Среднего более не дано. Как выйти из эпохи великой стагнации - Коуэн Тайлер (книга бесплатный формат .txt) 📗
Как это часто бывает, женщина, в которую Камбри влюбился, была совсем не той, которую он искал. «Не думал, что человек, на котором я женюсь, окажется белой женщиной из Инвер-Гроув-Хайтс, Миннесота», — сказал он. Камбри тоже не совсем укладывался в идеал мужчины, с которым желала познакомиться Карра О’Дэниел. В своей анкете на Match.com она указала, что ищет мужчину в возрасте от 21 до 26 лет (Камбри на тот момент уже исполнилось 28). Возраст Камбри исходя из возрастных рамок Карры О’Дэниел был для нее слишком велик. В действительности, Камбри и О’Дэниел никогда не искали друг друга, а были представлены друг другу алгоритмом.
Мы знаем, что в шахматах программам под силу победить человека, однако способности программ в подборе партнеров оценить труднее; точных же результатов, на основе которых можно было бы провести соответствующее исследование, не существует. Одна счастливая пара еще не означает, что компьютеры — лучшие свахи, как не означает и того, что от свах — будь они людьми или программами — толку больше, чем без них.
Однако нетрудно признать важность свахи в том, что касается ее способности подтолкнуть нерешительно настроенного к тому, чтобы он уже, скажем так, «повзрослел». Нельзя вечно ходить между витринами, ничего не приобретая, хотя создается впечатление, что людям только это и нужно. Зачастую они лишь читают анкеты и продолжают мечтать о своем идеале вместо того, чтобы отправиться уже на свидание. Разумеется, это — не самое лучшее применение технологиям. Самое же главное, возможно, в том, что технология алгоритмов подбора партнеров в состоянии помочь нам разобраться с ошибками, которые мы совершаем в личном выборе, основанном лишь на нашем суждении. Если человеческая логика настолько несовершенна в высокоинтеллектуальном мире гроссмейстерских шахмат, то чего нам стоит ожидать в подверженной страстям области любовных отношений?
Здесь мне вспоминается мой собственный случай из 2003 года, то есть еще до эпохи алгоритмов. Я написал электронное сообщение женщине, указавшей в своей анкете, что придерживается либеральных политических взглядов. Себя бы я к либерально настроенным людям не отнес (скорее уж, во мне уживается смесь либертарианства и консерватизма), но она поначалу о моих взглядах не подозревала — а знай она их, они, возможно, могли бы ее оттолкнуть. У меня не было намерений вводить ее в заблуждение. Я считал, что ничего не скрываю, но она позднее решила иначе, хотя, конечно, она и читала мою анкету. Она согласилась сходить со мной на свидание, и мы женаты уже десять лет. Используемый способ знакомства заставил по крайней мере одного из нас — а может, и обоих, — не следовать своей логике, отчего мы оба выиграли.
Годы спустя, уже работая над материалом для этой книги, я прочитал, что ученые, работавшие с данными Match.com, выяснили, что человек с консервативными взглядами гораздо чаще напишет человеку с либеральными взглядами, чем наоборот. Поэтому, если в анкете пользователя указано, что сам он придерживается консервативных взглядов, но при этом он часто пишет пользователям с либеральными взглядами, то система будет рекомендовать ему пользователей последней категории гораздо чаще. Пользователь может и понятия не иметь, почему ему зачастую предлагаются именно эти анкеты, однако вероятность того, что подбор пользователей именно по этому критерию работает, велика.
Захотим ли мы учиться у машин поиску партнеров? Одна жительница Нью-Йорка была категорична: «Вообще-то, алгоритм Match.com мог бы и догадаться, что не нужно предлагать мне сорокапятилетнего кандидата аж из Нью-Джерси». Интересно, что бы она сказала, если бы столь умный компьютер, каким является Deep Blue, порекомендовал ей сорокадвухлетнего кандидата из Канзаса?
В деле любви и брака мы, люди, пытаемся избежать незнакомых сложностей. Мы зачастую тянемся к тем, кто такой же, как мы, и избегаем осложнений, которыми чреваты различия между людьми. И здесь машинный интеллект может оказаться полезным. Машины незнакомого не боятся.
