великолепным и непобедимым игроком. Многие ходы гроссмейстера мирового класса действительно отличаются в лучшую сторону. В какой-то момент его преимущество начинает «играть само по себе» — если использовать выражение из мира шахмат,— и у него получается практически все. Но когда тот же гроссмейстер мирового класса играет против — возьмем программу с говорящим именем — «Дробильной машины» (Shredder), то он скорее выглядит бесталанным дураком, которому приходится прилагать невероятные усилия, чтобы не потерять окончательно контроль над ситуацией. И, однако, это тот же игрок. Эта разница между нашим видением великолепия человеческого интеллекта и его реальным уровнем — отличный отрезвляющий урок, преподанный нам программами.
Так что здесь особенного? Разве основные недостатки человеческого восприятия и наших возможностей в принятии решений не были описаны в тысячах работ по психологии и поведенческой экономике? Этому посвящены работы Даниэля Канемана, Дэна Ариели и многих других специалистов. Разве мы не слышали о «подталкивании» — концепции, выдвинутой Кассом Санстейном и Ричардом Талером? В представленной ими картине мира экспертам известны шаблоны, которыми мыслят, принимая решения, другие люди, и они создают архитектуру выбора, помогающую им манипулировать решениями других, например путем изменения пенсионного плана, под который вы подпадаете по умолчанию.
Правда, из шахмат напрашиваются совсем иные выводы. Компьютерные шахматы указывают на несовершенство тех, кто вроде как разбирается в хитросплетениях мира, или, иными словами, на несовершенство тех, кто вне шахматного контекста способен проявить себя манипуляторами чужих решений.
Человеческая логика подводит даже лучших шахматистов мира, которые ради серьезных побед на протяжении десятилетий обучались рациональному и всеобъемлющему мышлению, вбирая в себя многовековой опыт игры. Главная проблема заключается не в самих откровенно серьезных ошибках, а скорее в том, что люди слишком много времени уделяют размышлению над ходами, которые только выглядят правильными. Именно наших логических, взвешенных решений нам и следует опасаться больше всего.
Работа над ошибками
В шахматах проявляется еще один шаблон нашего мышления, количественный анализ которого мы теперь в состоянии провести. Группой исследователей из Швеции, включая Патрика Грансмарка, Кристера Гердеса и Анну Дребер, на основе данных по шахматным матчам было продемонстрировано, что шахматисты из числа мужчин более нетерпеливы, а шахматистки уделяют размышлению над ходами гораздо больше времени. Исследователи также выявили, что шахматистки менее склонны к риску, чем игроки-мужчины, что совпадает с результатами исследований по поведению мужчин и женщин при принятии инвестиционных решений и управлении портфелями ценных бумаг. Исследователи из Швеции выяснили, что для того, чтобы спровоцировать шахматистов-мужчин на большее число ошибок, достаточно посадить их за доску с красивой шахматисткой. Рискованность и агрессивность игры мужчины при этом возрастает, однако не в той мере, которая повысила бы его шансы на победу.
Не все, что является истиной в шахматах, в той же мере применимо и к реалиям остального мира, однако сделанные выводы указывают на будущие направления когнитивных исследований. Мы в состоянии получить более надежные данные из других источников. У нас есть умные машины, которые могут помочь нам в сборе и анализе этих данных. Исследования шахмат позволяют понять, что именно привносится машинным разумом в исследование человеческой природы, а заодно — и в наш валовой национальный продукт.
Несмотря на обилие неправильных ходов с нашей стороны, что в шахматах, что в любовных играх, есть и хорошие новости: мы способны учиться и преодолевать свою иногда ненужную зависимость от логики.
