Мозг и Деньги. Как научить 100 миллиардов нейронов принимать правильные финансовые решения - страница 9

Джордан Графман показал, что людям с поврежденной префронтальной корой, например, в результате инсульта или опухоли, трудно оценивать советы и строить долгосрочные планы. Графман демонстрировал таким пациентам бизнес-прогнозы. Эти прогнозы исходили не от реальных людей, а от изображений экспертов на экране компьютера: цель состояла в том, чтобы выяснить, какому эксперту следует доверять. Участникам эксперимента давалось сорок попыток сравнить прогнозы каждого эксперта с фактическими результатами. Контрольная группа участников с неповрежденным мозгом легко научилась отдавать предпочтение эксперту, чьи прогнозы оказались наиболее точными. А вот пациенты с поражением префронтальной коры выносили суждения, опираясь на свои чувства, а не на содержание советов. Графман говорит, что пациенты полагались на сигналы, которые обычно не имели ничего общего с верным выбором. Например, один пациент предпочел консультанта, чье изображение было отображено на зеленом фоне, так как сейчас весна. Похоже, что при нарушении работы префронтальной коры в мозге перестает работать внутренняя система сдержек и противовесов, и «рефлексивные» области могут легко взять верх.

В Университете Айовы студентам быстро показывали числа, которые им нужно было запомнить. Затем им предлагали на выбор фруктовый салат или шоколадный торт. Когда число, которое надо было запомнить, состояло из семи цифр, 63 % из них выбирали торт. Но когда это число состояло всего из двух цифр, 59 %, напротив, выбирали фруктовый салат. Наш аналитический мозг знает, что фруктовый салат полезнее для здоровья, но эмоциональный мозг жаждет получить сладкий, калорийный шоколадный торт. Если рефлективный мозг занят выяснением чего-то еще, например, пытается запомнить семизначное число, то импульсивная реакция может легко возобладать. С другой стороны, если мы не слишком много думаем о чем-то (отвлекаясь лишь незначительно, например, запоминаем две цифры), то рефлективная система может подавить эмоциональную реакцию рефлексивной системы.

Рефлективный (аналитический) мозг вряд ли непогрешим. Робин Хогарт, психолог из Университета Помпеа Фабра в Барселоне, Испания, предлагает представить себя стоящим в очереди в кассу супермаркета. Ваша тележка для покупок загружена доверху. Сколько будут стоить все эти продукты? Для интуитивной оценки вы можете быстро и грубо сравнить то, насколько полна ваша корзина на этот раз, с тем, сколько обычно стоит ваша корзина с продуктами. Если у вас, скажем, на 30 % больше покупок, чем обычно, вы интуитивно умножите свой обычный счет за продукты на 1,3. