Итак, мы переоцениваем объем наших знаний, из чего следует, что мы более невежественны, чем о себе думаем. Но насколько мы невежественны? Можно ли как-то оценить реальный объем наших знаний? Ответить на этот вопрос попытался Томас Ландауэр (8).

Ландауэр – один из создателей когнитивистики, занимавший научные должности в Гарварде, Дартмуте, Стэнфорде и Принстоне и, кроме того, на протяжении 25 лет пытавшийся применить свои наработки в Bell Labs. Его карьера началась в 1960-х, когда ученые-когнитивисты всерьез полагали, что мозг – это своего рода компьютер. Когнитивистика как наука формировалась параллельно с развитием компьютеров. Основы вычислительной науки и техники в той форме, в какой они нам сейчас известны, разработали великие математические умы, прежде всего Джон фон Нейман и Алан Тьюринг, но вскоре возник вопрос: работает человеческий разум так же, как компьютер, или нет? Компьютер имеет операционную систему, работающую с помощью центрального процессора, который считывает значения из цифровой памяти и записывает их с помощью небольшого набора правил. Основатели когнитивистики считали, что мозг работает так же. Компьютер использовался в качестве метафоры, которая определяла развитие когнитивистики. Считалось, что мышление – это разновидность компьютерной программы, которая реализуется в мозгу человека. Одним из великих достижений Алана Тьюринга является то, что он довел эту идею до ее логического предела. Если человек работает как компьютер, значит, можно запрограммировать компьютер так, чтобы он делал то, что может делать человек. Руководствуясь этой идеей, в 1950 г. в своей классической статье «Вычислительные машины и разум» он поставил вопрос «Могут ли машины думать?» (9).

В 1980-х гг. Ландауэр решил оценить объем человеческой памяти в тех же единицах, которые используются для измерения объема памяти компьютера. Ко времени написания этой книги ноутбуки выпускаются с объемом энергонезависимой памяти (то есть памяти для длительного хранения информации) 250 или даже 500 гигабайт. Чтобы определить объем знаний у людей, Ландауэр использовал несколько изящных приемов. Например, он оценил средний словарный запас взрослого человека и подсчитал, сколько байт памяти потребуется для хранения такого объема информации. Затем он использовал полученный результат для того, чтобы оценить средний размер всей базы знаний взрослого человека. В целом у него получилось около половины гигабайта.

Кроме того, он получил еще одну оценку совершенно другим способом. Во многих экспериментах психологи просят людей прочитать текст, посмотреть рисунки или прослушать слова (имеющие смысл или бессмысленные) или целые предложения, прослушать короткие музыкальные отрывки и т. п. Через некоторое время, иногда измеряемое минутами, а иногда неделями, они проверяют, что осталось в памяти участников эксперимента. Для этого можно, например, просто попросить людей воспроизвести ранее представленный им материал. Этот тест позволяет оценить память человека, и он может оказаться очень трудным. Как вы думаете, вы смогли бы прямо сейчас, навскидку, вспомнить отрывок текста, который прослушали только один раз несколько недель тому назад? Ландауэр также проанализировал результаты некоторых экспериментов, не столь трудных для их участников. Чаще всего в этих экспериментах использовали тесты на опознание: как правило, испытуемым предлагалось определить, видели или слышали они недавно представленное им фото, слово, музыкальный фрагмент или нет. В некоторых экспериментах людям показывали несколько предметов и просили выбрать тот, который они видели раньше. Это очень чувствительный метод тестирования памяти; при его использовании хорошие результаты показывают даже люди со слабой памятью. Чтобы оценить объем информации, который человек может помнить, Ландауэр оценивал разницу в эффективности распознавания между группой, которой демонстрировались предметы, и группой, которой они не демонстрировались. Эта разница и является мерой памяти в чистом виде.