Сделанные Кеном Риганом выводы указывают на то, что мастерство лучших шахматистов из числа людей постоянно возрастает. До 1970 г. начисления рейтинговых баллов не производилось, однако Кен оказался в состоянии самостоятельно рассчитать рейтинги путем походового сравнения игр более ранних гроссмейстеров с рекомендациями программы. Рассчитанный Кеном рейтинг лучшего игрока 50-х гг. XIX века, американца Пола Морфи, составляет около 2300 баллов, что по сегодняшним меркам не позволило бы ему попасть даже в первую сотню американских шахматистов, не говоря уже о сотне лучших игроков мира. Вполне возможно, что мастерство Пола Морфи не смогло бы сравниться даже с мастерством Кена Ригана. Когда в детстве я учился игре в шахматы, Морфи был для меня идолом (в шахматных справочниках разбираются его лучшие игры), но, скорее всего, я вполне мог бы потягаться с ним уже в возрасте пятнадцати лет. Мне до сих пор тяжело смириться с этим.
Как игроки в шахматы люди все больше напоминают компьютеры. Ведущие гроссмейстеры чаще, чем раньше, экспериментируют с «неуклюжими» ходами или по крайней мере обдумывают их — те-перь-то они понимают, что эти «неуклюжие» ходы зачастую срабатывают. Кен Риган полагает, что шахматисты из числа людей теперь чаще понимают перспективную ценность жертвования фигурами и настроены жертвовать ими, несмотря на то что будущее вознаграждение за это выглядит туманным, а не конкретным. Шахматисты теперь чаще видят, когда король может быть оставлен без видимой защиты — опять же благодаря опыту игры с компьютерами (кстати, Васик Райлих называет рокировку — перевод короля в безопасную зону — неэкономным ходом). Мы выяснили, что многие из дебютных комбинаций ошибочны, а заодно — и что можно противопоставить тем или иным дебютам. Выяснили мы и то, что многие из дебютных комбинаций оказались недооцененными. Это произвело революционный переворот в нашем понимании игры. А что еще революционизирует машинный разум?
Исследовательская литература более широкого характера указывает на возможность прогресса интеллекта населения в целом, а не только интеллекта шахматистов. Средний показатель коэффициента интеллекта населения возрастает каждые десять лет примерно на три балла — феномен известный как «эффект Флинна». Конечно, неизвестно, у скольких именно людей уровень общего интеллекта со временем увеличился, и насколько хорошо им стали даваться тесты. Ну и что из того? Подготовка к прохождению тестов является еще одной формой когнитивного развития. (Большинство исследователей в данной области действительно считают, что реальный уровень интеллекта в определенной степени повышается.)
Еще одним свидетельством является быстрый прогресс шахматисток. Бобби Фишер как-то пошутил, что готов дать фору в коня (серьезный гандикап, подразумевающий начало игры без одного из коней) любой женщине в мире. Хотя он ни разу этого своего высокомерного обещания и не исполнил, до недавних пор число женщин среди ведущих игроков мира оставалось непомерно мизерным. Но затем совершенно неожиданно что-то изменилось и мастерство шахматисток резко возросло. Юдит Полгар довольно продолжительное время входила в первую мировую десятку шахматистов, и каждый гроссмейстер-мужчина опасается ее агрессивной игровой тактики. На протяжении длительного времени уровень мастерства шахматисток подтягивается к уровню мужских шахмат, а участие женщин в шахматных турнирах переживает бум, включая профессиональные турниры. Особенно много хороших шахматисток выросло в Китае и Индии. Люди способны учиться и развивать в себе способности, которые долгое время считались недоступными им.
Самое интересное здесь то, что у этого прогресса шахматисток нет непосредственной причины. Конечно, успешная борьба с дискриминацией женщин ведется в мире уже не одно десятилетие. В шахматной же вселенной в какой-то момент было достаточное число женщин, способных служить примером для подражания, и достаточное число турниров для шахматисток, чтобы поддержать интерес женщин к игре на профессиональном уровне. Несколько десятилетий назад шахматы были той областью, где преимущество мужчин признавалось неоспоримым даже самыми рьяными сторонниками равенства полов. Общим бытовавшим мнением было: «Женщины просто не умеют играть в шахматы». Единственная видимая причина роста мастерства шахматисток — это то, что шахматами стало заниматься больше женщин.
