Страница 8 из 8
В узком и упорядоченном мире шахмат, с его моментальной отдачей и безграничной базой данных, искусственный интеллект совершил рывок вперед в геометрической прогрессии. В сфере вождения, которая имеет множество правил, но при этом гораздо более беспорядочна, ИИ также достиг серьезных успехов, хотя нерешенные задачи еще остались. Однако в реальном, открытом мире, свободном от строгих правил и идеальных исторических данных, искусственный интеллект пока терпит самое настоящее фиаско. Так, после победы суперкомпьютера IBM Watson в игре Jeopardy! [9]его стали позиционировать как революционный инструмент в лечении рака. И в этом качестве он провалился с таким оглушительным треском, что целый ряд экспертов в области ИИ признались мне: в тот момент они не на шутку испугались, что эта история наложит отпечаток на все научные разработки по применению ИИ в здравоохранении. По словам одного онколога, «победа в викторине и лечение рака отличаются одним: в первом случае мы знаем ответы на вопросы». Что же касается рака, в этой области четкие вопросы только формулируются.
В 2009 году уважаемое издание Nature объявило о том, что сервис Google Flu Trends может задействовать результаты поиска для составления прогноза заболеваний гриппом на ближайшую зиму быстрее и почти так же точно, как Центр по контролю и профилактике заболеваний. Однако вскоре эффективность сервиса снизилась, и в 2013 году число спрогнозированных им случаев заболевания на территории США вдвое превысило реальное количество. Сегодня на сайте Google Flu Trends больше не публикуются оценочные данные – на соответствующей странице красуется единственная фраза: «Пока слишком рано для подобных прогнозов». Маркус провел вполне ожидаемую аналогию: «Все системы искусственного интеллекта в какой-то степени саванты». Им нужны стабильные структуры и четкие рамки. Зная правила и ответы, обладая уверенностью в том, что со временем они не изменятся, – как в шахматах, гольфе, классической музыке, – мы можем найти аргументы в пользу гиперспециализированной тренировки с раннего детства. Однако все это лишь узкие, ограниченные модели, не подходящие к большинству областей человеческого знания.
Когда узкая специализация сочетается со «злой» средой, привычка человека полагаться на знакомые схемы может сослужить ему дурную службу – так опытные пожарные принимают неверные решения, оказавшись в непривычной обстановке.
Крис Арджирис, один из учредителей Йельской школы менеджмента, отметил опасность, которую представляет собой привычка относиться к недружелюбной среде так, как если бы она была дружелюбной. В течение пятнадцати лет он наблюдал за поведением успешных консультантов топовых бизнес-школ и заметил, что они отлично справлялись с решением четко поставленных задач, которые можно было быстро оценить. Но в своей работе они задействовали то, что Арджирис назвал «единичной петлей обучения». Когда решение приводило к нежелательному результату, консультант занимал оборонительную позицию. Крис находит их «хрупкую натуру» весьма удивительной, учитывая, что суть их работы заключается в том, чтобы «учить других людей правильно делать свою работу».
Психолог Барри Шварц отмечал похожее отсутствие гибкости у опытных специалистов. В качестве теста он поручил студентам колледжа решить головоломку, в которой нужно было нажимать выключатели в определенной последовательности, чтобы зажигать и выключать лампочки. Головоломку можно было решать снова и снова, семьюдесятью различными способами, и за каждое успешное решение предполагалось небольшое денежное вознаграждение. Никаких правил не было, и студенты должны были руководствоваться методом проб и ошибок[10]. Если студент находил решение, он повторял его снова и снова, чтобы заработать больше денег, даже если сам принцип был ему непонятен. Вскоре к эксперименту присоединились новые студенты, и теперь они должны были вывести общее правило всех решений. Невероятно, но все студенты-новички поняли принцип всех семидесяти решений, тогда как только один «старичок» из получивших ранее награду за одно решение справился с этой задачей. Подзаголовок работы Шварца гласит: «О том, как не нужно учить людей выводить правила» – то есть через вознаграждение за повторяющийся краткосрочный успех при узком спектре решений.
Все вышесказанное будет не очень хорошей новостью для тех, чьи истории стали примером успешной стратегии обучения – семейства Полгар, Тайгера и ряда других представителей различных видов спорта и игр. По сравнению с гольфом, теннис гораздо более динамичен, игроки в нем ежесекундно подстраиваются под своих противников, адаптируются к местности, а иногда – и к соратникам по команде. (В 2008 году Федерер завоевал золотую олимпийскую медаль в парной игре.) Однако теннис все равно находится в «доброй» половине спектра по сравнению, скажем, с палатой скорой помощи, где врачам и медсестрам требуется некоторое время, чтобы понять, что случилось с пациентом. Им приходится искать способы развития собственного опыта за пределами медицинской практики, и подчас эти уроки извне могут противоречить непосредственно их медицинскому опыту.
Конец ознакомительного фрагмента.
Текст предоставлен ООО «ЛитРес».
Прочитайте эту книгу целиком, купив полную легальную версию на ЛитРес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.
9
Викторина, аналог «Своей игры» (прим. пер.).
10
В полупрозрачную доску было встроено двадцать пять лампочек. В начале головоломки загоралась верхняя левая лампочка, а на табло высвечивалось 0 очков. Участники должны были путем набора очков зарабатывать деньги, но как именно набирать очки, им не говорили. Экспериментальным путем они пришли к выводу, что нажимая кнопки в такой последовательности, чтобы загорелась правая нижняя лампочка, они наберут очки и заработают деньги. По сути, они должны были двигаться слева направо и сверху вниз.