Блестящей находкой стало решение Ландауэра делить эти оценки памяти (разницу в эффективности распознавания между двумя группами) на значения времени, которое участники эксперимента тратили на изучение материала в первый раз. Таким образом он смог получать данные о скорости усвоения информации, которую участники эксперимента впоследствии вспоминали. Он также нашел способ учитывать тот факт, что люди забывают информацию. Еще один замечательный результат его анализа – вывод о том, что люди воспринимают информацию примерно с одинаковой скоростью (10) вне зависимости от деталей процедуры, используемой в эксперименте, и от типа предлагаемого им материала: визуальная, вербальная и музыкальная информация запоминается примерно с одинаковой скоростью.

Далее Ландауэр подсчитал, какой объем информации находится в распоряжении человека (то есть каков объем его базы знаний), предположив, что он обучается с одинаковой скоростью на протяжении семидесяти лет жизни. Но все методы, которые он использовал, давали одинаковый результат: 1 гигабайт. Он не утверждал, что это правильное и точное значение. Но даже если он ошибся на порядок, если люди хранят в памяти в 10 раз меньше или, наоборот, в 10 раз больше информации, чем 1 гигабайт, все равно этот объем оказывается неправдоподобно маленьким. Это лишь малая доля объема информации, которая может храниться в современном ноутбуке. Оказывается, люди не являются хранилищами знаний.

С одной стороны, это должно вызывать шок: как так? На свете столько всего, что нужно знать, и взрослые люди действительно знают очень много. Мы смотрим новости, и у нас не возникает ощущения безнадежной путаницы. Мы принимаем участие в разговорах на самые разные темы. Чтобы узнать правильные ответы на некоторые вопросы, достаточно просто посмотреть телепередачу «Jeopardy!». Каждый из нас говорит как минимум на одном языке. И конечно, на самом деле объем знаний у нас намного больше этой мизерной доли того, что может храниться в памяти небольшого устройства, умещающегося в кейсе или в рюкзаке.

Но шоком это будет лишь для тех, кто считает, что человеческий мозг работает так же, как компьютер. Представление о мозге как о машине, предназначенной для кодирования информации и сохранения ее в памяти, оказывается несостоятельным при сопоставлении его со сложностью мира, с которым нам приходится взаимодействовать. Если бы память была предназначена для хранения огромных объемов информации, в этом было бы мало пользы, потому что в окружающем мире ее просто слишком много.

Поэтому ученые-когнитивисты уже не используют аналогию с компьютером так часто, как раньше. Иногда ее используют при моделировании процессов мышления, но мышления медленного и осторожного, например при обдумывании пошаговых инструкций (в противоположность более интуитивному и более «размашистому» мышлению), как это происходит в компьютерных программах. Но все-таки в наши дни когнитивисты уделяют гораздо больше внимания тому, чем мы отличаемся от компьютеров. Собственно, обдумывание – это лишь небольшая часть того, что происходит, когда мы думаем. Познание состоит в основном из интуитивного мышления, то есть из процессов, протекающих ниже уровня сознания. Сюда, в частности, входит параллельная обработка огромных массивов информации. Например, при поиске нужного слова наш мозг не осуществляет последовательный перебор слов по одному. Вместо этого мы просматриваем весь наш лексикон (ментальный словарь) одновременно, и обычно слово, которое мы ищем, поднимается на самый верх. Этот вид обработки информации радикально отличается от тех, которые имели в виду фон Нейман и Тьюринг в дни становления информатики и когнитивистики (11).

Более того, люди не компьютеры, поскольку мы не полагаемся только на центральный процессор, который в ходе мыслительных действий считывает данные из памяти и снова заносит их в память. Далее в этой книге мы подробно обсудим, как в мыслительных процессах люди используют свои тела, мир вокруг них и мозги других людей. Мы просто не можем хранить в собственных головах всю доступную информацию об окружающей нас среде.

