Невидимая горилла
Шрифт:
Согласно условиям конкурса, установленным в 2000 году, Бирни должен был объявить победителя в 2003 году. Однако, к его немалому удивлению, ученые к этому времени так и не достигли консенсуса об «окончательном» количестве генов. Учитывая последние научные данные, Бирни предположил, что общее число генов должно быть на уровне 24 500. Он решил разделить призовой фонд между тремя участниками, сделавшими ставки на самые низкие числа, при этом наибольшая сумма досталась Роуэну. Ученые до сих пор ведут споры о том, какое количество генов следует считать окончательным, однако большинство из них сходится на цифре 20 500, что существенно ниже первоначальных оценок. Это означает, что по количеству генов человек располагается между круглым червем C. elegans (19 500) и арабидопсисом, родственником горчицы (27 000).
Все генетики были ведущими специалистами в своей области, и каждый из них был уверен, что генов у человека значительно больше, чем оказалось в итоге; среди 453 оценок, от самой высокой и до самой низкой, не оказалось ни одного правильного числа. Фрэнсис Коллинз из Национального института здравоохранения США и Эрик Лэндер из Массачусетского технологического института, руководители проекта «Геном человека», ошиблись более чем на 100 %, и их прогнозы оказались не точнее среднего значения. Срок, к которому должен был быть решен вопрос о количестве генов,
Это лишь один из многочисленных примеров того, как ученые переоценивают свои знания. В 1957 году два основоположника теории вычислительных систем и искусственного интеллекта, Герберт Саймон и Аллен Ньюэлл, публично заявили, что не пройдет и десяти лет, как компьютер сможет обыграть чемпиона мира по шахматам [150] . Но к 1968 году никто даже близко не подошел к созданию машины, способной на такой подвиг. Дэвид Леви, шотландский программист и шахматист, впоследствии получивший звание международного мастера (выше него только гроссмейстер), встретился с четырьмя другими специалистами в области теории вычислительных систем и заключил с ними пари на 500 фунтов стерлингов (в то время эта сумма составляла примерно половину его годового дохода), что в ближайшие десять лет ни один компьютер не сможет обыграть его в шахматы. Пари было заключено до 1978 года, и, когда срок был близок к завершению, а призовой фонд возрос до 1250 фунтов стерлингов за счет взносов других участников, Леви нанес поражение лучшей компьютерной программе того времени со счетом 3:1. Вместе с журналом Omni Леви предложил новую премию в размере 5000 долларов, на этот раз без ограничения по времени. Наконец, в 1989 году он проиграл компьютеру Deep Thought, предшественнику Deep Blue от IBM. Только в 1997 году Deep Blue, оснащенный несколькими процессорами и специально созданными для него микросхемами, одержал победу над чемпионом мира Гарри Каспаровым со счетом 3:2 и исполнил пророчество Саймона и Ньюэлла с опозданием в тридцать лет [151] .
150
Прогноз был сделан 14 ноября 1957 г. во время лекции, прочитанной Гербертом Саймоном и Алленом Ньюэллом на Национальном съезде Американского общества по исследованию операций: Н. A. Simon and A. Newell, «Heuristic Problem Solving: The Next Advance in Operations Research», Operations Research 6 (1958): 1-10. Они также предсказывали, что в течение десяти лет компьютеры смогут доказывать важные математические теоремы и писать качественную оригинальную музыку, а также что большинство теорий в психологии будут облекаться в форму компьютерных программ, имитирующих работу человеческого мозга. Ни один из этих проектов не был полностью воплощен в жизнь, хотя по каждому из них и был достигнут определенный прогресс.
151
Сегодня даже портативные компьютеры играют на равных с лучшими шахматистами мира. История с пари описана в: D. Levy and М. Newborn, How Computers Play Chess (New York: Computer Science Press, 1991). О матче между Каспаровым и Deep Blue рассказывается в следующих работах: М. Newborn, Deep Blue: An Artificial Intelligence Milestone (New York: Springer, 2003); F-H. Hsu, Behind Deep Blue: Building the Computer That Defeated the World Chess Champion (Princeton, NJ: Princeton University Press, 2002); and D. Goodman and R. Keene, Man Versus Machine. Kasparov Versus Deep Blue (Cambridge, MA: H3 Publications, 1997).
