Рывок. От отличного к гениальному - Мэтью Сайед Страница 12

Для большинства болельщиков, а иногда и для игроков, хоккей часто выглядит хаотичным: мелькают клюшки, падают тела, шайба отскакивает так, что ее не достать. Но среди этой неразберихи Гретцки способен различить скрытый рисунок игры, ее направление, и предвидеть, что произойдет, быстрее и точнее, чем любой из присутствующих…

Несколько раз за время матча вы увидите, как он описывает на первый взгляд бессмысленные круги вдали от того места площадки, где идет борьба, а затем, словно получив сигнал, стремглав бросается к точке, где через секунду окажется шайба.

Это яркий пример того, как мастер принимает решение на практике: комбинаторный взрыв преодолевается с помощью совершенного распознавания структур. Этот навык подобен навыку Каспарова, только не на шахматной доске, а на хоккейной площадке. Как Гретцки это удается? Послушаем его самого: «У меня не было врожденного преимущества в габаритах и скорости: все, что я сделал в хоккее, добыто трудом». И еще: «Самый большой комплимент, который вы мне можете сделать, – сказать, что я каждый день упорно трудился… Так я научился понимать, где окажется шайба в следующую секунду».

Все это помогает объяснить вывод, сделанный в начале данной главы: мы утверждали, что для сложной задачи применимо правило десяти тысяч часов. Но что понимать под сложностью? Фактически это задачи, характеризующиеся комбинаторным взрывом; задачи, в которых успех в первую очередь определяется превосходством программного обеспечения (программ распознавания структур и сложных моторных программ), а не аппаратной части (просто скорости или силы).

Для большинства видов спорта – тенниса, настольного тенниса, футбола, хоккея и так далее – характерен комбинаторный взрыв. Попытайтесь на секунду представить, что вам требуется создать робота, способного решать реальные пространственно-временные, моторные и перцептивные задачи, необходимые для того, чтобы одолеть Роджера Федерера на теннисном корте. Сложность этих задач почти невозможно описать, не говоря уже о том, чтобы решить. И только в таких видах спорта, как бег или тяжелая атлетика, – простых действиях, где соревнуются по одному параметру, скорости или силе, – задача создания такого робота становится выполнимой.

Разумеется, не все экспертные решения являются быстрыми и интуитивными. В некоторых ситуациях от шахматистов требуется глубокий анализ возможных ходов, а пожарным необходимо логически просчитать последствия своих действий. То же самое относится к спортсменам и военачальникам.

Но даже в самых абстрактных решениях опыт и знания играют главную роль. В эксперименте, поставленном психологом из Стэнфордского университета Дэвидом Румельхартом, количество испытуемых, которые правильно оценивали последствия логического выражения, увеличивалось в пять раз, если это выражение помещалось в реальный контекст («каждая покупка на сумму, превышающую 30 долларов, должна быть одобрена менеджером»), а не формулировалось в более абстрактных терминах («каждая карточка с гласной буквой на лицевой стороне должна иметь целое число на обороте»).

В начале этой главы мы видели, что миф о таланте вселяет неуверенность, поскольку побуждает людей отступать, если на первом этапе прогресс недостаточно быстр. Но теперь мы можем видеть, что он также наносит вред институтам, поощряя назначение неопытных людей – даже с выдающимися мыслительными способностями – на руководящие должности.

Подумайте, например, какой вред управлению Британией принесла традиция перемещения министров – самых влиятельных мужчин и женщин страны – из министерства в министерство без возможности приобретения адекватных знаний на любом из постов. В последнее время британские министры занимали свой пост в среднем 1,7 года. Джон Рид, долгое время проработавший в правительстве Тони Блэра, за семь лет перемещался из министерства в министерство не менее семи раз. Это так же абсурдно, как если бы Тайгер Вудс переключался с гольфа на бейсбол, потом на футбол или хоккей, и мы ждали бы от него выдающихся успехов в каждом виде спорта.

Наши взгляды на относительное значение практики и знаний с одной стороны, и таланта – с другой, имеют серьезные последствия не только для нас самих и наших семей, но также для корпораций, спорта, правительств и даже будущего искусственного интеллекта ^[4].

3 мая 1997 года Каспаров и Deep Blue во второй раз встретились за доской. Реклама была еще более шумной, а ставки еще более высокими. IBM выделила призовой фонд в размере одного миллиона долларов, а на матче – в этот раз на 35-м этаже Эквитебл-Центра на Седьмой авеню в Нью-Йорке – присутствовало еще больше представителей крупнейших мировых средств массовой информации (впоследствии IBM оценила свою прибыль от бесплатной рекламы в 500 миллионов долларов).

На этот раз компьютер Deep Blue победил, выиграв у чемпиона две партии, проиграв одну и три сведя вничью. Это был сокрушительный удар по Каспарову, который убежал со сцены. Впоследствии он обвинял IBM, что компания создала условия, благоприятные для машины, и отказалась предоставлять компьютерные распечатки, которые помогли бы ему в процессе подготовки. Он также абсолютно необоснованно обвинял IBM в жульничестве. Каспаров не умеет достойно проигрывать.

Что же произошло за 15 месяцев, разделявшие два матча? Как компьютер Deep Blue смог превратить поражение в блистательную победу? Прежде всего удвоилась вычислительная мощность машины (теперь она могла анализировать 200 миллионов ходов в секунду). Но победа была бы невозможна без другого ключевого новшества.

По мнению Американского физического общества, «общие знания Deep Blue о шахматах существенно расширились посредством усилий консультанта IBM, международного гроссмейстера Джоэла Бенджамина, так что компьютер мог использовать огромные ресурсы хранимой в памяти информации, такой как база данных дебютов, сыгранных гроссмейстерами за последние 100 лет».

Программисты Deep Blue, подобно Гэри Кляйну, Джиму Иммельту и Уэйну Гретцки, поняли, что сила – в знании.