Чтобы понять, насколько сложен этот мир, мы рассмотрим его под разными углами зрения. Многие вещи, изготовляемые человеком, имеют чрезвычайно непростую конструкцию. Например, по утверждениям представителей компании Toyota, в современных автомобилях около 30 000 частей (12). Но их настоящая сложность кроется не в количестве деталей, а в числе вариантов, которыми эти детали могут проектироваться и соединяться между собой. Только подумайте, о каком множестве характеристик должен заботиться конструктор автомобиля: внешний вид, мощность, КПД, управление, надежность, размеры, безопасность и др. Помимо хорошо известных моментов, которые необходимо учитывать конструкторам, современный автомобиль должен также прогнозировать и измерять собственные вибрации, так как от этого зависит уровень шума при работе автомобиля и уровень тряски. Часто для изменения характеристик вибрации одну деталь приходится заменять другой. Автомобили сейчас стали настолько сложными, что уже нельзя поручить подростку открыть капот и начать шуровать под ним гаечным ключом. Для ремонта и отладки современного автомобиля необходимо пройти весьма серьезное обучение, и для этого требуется слишком много электрических приборов. Сейчас, чтобы понять принципы устройства автомобиля, подросток должен как следует разобраться в конструкциях старых авто, двигатели которых сравнительно просты для понимания. Даже профессиональные автомеханики, бывает, жалуются на то, что они теперь не чинят машины, а просто заменяют модули, причем по подсказкам компьютера.

То же самое можно сказать обо всех изделиях, в которых используются современные технологии, от самолетов до радиочасов. Современные лайнеры настолько сложны, что ни один специалист не понимает их устройства во всех деталях, но разные специалисты хорошо понимают разные аспекты их работы. Это специалисты по аэродинамике, по навигационным системам, по реактивным двигателям или по эргономике сидений (позволяющей компаниям упаковывать людей в салонах эконом-класса столь же эффективно, как упаковывают сардинок в банки). Даже современные бытовые электроприборы, такие как микроволновая печь и кофеварка, настолько сложны, что, когда они ломаются, их даже не ремонтируют: мы просто выбрасываем их и заменяем новыми.

Однако сложность всего, что изобрел человек, меркнет в сравнении с многогранностью окружающего нас природного мира. Горные породы и минералы устроены сложнее, чем кажется; чтобы убедиться в этом, достаточно просто внимательно посмотреть на них. Ученые до сих пор до конца не понимают ни что такое черные дыры, ни почему лед скользкий. Но если вы хотите увидеть по-настоящему сложные объекты, откройте учебник биологии. Чтобы разобраться в функционировании даже микроскопических объектов, например раковых клеток, понять, какие среди них можно выделить разновидности, что заставляет их размножаться, а что вызывает их гибель и как можно отличить их от нераковых клеток, требуются согласованные усилия многих тысяч ученых и врачей. Если академическая наука и практическая медицина смогут найти ответы на эти вопросы, то, возможно, человечество сможет избавиться от многих смертельных болезней, которые мы в совокупности называем раком (13). Прогресс науки и практики в этом направлении не вызывает сомнений, но многое еще остается неясным.

Для многоклеточных организмов сложность многократно увеличивается. Рассмотрим экстремальный пример – нервную систему. Даже у морского слизня 18 000 нейронов. С учетом стандартов эволюции мухи-дрозофилы и лангусты достаточно умны; у тех и других для обработки информации имеется более 100 000 нейронов. Медоносная пчела использует почти миллион нейронов. И не следует удивляться тому, что у млекопитающих сложность нервной системы на несколько порядков больше: у крысы около 200 миллионов нейронов, у кошек почти миллиард, а у человека около 100 миллиардов нейронов. Кора – новейшая часть головного мозга, сложность ее устройства как раз и отличает человека от остальных животных – содержит около 20 миллиардов нейронов. В мозгу человека одновременно протекает множество сложнейших процессов.