В 1980 году эколог Пол Эрлих, профессор Стэнфордского университета, и его коллеги Джон Харте и Джон Холдрен из Калифорнийского университета в Беркли выразили уверенность в том, что перенаселение Земли приведет к резкому удорожанию продуктов питания и других товаров, количество которых ограниченно. Некоторое время Эрлих был уверен в своем прогнозе. В 1968 году он писал: «В 1970-х годах всю планету ожидает голод — сотни миллионов людей будут обречены на голодную смерть» [152] . Он и Холдрен предсказали также неизбежное «истощение полезных ископаемых» [153] .
152
P. Ehrlich, The Population Bomb (New York: Ballantine, 1968).
153
Цитируется no: J. Tierney, «Science Adviser's Unsustainable Bet (and Mine),» Tierney-Lab blog, December 23, 2008 (tierncylab.blogs.nytimes.com/2008/12/23/science-advisors-unsustainable-bet-and-mine/). Другие сведения о пари между Эрлихом и Саймоном взяты из следующих источников: J. Tierney, «Betting on the Planet,» The New York Times, December 2, 1990; J. Tierney, «Flawed Science Advisor for Obama?» TierneyLab blog, December 19, 2008 (tierneylab.blogs.nytimes.com/2008/12/19/flawed-science-advice-for-obama/); and E. Regis, «The Doomslayer», Wired, February 1997.
Джулиан Саймон, экономист из Мэрилендского университета, придерживался противоположной точки зрения. Он опубликовал статью в журнале Science под названием «Ресурсы, население и окружающая среда: переизбыток дурных и ложных вестей» [154] . Саймон, который к тому времени уже успел прославиться тем, что изобрел систему компенсации для авиапассажиров, отказывающихся от своих мест на переполненных рейсах, пошел еще дальше. Он бросил вызов мрачным пессимистам, предложив им поставить деньги на собственные предсказания. Он призвал их выбрать пять любых товаров и заключить с ним пари, что цены на них вырастут в течение десяти лет. Ведь если спрос будет действительно повышаться, а предложение останется на том же уровне или сократится, то цены неизбежно взлетят вверх. Эрлих был возмущен отступничеством Саймона от научных принципов (он даже назвал его вождем «самолетопоклонников космической эры», ожидающих небесных даров из космоса) и уговорил Харте и Холдрена заключить совместное пари с экономистом. Они выбрали хром, медь, никель, олово и вольфрам и рассчитали, какое количество каждого металла можно купить в 1980 году на 200 долларов. Если к 1990 году цены на эти металлы возрастут, то Саймон уплатит разницу Харте и Холдрену; если же стоимость окажется ниже, то, напротив, они должны будут выплатить ему соответствующую сумму. К 1990 году все пять товаров упали в цене. В целом снижение стоимости составило более 50 %. Вскоре Саймон получил чек на выигранную сумму. Каких-либо объяснений или комментариев в конверте не было [155] .
154
J. L. Simon,
155
Примеры чрезмерной уверенности в научном мире можно продолжать до бесконечности; например, в ней были уличены даже физики после того, как были изучены исторические данные о точности оценок ныне известных физических констант, например скорости света: М. Henrion and В. Fischhoff, «Assessing Uncertainty in Physical Constants», American Journal of Physics 54 (1986): 791–797.
Вы можете возразить нам, что мы нарочно отобрали выгодные для себя примеры с чудовищно ошибочными прогнозами экспертов. Мы согласны, что эти примеры не совсем типичны, и не утверждаем, что специалисты совсем ничего не знают и всегда ошибаются. Напротив, по сравнению с обычными людьми они обладают более глубокими познаниями и чаще оказываются правы, особенно в своей научной области. Однако приведенные выше случаи показывают, что ученые могут значительно переоценивать уровень собственных знаний. Все генетики назвали слишком большое число генов, а некоторые из них ошиблись в пять раз. Специалисты в области теории вычислительных систем ошиблись в четыре раза, а те, кто держал пари на рост цен, не угадали ни с одним из металлов, хотя выбирали их сами. Если даже суждения специалистов могут быть настолько далеки от истины, то наверняка и остальные люди склонны преувеличивать свои знания. Каждый раз ошибочно оценивая пределы собственных познаний, мы попадаем под влияние еще одной повседневной иллюзии: иллюзии знания.
Почему полезно быть почемучкой?
Отвлекитесь на одну секунду и попытайтесь нарисовать в воображении велосипед. Еще лучше, если вы возьмете лист бумаги и схематически изобразите его. Не пытайтесь сотворить шедевр. Сосредоточьтесь на том, чтобы воспроизвести все основные части велосипеда и расположить их в правильных местах. Набросайте раму, руль, колеса, педали и т. д. Ради простоты ограничимся односкоростным велосипедом. Что у вас получилось? Оцените по семибалльной шкале, насколько вам понятно устройство велосипеда: 1 — совсем непонятно, 7 — полностью понятно. Какую оценку вы себе поставили бы?
