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.

Шахматы хороши тем, что в них существуют четкие, хотя и не совершенные определения того, какие ходы правильные, а какие — нет. Итак, что мы можем узнать о человеческой логике, если взглянем на игру человека через линзы машины?

Обратимся к работам ряда интересных исследователей. Сначала — к работам Кена Ригана. Профессор Риган и я были друзьями детства и несколько раз вместе выступали за одну и ту же команду в американских общенациональных командных соревнованиях по шахматам в Атлантик-Сити, Нью-Джерси. До недавнего времени мы с Кеном не виделись с тех самых пор, как мне было пятнадцать. Из всех одаренных американских шахматистов, последовавших по стопам Бобби Фишера, у Кена, наверное, был наиболее творческий подход к игре. Ходы Кена были крайне непредсказуемыми. Никому другому и в голову не пришло бы так играть. Он просчитывал и играл красивые комбинации, которые другие игроки даже не считали стоящими того, чтобы их рассматривать. Каждому было известно, что если наблюдать за игрой Кена Ригана, то можно обязательно увидеть что-нибудь интересное, но, возможно, что от увиденного заболит голова. Однако Кен бросил профессиональные шахматы в возрасте двадцати двух лет и, сосредоточившись на математике, стал доктором математических наук в Оксфордском университете. Сегодня он — профессор информатики в университете Буффало, проведший добрую часть своей профессиональной жизни в попытках решить знаменитую математическую задачу равенства классов Р и ОТ, одну из важнейших нерешенных задач в математике (которая формулируется следующим образом: действительно ли то, что отыскать решение задачи с нуля в принципе тяжелее, чем проверить уже имеющееся решение?).

В 2006 г. Кен снова вернулся к шахматам. Его привлекло возрастающее качество компьютерных программ и очаровали потенциальные объемы информации, которые можно было с их помощью получить. Начиная с 2006 г. им проводится работа по созданию базы данных игравшихся шахматных партий с первостепенным вниманием к играм гроссмейстеров, но и не пренебрегая выступлениями игроков более низкого уровня. Кен проводит анализ партий с помощью программы Rybka в целях оценки удачных и неудачных действий каждого из игроков. Это отличный эксперимент по оценке человеческого разума. Качество данных, касающихся принятия решений, делает работу Кена чрезвычайно важным инструментом анализа наших интеллектуальных возможностей, того, что мы, люди, оцениваем правильно, а что — нет.