Несмотря на огромное число клеток в нашем мозгу, их все равно недостаточно, чтобы хранить всю информацию, которую мы получаем на каждом уровне детализации. Все вокруг нас устроено слишком сложно. Кстати, и сам наш мозг – прекрасный пример системы, чересчур сложной для всеобъемлющего понимания. Изучая такую огромную и сложную систему, как мозг, не следует ожидать, что вы сможете понять его работу в мельчайших подробностях. Тем не менее в последние десятилетия неврологи добились огромных успехов в описании функций отдельных нейронов, а также крупных функциональных областей головного мозга, как правило состоящих из миллионов нейронов. Они описали многие системы, существующие в мозгу, а неврологи-когнитивисты просто совершили прорыв, поняв, как эти системы соединяются между собой для выполнения различных функций. Наверное, лучше всего описана функция зрения. Ученые знают, как свет входит в глаз, как он преобразуется в сигналы активности мозга и где эти сигналы анализируются и преобразуются в значимые характеристики окружающего мира (например, движение, ориентацию и цвет) – в затылочной доле. Мы даже знаем, куда оттуда идут сигналы активации, чтобы позволить нам идентифицировать сами объекты (в височные доли) и их положение в пространстве (в теменные доли).

В то же время неврологи очень мало знают о том, какие аспекты сложных структур контролирует головной мозг и каким образом он осуществляет расчеты. Ученые до сих пор пытаются выяснить, что в нас закладывается от рождения, а чему мы учимся с течением времени, что мы забываем и как быстро это происходит, какова природа сознания и для чего оно предназначено, что такое эмоция и в какой степени эмоциями можно управлять и как люди (даже младенцы!) распознают намерения других людей. В ходе эволюции мозг стал настолько сложным, что нам даже трудно оценить его сложность.

Еще одна сложная система, работу которой пытаются понять ученые, – это погода. Метеорологи уже добились огромных успехов в прогнозировании погоды (14). Многие экстремальные погодные явления сейчас удается предсказывать за несколько дней (лет десять-двадцать назад об этом можно было только мечтать). Это называется краткосрочным прогнозированием, и повышение точности краткосрочных прогнозов объясняется увеличением доступности больших объемов данных, улучшением используемых моделей погоды и резким увеличением скорости вычислений. Это огромное достижение. Погода, как и мозг, является чрезвычайно сложной системой, с огромным числом движущихся элементов и результатами на выходе, определяемыми сложными взаимодействиями между ними. Фактическая погода в вашей местности зависит от того, сколько времени в последнее время светило солнце, насколько выше (или ниже) уровня моря вы находитесь, есть ли поблизости от вас горы или нет, есть ли поблизости крупные водоемы или нет (они запасают или высвобождают тепло в больших количествах), не было ли поблизости сильных «разовых» явлений погоды (например, ураганов и гроз) и как распределяется давление воздуха (15).

Объединить все эти факторы в единый прогноз погоды – дело непростое. И действительно, пока что метеорологи не могут делать многие специальные прогнозы – например, где возникнет следующий торнадо. Кроме того, долгосрочные прогнозы погоды – по-прежнему дело далекого будущего (а может быть, мы вообще так никогда и не научимся их делать). Вы можете доверять посуточному прогнозу погоды на ближайшие несколько дней (хотя и здесь вас могут ожидать сюрпризы), но не ожидайте, что ваши местные метеорологи точно предскажут вам, какая погода будет через несколько недель. Мы имеем некоторые представления об изменениях климата на протяжении длительного времени, но эти данные не помогают прогнозировать специфические краткосрочные погодные явления. Мы знаем, что в связи с изменениями климата следует ожидать возникновения тех или иных экстремальных явлений погоды, но не знаем точно, что именно и где произойдет.