Будущее логического мышления
Кен Риган как-то попытался выяснить, насколько глубокой игрой может быть партия в шахматы. Его заинтересовал матч Грищук — Крамник — хорошо известная игра, состоявшаяся в рамках престижного турнира в Мехико. С помощью шахматных «движков» Кен попытался понять, действительно ли в конце матча Грищук находился в выигрышной позиции. Он уделил этой проблеме почти год и проиграл на домашнем компьютере более десяти триллионов комбинаций (его детям по-прежнему велено быть предельно осторожными, когда они пользуются этим компьютером). Результаты анализа заняли примерно пятьсот страниц текста. Каков же результат? Положение фигур на доске было необыкновенно интересным и неустойчивым, и Крамник мог бы добиться ничьей, если бы показал свою лучшую игру. С помощью программы Fritz (по мнению Кена — лучшая программа для анализа концовки партий) Риган смог сгенерировать идеальную интерпретацию положения фигур. Но важно здесь то, что одна только эта — предположительно интересная — позиция в игре потребовала проведения анализа столь глубокого уровня.
С когнитивной точки зрения столь неожиданная глубина анализа вызывает тревогу. Она показывает, что мы, люди,—даже в мгновения высшего проявления нашего интеллекта и в самых серьезных соревнованиях — предпочитаем все чрезмерно упрощать. Мы злоупотребляем сведением решений к логике. Мы любим стандартные ответы и изо всех сил пытаемся избежать хаоса в мыслях. Даже если вы считаете, что эти недостатки свойственны далеко не всем, они, судя по всему, свойственны представителям человеческого рода с самыми высокими умственными и аналитическими способностями, в особенности отличным шахматистам.
Каким образом все эти выводы применимы к принимаемым нами решениям, особенно связанным с нашей трудовой деятельностью?
1. Сильные и слабые стороны человека на удивление типичны и предсказуемы.
2. Не доверяйте стройным, логически выстроенным теориям.
3. Отказаться от своих шаблонов мышления труднее, чем может показаться.
4. Наслаждайтесь беспорядочностью.
5. Мы в состоянии учиться.
Наши когнитивные изъяны, выявленные с помощью шахматных программ,— это не всегда те же когнитивные изъяны, что выявляются в рамках поведенческой экономики. Во-первых, как уже было сказано ранее, поведенческая экономика не всегда в состоянии предугадать наше рациональное поведение. Во-вторых, специалисты, занимающиеся вопросами поведенческой экономики, сами страдают от многих из тех недостатков, что были свойственны гроссмейстерам докомпьютерной эпохи. Они стремятся к построению поведенческих теорий, которые излишне стройны, сверх меры упрощены или чрезмерно опираются на логику — подобно абстрактным выкладкам математической теории решений. Несмотря на весь их вклад в научную мысль, манипуляторы чужих решений иногда сами являются проблемой, а не частью решения.
Если вы проверите свою способность производить математические исчисления, сверяя правильность результатов с расчетами компьютера, и продолжите тренироваться в течение нескольких лет, то обнаружите, что ваша способность к математическим исчислениям развивается, а сами вы теперь в состоянии преодолевать свою природную предрасположенность полагаться на логику. Мы, люди, действительно учимся у новых технологий, и это — отчетливый, вселяющий надежду показатель.
Нынешний чемпион мира по шахматам Виши Ананд как-то заметил: «Мы чувствуем влияние компьютера в каждом принимаемом нами решении». Гарри Каспаров же сказал следующее: «Теперь каждый смотрит на игру глазами компьютера».
Это и пугает и воодушевляет одновременно. Человеческая логика все в большей и в большей степени осознает свою ограниченность.
