Иллюзия имманентности применима не только к воображаемым сценам. Мы никогда не видим настоящие сцены «сразу и целиком». На самом деле мы не воспринимаем большинство мелких деталей, пока определенные части нашего мозга не сделают на них запрос, – только после этого глаза наводят на них фокус. И в самом деле, недавние эксперименты доказывают, что наши внутренние описания визуальных сцен обновляются не постоянно[55].
В случае физической плоскости, когда вы думаете о том, как взять и поднять брусок, вы представляете себе его вес и предсказываете, что если ослабите хватку, то брусок с большой вероятностью упадет. В экономической плоскости, заплатив за покупку, вы становитесь ее владельцем, иначе вам нужно будет ее отдать. В сфере коммуникаций, когда вы делаете какое-то заявление, ваши слушатели могут его запомнить – но это произойдет с большей вероятностью, если вы скажете им, что ваши слова важны.
Взрослый человек знает множество подобных вещей и считает их очевидными, но каждому ребенку требуются годы на то, чтобы усвоить, как все работает в разных сферах. Например, если вы перемещаете объект в физической плоскости, это изменит его местоположение, но если вы делитесь информацией с другом, эта информация будет находиться уже в двух разных местах. В шестой и восьмой главах будет подробнее рассказано о том, как мы используем подобные разновидности житейских знаний, а также описана схема под названием «паналогия», которая, возможно, поможет объяснить, как нашему мозгу удается так быстро получать ответы.
5.9. Машины предсказаний
Уильям Джеймс:Попытайтесь представить себе, что сгибаете палец, но на самом деле держите его прямым. Через минуту его начнет буквально покалывать от воображаемой смены позиции – в то же время на самом деле он не пошевелится, потому что «на самом деле не шевелить» – тоже часть установки в вашей голове. Отбросьте эту затею, подумайте о движении просто, без ограничений, и вуаля! – оно происходит безо всяких усилий [Джеймс, 1890].
Каждый человек может думать о чем-то и при этом не производить никаких действий – как, например, Кэрол представила себе, как перемещает бруски, еще до того, как что-то построила. Но как у нее это получилось? Вы сами можете сейчас закрыть глаза, откинуться на спинку стула, отдаться на волю фантазиям и мечтам, поразмышлять о своих мотивах и целях, а затем попытаться решить, что делать дальше.
Но как может мозг или машина представить последовательность возможных действий? В разделе 5.1 было показано, как делать предсказания, используя правила «если + действуй –> то»; соответственно, мозг может использовать каждое «то», чтобы превращать этот прогноз в симул – репрезентацию результата, производя изменение на определенном уровне в системе восприятия нашей машины. Следующая схема демонстрирует некоторые механизмы, способные производить подобную обработку.
Есть две причины включить эту пару «Подавителей». Во-первых, когда мы воображаем будущую ситуацию, нам не нужно, чтобы ее подменило описание текущей ситуации. Также мы не хотим, чтобы наши мышцы выполнили воображаемое действие, пока вы не рассмотрели другие варианты. Поэтому вам нужны какие-то способы отделить разум от тела, дать вам возможность «остановиться и подумать», прежде чем выполнять какое-то действие. (Тут могут использоваться те же механизмы, которые отделяют наш мозг от тела во время сна[56].)
Повторяя этот цикл действий, подобная машина сможет заглядывать в будущее с помощью схем поиска и планирования, описанных нами в разделе 5.3. Более того, если подобная машина разума получит достаточное количество ресурсов, она сумеет моделировать то, что могло бы случиться, в крупномасштабном «виртуальном мире» или занимать себя тем, что мы называем фантазиями. Конечно, это потребует дополнительного объема памяти, а также вовлечения других механизмов. Однако любой человек, игравший в современную компьютерную игру, знает, что программисты уже добились весьма больших успехов в искусстве моделирования целых миров с помощью машин.
Так как совершенно очевидно, что люди на это способны, я не удивлюсь, если в следующие несколько лет наши ученые обнаружат подобные «машины предсказаний» в разных частях человеческого мозга. Как у нас развились эти навыки? Предшествовавшие нам приматы, должно быть, уже имели подобные структуры, позволявшие им думать на несколько шагов вперед. Затем, всего несколько миллионов лет назад, эти части мозга стремительно увеличились как в размере, так и во вместительности, – что, видимо, стало решающей ступенью в развитии у человека таких ресурсов.
В этой главе были описаны структуры и процессы, объясняющие некоторые возможности нашего мозга, и обозначена последовательность уровней, на которых могут использоваться всё более мощные способы думать.
