Мэтью Сайед - Рывок. От отличного к гениальному

• Название: Рывок. От отличного к гениальному
• Автор: Мэтью Сайед
• Жанр: Психология
• Год: 2017
• ISBN: 978-5-389-13482-9

Что лежит в основе наших успехов? Врожденный талант или приложенные старания? Чтобы дать ответ на этот вопрос, британский журналист Мэтью Сайед, в прошлом – чемпион Великобритании по настольному теннису, исследует достижения величайших спортсменов, музыкантов, врачей и профессионалов в других областях. Его вывод может показаться парадоксальным: у тех, кого мы привыкли считать отмеченными с рождения печатью гения, за плечами тысячи и тысячи часов упорных целенаправленных тренировок.

В этой книге, награжденной премией British Sports Book Awards, Сайед рассказывает о стереотипах мышления, которые препятствуют развитию мастерства, и о способах их преодоления. Он разъясняет, как внутренние установки помогают или мешают нам в решении простейших и глобальных задач, и показывает, как можно их изменить.

---

Из этой предпосылки исходили лучшие школы бизнеса и ведущие коммерческие компании, что заметил еще Джефф Колвин. Они верили, что способны подготовить превосходных менеджеров, которых можно десантировать практически в любую организацию, и они преобразуют ее при помощи более совершенного мышления. Опыт не учитывался – для решения задач достаточно блестящего ума и способности использовать силу логики. У этого подхода были серьезные недостатки. Когда в 2001 году главой General Electric стал Джефф Иммельт, он заказал исследование наиболее успешных компаний в мире. Что у них общего? Как писал Колвин в своей книге «Талант ни при чем!», «одна из ключевых характеристик, выявленных в результате исследования, заключалась в том, что эти компании ценили у своих менеджеров «опыт работы в своей области» – то есть обширные знания в области деятельности компании. После этого Иммельт указывал «глубокий опыт в данной области» как необходимое условие продвижения в General Electric».

Эти выводы не просто заняли центральное место в современной бизнес-стратегии, а составили основу искусственного интеллекта. В 1957 году два специалиста по компьютерам разработали программу под названием «Универсальный решатель задач», которая представляла собой алгоритм для решения любых задач. Никакими конкретными знаниями она не обладала, но у нее имелся «общий решающий движок» (фактически набор абстрактных процедур логического вывода), который, по мнению авторов, мог решить практически любую задачу.

Но вскоре выяснилось, что вычисления без знаний – даже самые изощренные – ни на что не способны. Вот как сформулировали это Брюс Бьюкенен, Рэндалл Дэвис и Эдвард Фейгенбаум, три ведущих специалиста по искусственному интеллекту: «Самый важный компонент любой системы искусственного интеллекта – это знание. Программы, владеющие общими стратегиями выбора – 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».

Вспомним о пожарных. Многих молодых людей эта профессия привлекает потому, что они считают себя способными принимать решения в сложных ситуациях, однако они быстро понимают, что ошибались. При взгляде на бушующий пожар они обращают внимание на высоту и цвет пламени, а также другие явные признаки – как и все остальные люди. И только после десяти лет работы у них появляется способность помещать увиденное в контекст сложных связей для понимания структуры пожара.

Серьезным препятствием к достижению совершенства является тот факт, что экспертным знаниям невозможно обучить в аудитории за один дождливый день – и даже за тысячу дождливых дней (у пожарных, деятельность которых изучал Кляйн, средний опыт работы составлял 23 года). Конечно, вы можете предложить рекомендации, на что следует обращать внимание, а чего опасаться, и эти подсказки будут полезными. Но связать всю информацию в единое целое будет невозможно, потому что признаки, которые оценивают эксперты – в спорте или любой другой области, – настолько неуловимы и находятся в такой сложной взаимосвязи друг с другом, что для построения всеобъемлющей системы потребуется вечность. Это явление называется комбинаторным взрывом – понятие, которое поможет разобраться со многими выводами данной главы.

Наилучший способ понять необычную силу комбинаторного взрыва – представить, что вы складываете лист бумаги пополам, делая его в два раза толще. Теперь повторите это действие сто раз. Какова будет толщина бумаги? Диапазон большинства ответов – от нескольких сантиметров до нескольких метров. На самом деле толщина бумаги будет в 800 тысяч миллиардов раз больше, чем расстояние от Земли до Солнца.

Именно быстрое увеличение числа переменных во многих ситуациях реальной жизни – в том числе в спорте – делает невозможным тщательный анализ доказательств перед принятием решения: это займет слишком много времени. Эффективное принятие решений основано на сжатии информационного потока путем дешифровки значения структур, почерпнутых из опыта. Этому невозможно научить в аудитории и это не врожденная способность – такое умение приобретается только с помощью опыта. Другими словами, нужна практика.

