Талант ни при чем!

Очевидно, что успешные люди располагают большим объемом знаний в своей области, нежели рядовые работники. Но когда-то многие исследователи оспаривали этот факт. Они считали, что успешной работе содействует не владение знаниями, а способность к рассуждению. Не нужно много знать в какой-либо сфере, если уметь анализировать проблему и проведенный анализ подкрепить результатами работы на компьютере. Такой образ мыслей был особенно популярен на заре компьютерной эры, в 50-70-е годы, когда ученые искали способ создать разумные машины и все казалось возможным. Их амбиции были столь высоки, что в 1957 году двое ученых, Герберт Саймон и Аллен Ньюэлл, анонсировали появление компьютерной программы, которую назвали «Универсальный решатель задач». Она не знала ничего конкретного ни о чем конкретном, но владела универсальными правилами логики и стратегии решения задач. Программа никогда не решала задач из реальной жизни, но продемонстрировала весьма важный подход: если у вас есть достаточно мощный искусственный интеллект, конкретных знаний не нужно.

В конце концов ученые начали понимать, что не отягощенная знаниями мощь компьютера не позволяет добиться желаемых результатов. Чтобы убедиться в том, что их изначальный подход не работает, давайте рассмотрим одну из самых известных попыток создать искусственный интеллект — успешную компьютерную программу для игры в шахматы. Вот идеальная основа для подхода «знания не имеют значения». Просто объясните компьютеру правила и цель игры, а затем положитесь на его невероятную скорость и умение сопоставлять, недоступные ни одному человеку. Триумф был неизбежен.

Однако же люди по-прежнему побеждали. Казалось бы, нонсенс — по оценкам шахматных специалистов, даже высококлассному игроку нужно около пятнадцати секунд, чтобы продумать все возможные ходы в какой-либо позиции. Ранние же компьютерные программы могли просчитывать тысячи ходов в секунду. Как же человеку удалось выиграть? Когда бывший в то время чемпионом мира Гарри Каспаров впервые сыграл со знаменитой программой IBM Deep Blue в 1996 году, компьютер оценивал 100 миллионов позиций в секунду, но Каспаров тем не менее выиграл. Год спустя компьютер усовершенствовали — он рассматривал 200 миллионов позиций в секунду, и Deep Blue провела матч из шести игр: два выигрыша, один проигрыш, три ничьих.

Но в свете постоянно совершенствующихся возможностей компьютера возникает вопрос — почему машина вообще проиграла или свела вничью хоть одну игру против человека? Ответ: человек обладает чем-то, что компьютеру недоступно. Это основательные знания о шахматах, о том, как мастера прошлого реагировали на различные позиции в различных случаях и какие последствия влечет за собой тот или иной ход. И наконец исследователи поняли, в чем секрет. «Самый важный компонент любой системы искусственного интеллекта — это знание, — писали трое выдающихся ученых, работавших над такими компьютерными системами (Брюс Бьюкенен, Рэндалл Дэвис и Эдвард Фейгенбаум). — Программы, владеющие общими стратегиями вывода — 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». Их вывод: «Сила — в знании».

Другие исследователи приходили к тому же выводу другими путями, хотя также занимались шахматами. Голландский психолог Адриан де Гроот сравнил игроков мирового класса с опытными шахматистами-любителями и, к своему удивлению, обнаружил, что высококлассные игроки рассматривали не больше возможных ходов, чем любители, поиск их не отличался большей перспективой и эмпирические приемы при выборе ходов были аналогичными. В целом, казалось, мотор интеллекта профессионалов работает ничуть не быстрее, чем у шахматистов-любителей. Так почему же они лучше?

Отчасти ответ в том, что они больше знали о своей предметной области. Изучая шахматы, исследователи обнаружили (методом, который я опишу чуть позже), что у игроков-экспертов знаний гораздо больше, чем у просто хороших игроков, — в десять раз. Важно и то, что мастера во многих областях умеют лучше скомбинировать и организовать свои знания, что позволяет им выработать более эффективный подход к задачам. Например, опытным физикам и начинающим студентам предложили около двадцати задач по физике, попросив сгруппировать их по определяющему признаку. Начинающие классифицировали задачи по наиболее очевидным параметрам, например по тому, шла ли в них речь о трении или о наклонной плоскости. Более опытные физики опирались на базовые принципы — например, второй закон Ньютона, — которые требовались для решения.