Модель Шесть
Однако, как бы ни была построена эта система, она никогда не станет продуктивной, пока не получит достаточно информации о мире, в котором находится. В частности, она должна предвидеть некоторые последствия возможных действий, а этого не получится сделать без наличия огромных запасов того, что мы называем житейскими знаниями и логическими рассуждениями. Именно вопросу житейских знаний, основанных на здравом смысле, мы посвятим главу шестую.
Глава 6. Здравый смысл
Чтобы заработать деньги, надо купить акции по низкой цене, а потом, когда цена вырастет, продать их. Если цена не вырастет, не покупайте.
Уже вскоре после появления первых компьютеров их баги стали предметом шуток. Самый крошечный недочет, и программа могла проглотить деньги клиента банка, отправить ему счет на астрономическую сумму или загнать компьютер в бесконечный цикл повторения одних и тех же ошибок[57]. Большинство пользователей пришло к выводу, что из-за столь вопиющего отсутствия здравого смысла машины никогда не станут по-настоящему умными.
Сегодня, конечно, компьютеры многому научились. Одни программы обыгрывают людей в шахматы. Другие умеют диагностировать сердечные приступы. Третьи способны распознавать изображения лиц, собирать автомобили на заводах или даже пилотировать корабли и самолеты. Но ни одна машина еще не научилась заправлять кровать, читать книги или нянчить детей.
Почему наши компьютеры неспособны выполнять задачи, с которыми может справиться большинство людей? Может, им не хватает памяти, скорости или сложности? Или они используют неправильно составленные инструкции? Или же их возможности ограничены тем, что они работают только с нулями и единицами? Или машинам недостает некоего магического качества, которым обладает лишь человеческий мозг? В этой главе мы попытаемся доказать, что недостатки современных машин не обусловлены ничем из вышеперечисленного. На самом деле вся их беспомощность проистекает из того, что разработчики используют в их создании устаревшие концепции.
• На сегодня не существует программ, которые бы пользовались житейскими знаниями, основанными на здравом смысле. Любая современная программа оснащена лишь той информацией, которая требуется для решения какой-либо конкретной задачи. В первой части этой главы мы обсудим огромный объем знаний, заложенный в человеческой памяти, и навыки, которые люди используют для применения этих знаний. Например, если кто-то скажет вам, что сверток перевязан «ниткой», вы поймете «очевидные» импликации, подобные тем, что перечислены ниже, – а вот компьютеры такого еще не знают:
За нитку можно тянуть, но ею нельзя толкать.
Если потянуть слишком сильно, нитка порвется.
Сверток нужно сначала наполнить, а лишь потом перевязывать.
Размотанная нитка может запутаться и завязаться узлами.
• Сегодняшние программы не имеют четких целей. На данный момент мы только рассказываем программам, что им следует делать, не объясняя, почему хотим, чтобы они это делали. Таким образом, программа неспособна узнать, были ли достигнуты цели пользователя – и если да, то в какой степени и какой ценой. В середине главы мы обсудим, что такое цели и как машины могли бы включить их в рабочий процесс.
Когда идет дождь, люди обычно заходят в помещение. (Люди не любят мокнуть.)
Люди не любят, когда их прерывают. (Люди хотят, чтобы их слушали.)
В шумном месте трудно услышать собеседника. (Люди хотят слышать, что говорят другие.)
Никто другой не знает, о чем вы думаете. (Люди ценят конфиденциальность.)
• Очень малая часть программ на сегодня обладает достаточной находчивостью. Если ей не хватит знаний, необходимых для выполнения задачи, или метод, который она использует, потерпит неудачу, типичная программа просто остановит работу – а вот человек найдет другой способ подойти к проблеме. В заключительных частях этой главы обсуждается то, какие тактики мы используем, когда сомневаемся в дальнейших действиях, – например, проведение аналогий.
Встречались ли мне раньше подобные проблемы?
На какие другие проблемы она похожа?
Как мне удалось решить те проблемы?
Могу ли я адаптировать прошлые решения для решения этой?
Именно из-за отсутствия таких способностей, когда что-то идет не так, наши компьютеры полностью отказываются работать вместо того, чтобы найти более удачный вариант действий. Почему они не умеют учиться на собственном опыте? Все потому, что им не хватает «здравого смысла»!
Мы не так часто осознаем, насколько сложны процессы, происходящие в человеческом разуме каждое мгновение повседневной жизни. Эта глава призвана продемонстрировать, что на самом деле «житейские» решения, принимаемые нами, часто оказываются куда сложнее, чем многие из специализированных навыков, которым общество выказывает больше внимания и уважения.