Выбор ослабляемого ограничения означает выбор какого-то аспекта наших воображаемых миров, который мы подчеркиваем, в то же время отбрасывая остальные. В некотором роде это способ срезать путь, однако полезный и действенный. Ограничения выступают в роли фильтра для нашего выбора. Мы пользуемся ими, потому что наш мозг, показывающий невероятную эффективность при решении некоторых задач, неспособен быстро оценивать все изобретаемые нами варианты. Слишком много времени и сил на это требуется.
Ограничения представляют собой, так сказать, «градостроительные нормы» для создания предполагаемых вариантов решения. Иногда строительство ведется не только в уме, но и в физическом мире. Иногда для поддержки умственных моделей нам приходится создавать модели в реальном мире. Как в случае с тренировочной моделью аэропорта Энтеббе, физические ограничения модели повторяют когнитивные ограничения, в которые мы должны укладываться. Представьте себе, например, модели, которые делают архитекторы, или детские парки, где изучают правила дорожного движения, или лазание по стенам. Все они «материализуют» ограничения, сознательно подобранные так, чтобы поместить пользователей в определенную альтернативную реальность.
Достоинство моделей в том, что они дают нам возможность как умственно, так и физически практиковаться, готовиться и пробовать варианты практически без последствий. Как дети в игре стремятся понять причинно-следственные связи и приобрести опыт контрфактических рассуждений, так взрослым модели дают возможность натренировать мышление под конкретные задачи. Мы облекаем элементы ментальной модели в физическую форму, когда они становятся слишком сложными, или соответствие им должно гарантироваться.
Когда ограничение носит ментальный характер, можно его нарушить (хотя это дается нелегко). В то же время у физической модели ограничения являются ее частью, поэтому обладают гораздо меньшей гибкостью. Идеальной тому иллюстрацией могут служить авиационные тренажеры. Они бывают самыми разными: от «игрушечных» версий на компьютерах и телефонах до сложных машин для обучения профессионалов. Все они реализуют законы аэродинамики, а органы управления работают так же, как на настоящем самолете. Модели ограничивают, вместо того чтобы давать возможность совершить абсолютно любое действие, – и именно потому они реалистичны. Таким образом наше внимание сосредотачивается на ограниченном числе входных воздействий и потенциальных реакций системы. За счет концентрации на том, что представляется самым важным, совершенствуются летные навыки и повышается качество принимаемых летчиками решений.
Ключевое слово здесь «представляется». Подобная концентрация не лишена недостатков. Авиатренажер – модель самолета, а не реальная машина, подобно тому, как карта – не территория. Она сосредоточена на определенных аспектах самолетовождения и в силу этого игнорирует остальные. В простейших тренажерах, например, не предусмотрены другие самолеты, и поэтому они не могут подготовить пилота к полетам в районах с интенсивным воздушным движением, например, над Нью-Йорком. Для этого требуются более сложные системы, где подобные ограничения реализованы.
Модели, которые полностью материальны, еще более ограничены, чем авиатренажеры. Менять их можно даже в меньшей степени, чем реализованные программно, и поскольку носят они физический характер, в них подчеркнуты жесткие, нерушимые ограничения. Как и все модели, они предназначены для того, чтобы помочь уму сконцентрироваться на самом важном, необходимом. Исключенное из модели так же важно, как и включенное.
Примером может служить не слишком известный исторический эпизод. В 1952 году на ядерном реакторе в Онтарио, Канада, резко возросла выделяющаяся энергия, топливные стержни перегрелись, произошло частичное расплавление активной зоны. Реактор находился в нескольких часах езды на машине от границы штата Нью-Йорк и производил плутоний для американского оружия. Именно поэтому была приглашена группа специалистов из программы атомных подводных лодок Военно-морского флота США, чтобы устранить проблему быстро и тихо. Возглавлял группу 28-летний лейтенант Джимми Картер, впоследствии – 39-й президент Соединенных Штатов Америки.
Чтобы стабилизировать реактор, нужно было глубоко погрузиться в него. При этом уровень радиации был столь высок, что каждый раз можно было находиться в активной зоне не более 90 секунд. Поэтому группа построила на расположенном поблизости теннисном корте модель реактора и использовала ее для тренировок. «Когда наступало время работать, наша группа из трех человек несколько раз практиковались на модели, чтобы быть уверенными: мы взяли именно те инструменты, что нужно, и знаем, как их использовать», – писал Картер об этом задании.
«Наконец, одетые в белые защитные костюмы, мы спускались в реактор и как сумасшедшие работали в течение отведенного нам времени, – объяснял он. – Каждый раз, когда одному из нас удавалось снять болт или трубку в активной зоне, аналогичный элемент убирался и из модели». Модель не была точной копией реактора – все, что нам требовалось, это ее основные черты, чтобы практиковаться и выстраивать в уме картину того, что предстоит сделать.