Принятие решений
Возможно, самая большая польза от компьютерных шахмат — это возможность заглянуть в глубины когнитивного процесса решения проблем. Лучшим шахматным программам свойственно такое качество, как «неприятие унижения», что заставляет их избегать ничьих и выбирать незнакомые и чреватые осложнениями решения. Более же важно то, что в отличие от многих людей программы сложностей не боятся. Когда в игре сходятся две сильные программы, зачастую только о сложностях говорить и приходится. Многие компьютерные игры предлагают нелогичные ходы и комбинации. Иногда кажется, что на шахматной доске царит хаос. Зачем так много пешек передвинуто вперед? Зачем столько гамбитов? Что конь делает в этой позиции на этой стороне доски? Почему одновременно под ударом находится так много фигур? Эти игроки совсем потеряли нити игры?
Из Нью-Джерси они, что ли? Я так в шахматы не играю!
Мы давно уже пытаемся преодолеть свою предвзятость, например предрасположенность к тому, что нам знакомо. Специалистами, занимающимися исследованиями в набирающей популярность сфере поведенческой экономики, проводится анализ тех предубеждений, на которых зиждется наш индивидуальный выбор, с использованием ряда внешних показателей. Нам известно — или нам только кажется, что нам известно, — что люди переоценивают степень своего влияния на определенные ситуации и в своих решениях излишне опираются лишь на какую-то часть информации — но это только одна из причин многочисленных человеческих ошибок и предубеждений. Когда я последний раз сверялся со списком типологии когнитивных искажений (систематических ошибок в мышлении, возникающих на основе нерациональных убеждений), приведенным на Wikipedia, он содержал перечень из сорока восьми типов искажений.
Но даже после столь обширной исследовательской работы и после всех собранных свидетельств остаются открытые вопросы. Когда речь идет об оценке человеческого предубеждения, можем ли мы быть уверенными в том, что исследователь прав, а индивидуальный выбор ошибочен? У меня много странных привычек, которые, как я считаю, идут мне только на пользу. Возможно, исследователю и покажется странным, что я расставляю по всему дому кипы книг, но для меня это — отличный способ организации информации и отслеживания, где какая книга находится. Может быть, прав я, а может быть — моя жена, требующая, чтобы я убрал книги на полки, но знать наверняка мы этого не можем.
Подобные же дилеммы наблюдаются и в более систематических исследованиях. Помните такую прописную истину—лучше синица в руках, чем журавль в небе? Экономисты часто рассматривают эту нашу прописную истину в качестве предвзятости и свидетельства того, что мы ценим те предметы, которыми владеем, в гораздо большей степени, чем те, которые можем приобрести (что известно как «эффект владения»). Однако при всей кажущейся иррациональности такого подхода, возможно, это — неистребимая черта характера, свидетельствующая об умении быть преданным друзьям и родственникам. Может быть, одно из качеств настоящей преданности и состоит как раз в том, что мы не можем отказаться от нее по требованию момента. В таком случае «эффект владения» может служить показателем правильных жизненных принципов, а не сигналом о нашей иррациональности. Я не утверждаю, что так оно и есть. Я лишь хочу сказать, что предлагаемые экономистами модели не могут объяснить это полностью.
При изучении иррациональности человека экономисты зачастую излишне полагаются на субъективные предположения о том, что является рациональным, а что — нет, выраженные в виде моделей. Экономист может составить математические аксиомы, а затем выяснить, что человеческое поведение им не соответствует. Однако насколько убедительны сами эти модели в объяснении сложного и многомерного процесса принятия решений человеком? Значительная часть исследований, следующих этой традиции, неубедительна, несмотря на всю гениальность их авторов. Другие экономисты полагаются на искусственно воссоздаваемые в лабораторных условиях ситуации для оценки человеческой рациональности или установления ее отсутствия. В экспериментах ими используются неопытные студенты, которые далеко не всегда берутся за задачи по решению проблемы в достаточной мере серьезно, а предлагаемое им вознаграждение за должное выполнение заданий довольно невелико. По понятным причинам привлечь для участия в этих экспериментах исполнительных директоров корпораций и менеджеров гораздо труднее. Более того, существуют исследования, в которых приняли участие и исполнительные директора, однако зачастую их результаты не отличаются от экспериментов с участием студентов. Не кроется ли здесь проблема в собственно экспериментах, а не в применяемом методе? Нам известно, что в реальности исполнительных директоров и студентов местами не поменяешь, так почему же они оказались взаимозаменяемыми в экспериментах? Если они взаимозаменяемы в эксперименте, не означает ли это, что им не учитываются соответствующие особенности условий реального мира? Неважно, что именно, по вашему мнению, не так с этими экспериментами, но нам хотелось бы, чтобы они отражали условия настоящих ситуаций и предлагали настоящее вознаграждение за участие в них.