Некоторые явления, которые мы пытаемся понять, на самом деле невероятно сложны; возможно, они в принципе не поддаются пониманию. Предположим, вы собираетесь на встречу выпускников и пытаетесь спрогнозировать, будет там ваш бывший друг или подруга или нет. Предположим также, что вы давно потеряли этого человека из виду и много лет о нем или о ней ничего не слышали. При составлении такого «прогноза» вы можете опираться на самые общие факты, например на процент людей, которые вообще ходят на такие встречи. Иногда помочь вам примерно определить вероятность того, что на встречу придет интересующий вас человек, могут друзья. Можно даже использовать при прогнозировании информацию о том, насколько хорошие у вашего друга отношения с другими вашими однокашниками или в какой мере этот человек, по вашим воспоминаниям, был подвержен ностальгии. А вот чего вы не можете сделать – это дать оценки, требующие знания конкретных фактов: живет ли этот человек достаточно близко, чтобы прийти (или может ли он/она позволить себе приехать издалека), да и вообще жив ли он. Этот человек может состоять в браке или быть в разводе, может иметь одного, двух или восьмерых детей, может быть, он сделал карьеру или отбывает срок в тюрьме. Существует бесчисленное множество возможных траекторий человеческой жизни, но ту единственную, которой суждено реализоваться, нам предугадать не дано.

Эта проблема хорошо известна военным стратегам. Независимо от того, со скольких направлений вы приготовились отразить нападение врагов, удар может быть нанесен откуда-то еще. Конечно, существует несколько наиболее вероятных направлений (с суши или с моря), но кроме них есть и многочисленные маловероятные варианты (вроде туннелей, прорытых под землей, или деревянных коней, найденных у городских ворот). Поскольку враг не хочет, чтобы вы знали, откуда он нападет, в реальности удар может быть нанесен как раз с одного из маловероятных направлений (16).

Иногда нам приходится прогнозировать события не просто маловероятные, но такие, суть которых мы даже не можем достаточно четко сформулировать, чтобы понять, о чем нам нужно беспокоиться. Дональд Рамсфелд был министром обороны США при двух президентах – Джеральде Форде и Джордже Буше-младшем. Рамсфелд известен, в частности, своей классификацией уровней неизвестности.

С «известным неизвестным» так или иначе все-таки можно взаимодействовать. Это может оказаться трудным делом, но, по крайней мере, тут понятно, к чему следует готовиться. Если военные знают, что нападение готовится, но не знают, когда и откуда, тогда они могут привести имеющиеся резервы в боевую готовность, подготовить вооружение и обеспечить максимальную мобильность. В начале 2001 г. правоохранительные органы США уже знали, что Всемирный торговый центр в Нью-Йорке является мишенью для террористов с Ближнего Востока. Кроме того, его уже пытались взорвать в 1993 г., когда погибли шесть человек, а раненых было более тысячи. Зная, что он является мишенью, правоохранительные органы старались по максимуму обеспечить его безопасность различными способами, например увеличивая число охранников и устанавливая барьеры для автомобилей.

Но оказалось, что реальная проблема крылась именно в «неизвестном неизвестном». Как можно подготовиться к чему-нибудь, если неизвестно, к чему надо готовиться? Кто мог предположить, что в качестве ракет при нападении на Всемирный торговый центр 11 сентября 2001 г. будут использованы обычные большие авиалайнеры? Это нападение заметно изменило взгляды американцев на безопасность и инициировало целый ряд серьезных событий на Ближнем Востоке, которые сами по себе обернулись не меньшими катастрофами – крупномасштабными войнами в Афганистане, Ираке и Сирии, проверками новых методов ведения войны и созданием новых террористических организаций.

«Неизвестное неизвестное» беспокоит не только военных стратегов: нам всем приходится иметь дело с чем-то подобным. «Неизвестное неизвестное» делает рискованной биржевую торговлю, потому что никто не может предсказать, когда случится очередное катастрофическое событие, которое вызовет внезапный спад на рынке. В 2011 г. индекс японского фондового рынка Nikkei снизился на 1,7 % после сильного землетрясения и последовавшего за ним цунами, разрушившего некоторые районы Японии. «Неизвестное неизвестное» может превратить жизнь обычной семьи в ад, если на нее вдруг обрушится трагедия или, наоборот, счастье (например, нашли клад на заднем дворе). Никакое понимание ситуации не помогает предсказывать «неизвестное неизвестное», и пока что «оно» время от времени происходит.