Вероятно, вы, как и большинство участников хитроумного эксперимента, проведенного британским психологом Ребеккой Лоусон, полагаете, что достаточно хорошо разбираетесь в устройстве велосипеда (ее участники в среднем оценили свой уровень знаний на 4,5 балла из 7 возможных) [156] . А теперь взгляните на свой рисунок или освежите мысленный образ и ответьте на следующие вопросы. Есть ли у вашего велосипеда цепь? Если есть, то соединяет ли она оба колеса? Соединяет ли рама переднее и заднее колесо? Связана ли внутренняя часть цепи с педалями? Если вы соединили цепью оба колеса, то задумайтесь над тем, как будет поворачивать велосипед — при вращении переднего колеса цепь должна была бы натягиваться, но ведь она неэластична. Если оба колеса соединены жесткой рамой, то на таком велосипеде можно было бы ехать только прямо. Некоторые люди рисуют педали отдельно от цепи, что делает невозможным крутить цепь с помощью педалей. Подобного рода ошибки часто встречались в эксперименте Лоусон, а ведь это не просто малозначительные нюансы в механизме велосипеда — педали вращают цепь, что, в свою очередь, приводит к вращению заднего колеса. Переднее же колесо должно вращаться свободно, в противном случае вы бы не смогли поворачивать велосипед. Люди гораздо лучше понимают устройство велосипеда, когда он находится у них перед глазами, но, когда они пытаются объяснить (или нарисовать) его по памяти, это получается у них значительно хуже.
156
R. Lawson, «The Science of Cycology: Failures to Understand How Everyday Objects Work,» Memory and Cognition 34 (2006): 1667–1775.
Данный пример наглядно демонстрирует важный аспект иллюзии знания. Поскольку мы постоянно имеем дело с простыми машинами и механизмами, и они нам хорошо знакомы, мы часто полагаем, что досконально разбираемся в их устройстве. Представьте себе следующие объекты и оцените свой уровень знания каждого из них по семибалльной шкале: автомобильный спидометр, застежка-молния, клавиша пианино, унитаз, цилиндровый замок, вертолет и швейная машина. А теперь выполните еще одно задание: выберите предмет, получивший наиболее высокую оценку, то есть тот, в котором вы лучше всего разбираетесь, и попытайтесь объяснить, как он устроен. Дайте такое объяснение, какое обычно ждет от вас пытливый и любознательный ребенок: подробно и последовательно опишите устройство и принцип работы выбранного механизма. Определяйте причинно-следственные связи между разными компонентами (например, при описании велосипеда нужно сказать, почему педали заставляют колеса вращаться, а не просто упомянуть об этом факте). Если вы не знаете, как два компонента связаны друг с другом, то отмечайте это как пробел в своих знаниях.
Данный тест напоминает серию хитроумных экспериментов, проведенных Леоном Розенблитом в рамках своей докторской работы в Йельском университете. Он действовал совместно с профессором Фрэнком Кейлом, который, между прочим, был также научным руководителем Дэна в аспирантуре [157] . В рамках первого непродолжительного эксперимента Розенблит подходил к студентам, стоящим в коридоре корпуса психологического факультета, и спрашивал их, известно ли им, почему небо синее или как устроен цилиндровый замок. В случае утвердительного ответа он заводил с ними игру, которую сам называл «почемучкой». Правила он описывает следующим образом: «Я задаю вам вопрос, а вы даете мне ответ. Затем я спрашиваю: „А почему?“ Перевоплощаясь в любознательного пятилетнего малыша, я после каждого объяснения вопрошаю „а почему?“, пока собеседник не начинает выходить из себя» [158] . Этот эксперимент, проходивший в непринужденной форме, приводил к неожиданным результатам: люди очень быстро выдыхались — уже после одного или двух «почему» они достигали предела своих познаний. Еще удивительнее была их реакция после того, как они обнаруживали, что не разбираются в том или ином предмете. «Это явно противоречило их интуитивным представлениям. Люди были удивлены, огорчены и слегка смущены». Ведь они только что утверждали, что знают ответ.
157
L. G. Rozenblit, «Systematic Bias in Knowledge Assessment: An Illusion of Explanatory Depth», PhD dissertation, Yale University, 2003.
158
Из беседы Дэна с Леоном Розенблитом, состоявшейся 14 августа 2008 г.