Пол Фелтович, исследователь из Института когнитивных способностей человека и машин в Университете Западной Флориды говорит: «Хочется думать, что, зная, как добивается успеха мастер, мы можем напрямую обучать новичков, но это неверно. Мастерство – продолжительный процесс развития, результат обширного действенного познания мира и богатой практики. Его нельзя просто передать другому».

Все это указывает на главное преимущество Каспарова над машиной. У Deep Blue имелся «талант»: способность перебирать ходы со скоростью десятков миллионов позиций в секунду. Но Каспаров, скорость анализа которого была ограничена тремя ходами в секунду, обладал знанием – глубоким, плодотворным и бесконечно разнообразным знанием шахмат. Он знал позиции, сложившиеся в реальных матчах, и пути к победе, знал структуру оборонительных и атакующих позиций, а также общую структуру соревновательных шахмат. Каспаров мог взглянуть на доску и понять, что нужно делать, – точно так же, как опытный пожарный знает, как поступить, бросив взгляд на бушующее пламя. Машина Deep Blue так не умела.

Стоит отметить и кое-что еще. Вспомните, что SF, способный запоминать длинные последовательности цифр, более восьмидесяти знаков, ассоциировал их со своим опытом бегуна. Например, цифры 9, 4, 6, 2 превращались в 9 минут и 46,2 секунды – превосходный результат в забеге на две мили. Фактически у SF структура считывания представляла собой особый метод, основанный на опыте, не связанном с тестом.

И в то же время хранившиеся в памяти Каспарова шахматные позиции были неразрывно связаны с живой реальностью шахматной игры. Глядя на шахматную доску, он не группирует расположение фигур в соответствии с опытом из другой области, а сразу же идентифицирует его как сицилианскую защиту или латышский гамбит. Его структура считывания встроена в ткань игры. Это самый сильный тип знания, и именно им обладают пожарные, спортсмены мирового уровня и другие мастера своего дела.

Теперь уже должно быть очевидно, почему гигантское преимущество Deep Blue в скорости обработки информации оказалось недостаточным для победы – причина в комбинаторном взрыве. Даже в такой относительно простой игре, как шахматы, количество переменных быстро превышает вычислительные возможности любого компьютера. Насчитывается около 30 вариантов начала игры и 30 вариантов ответа на каждый первый ход. Это дает около 800 тысяч возможных позиций всего после двух ходов. Еще через несколько ходов количество возможных позиций исчисляется триллионами. В конечном счете количество возможных позиций превышает количество атомов во Вселенной.

Для победы шахматист должен сократить вычислительную нагрузку, игнорируя ходы, которые вряд ли приведут к успеху, и сосредоточиться на перспективных. Каспаров мог это делать, понимая значение игровых ситуаций. Компьютер Deep Blue не мог.

Выиграв вторую партию в матче из шести партий, Каспаров сказал: «Если бы я играл ту же самую партию против человека, то согласился бы на ничью. Но я просто понимал суть эндшпиля так, как его не мог понять компьютер. Его вычислительной мощности было недостаточно, чтобы превзойти мой опыт и интуитивную оценку возможных ходов».

Психолог Гэри Кляйн, изучавший пожарных, решил еще раз проверить, действительно ли шахматисты быстро принимают решения на основе перцептивной группировки («чанкинга») структур, в противоположность «прямому» перебору вариантов, как это делают компьютеры.

Он рассуждал, что если теория чанкинга верна, то лучшие шахматисты будут принимать те же самые решения даже при существенной нехватке времени. Поэтому он протестировал гроссмейстеров в условиях «блица», когда каждому игроку выделяется всего пять минут на партию, или около шести секунд на ход (в стандартных условиях на 40 ходов отведено 90 минут, то есть 2 минуты и 15 секунд на ход).

Кляйн обнаружил, что у опытных шахматистов качество игры при «блице» практически не изменилось – несмотря на то что у них едва хватало времени, чтобы взять фигуру, передвинуть ее, отпустить и нажать кнопку часов.

Затем Кляйн непосредственно проверил теорию распознавания структур при принятии решений. Он попросил шахматистов вслух анализировать позиции из середины партий. Они должны были сообщать ему все свои мысли, о любых рассматриваемых ходах, даже слабых, и особенно о первых, которые приходят в голову. Выяснилось, что первый рассматриваемый ход был не только приемлемым, но и во многих случаях наилучшим по сравнению со всеми альтернативами.

Это опровергает предположение, что сила в шахматах определяется вычислительной мощностью и скоростью обработки информации. Подобно пожарным и теннисистам, гроссмейстеры сначала вырабатывают приемлемые варианты. На первый взгляд это похоже на магию (особенно в сеансах одновременной игры), но от нас просто скрыты тысячи часов практики, которые сделали такую магию возможной.