Подобным же образом, только куда осторожнее, моделями начинает пользоваться и здравоохранение. В рамках программы имитационного моделирования в педиатрии, которая проводится Детской больницей Бостона и Гарвардской медицинской школой, доктор Питер Вайншток хочет привнести концепцию использования моделей в хирургию, особенно в случае редких или сложных операций. Таким образом Вайншток и его группа, включающая в себя докторов, медсестер, компьютерных дизайнеров и даже специалистов по спецэффектам из Голливуда, создала манекены, точные с биологической и анатомической точки зрения.
Благодаря им у хирургов появляется возможность десятки раз попрактиковаться в реалистичной обстановке, прежде чем приступить к работе на живом человеке, где шанса на ошибку не будет. «Оперируем дважды, режем единожды» – вот неофициальный девиз программы, придуманный Вайнштоком. Полезными и сама модель, и имитация операций оказываются именно благодаря ограничениям. Не воспроизводятся ни тело полностью, ни все физиологические и биологические состояния и реакции, – только те, которые хирургической бригаде важно четко представлять перед настоящей операцией. Гениальность системы заключается не только в том, что в нее включено, но и в том, что исключено. Ее сила – в концентрации.
Отталкиваясь от подходящих ограничений, люди способны определять практически оправданные варианты решений. Это полезно для нас как личностей, но выгода достигается и на уровне общества в целом. Чем эффективнее мы определяем варианты для выбора, достигаем своих целей и влияем на мир в целом, тем больше меняется реальность для других. Например, Томас Эдисон не просто нашел подходящий материал для электрической лампочки, чтобы обеспечить свет себе самому: от его успеха выиграло все общество. Чем активнее люди устанавливают разумные ограничения для своих фреймов, тем лучше нам всем.
Фреймы дают нам возможность понять (благодаря каузальным рассуждениям), действовать (благодаря контрфактическим предположениям), а кроме того, гарантируют, что действия будут значимыми (благодаря ограничениям). Беря мечту в рамки ограничений, мы тем самым делаем акцент на результате, на эффективности. То, чего мы достигаем в своей жизни, оставляет следы, по которым могут пройти другие, – фреймы, которые они смогут принять, приспособить, применить.
В отношении решений, выработанных машиной, это неверно. Мы уже видели, что машины неспособны принимать во внимание причинно-следственные связи и придумывать варианты решения задачи. Кроме того, они не умеют создавать ограничения. Алгоритмы не умеют устанавливать пределы и ограничения сами по себе. На самом деле, это удивительно. В конце концов, принимая во внимание огромную вычислительную мощность, доступную человечеству, за один и тот же промежуток времени машины способны обработать значительно большее пространство решений, причем куда эффективнее и быстрее людей.
Но проблема не в недостатке вычислительной мощности или способности ИИ механически генерировать возможные варианты. Она в том, что еще большее количество вариантов потребует граничных условий и путей перебора, которые ради экономии времени следует отсекать, не рассматривать. Без таких граничных условий машина оказывается перед лицом неограниченного пространства решений и не может прийти к оптимальному решению в отведенное время. Тот факт, что люди и их фрейминг способны справляться с подобными трудностями, подчеркивает превосходство людей в машинную эпоху.
Возьмите для примера музыку. На протяжении десятилетий ученые пытались научить компьютеры писать ее, и в последние годы сгенерированная ИИ музыка стала столь хороша, что зачастую ее невозможно отличить от мелодий, написанных человеком. Но при более тщательном рассмотрении оказывается, что эти системы зависят от человеческих фреймов и ограничений, которые те накладывают. Например, система машинного обучения Coconet, разработанная Чен-Чжи Анной Хуан и другими учеными из Google, обучалась на наборе данных, включающем в себя 306 гармоний из четырехголосных хоралов Иоганна Себастьяна Баха.
Coconet создает музыку, прекрасную на человеческий вкус. Но благодарить за это следует не ИИ, а Баха. Краткость его мелодических линий и богатые гармонии оказались идеальными для использования в качестве учебных данных. Принцип работы системы основан на случайном удалении нот с тем, чтобы модель предсказывала, какие тона подойдут лучше всего. В результате получаются полные гармонические мелодии с плавными переходами, и при этом исходными данными служат всего несколько нот. Тем не менее ИИ работает только потому, что включает в себя ограничения в виде выбора из 306 музыкальных фрагментов, в него заложенных. А сами данные – это музыка Баха из 1700-х годов, представляющая собой его ментальные модели, в которых воплощены сознательно выбранные, «хорошо темперированные» ограничения.