Многие вещи, о которых люди вроде бы знают, остаются невероятно сложными независимо от того, сколь пристально вы за ними наблюдаете. В математике объекты, обладающие этим свойством, называются фракталами. Лес состоит из множества деревьев, на каждом дереве огромное число веток, на ветках множество листьев, а листья пронизаны сложными узорами разветвленных капилляров, которые напоминают человеческие вены. Если вы посмотрите на капилляр через мощный микроскоп, вы увидите не менее сложную структуру уже на клеточном уровне. Фракталы сохраняют сложность на всех уровнях. И многое в окружающей нас природе построено из фракталов. Характерный пример – береговая линия. Если вы посмотрите на побережье Англии с самолета, летящего на высоте более 9 км, вы увидите зубчатую линию, которая отделяет сушу от воды. Но, спускаясь ниже, вы все равно будете видеть неправильную зубчатую линию. Даже если вы придете на пляж и будете рассматривать скалы, находящиеся у самой кромки воды, через увеличительное стекло, вы по-прежнему будете видеть – конечно, уже другой – зубчатый край. Чем ближе вы рассматриваете объект, тем больше у вас возникает вопросов. И это всегда выходит за пределы нашего понимания.

Даже простые предметы повседневного обихода имеют некоторые аспекты, каждый из которых может обладать сложностью на уровне фракталов. Чтобы досконально понять, что такое шпилька для волос, необходимо иметь достаточно подробное представление обо всем, что к ней относится или может относиться: из каких материалов она сделана, откуда поступает каждый из этих материалов, как он используется при изготовлении шпилек, где они продаются и кто их покупает. Чтобы в полной мере оценить правильность ответа на каждый из этих вопросов, необходимо будет найти ответы на ряд новых вопросов. Чтобы понять, кто покупает шпильки, необходимо было бы провести анализ причесок, что, в свою очередь, требует понимания тенденций моды и лежащей в ее основе социальной структуры. У программистов эта проблема постоянного роста потребности в информации называется комбинаторным взрывом. Чтобы полностью понять какой-либо предмет, необходимо понимать все больше и больше, и совокупность всего, что необходимо понять, чтобы достичь полного понимания, нарастает настолько быстро, действительно взрывообразно, что вскоре оказывается больше, чем может охватить человеческий разум.

Еще один математический инструмент, показывающий, что окружающий мир слишком сложен для того, чтобы с этой сложностью можно было как-то управляться, – это теория хаоса. В хаотичной системе крошечные отклонения, имеющие место в начале процесса, со временем могут развиться в гигантские изменения. Помните знаменитую метафору, что взмах крыла бабочки в Китае может привести к урагану в США? Нарастание изначально малых отклонений в хаотичной системе можно уподобить нарастанию скорости при падении с обрыва. Стивен Джей Гулд объяснил, каким образом хаос вносит сложность в изучение истории: «Маленькие отклонения в самом начале, возникающие без каких-либо особых причин, далее инициируют целые каскады последствий, так что конкретное будущее – в ретроспективе – выглядит неизбежным. Но малейший толчок, тоже в самом начале, тут же “переводит стрелки” таким образом, что история разворачивается в другом направлении и непрерывно удаляется от своего “первоначально предначертанного” пути. То есть при незначительных с виду начальных возмущениях конечные результаты получаются совершенно разными» (17). Замечание Гулда, что происходящие события выглядят неизбежными лишь в ретроспективе, задним числом, подчеркивает глубину нашего невежества. Мы просто не понимаем причинно-следственных связей, вызывающих то или иное событие.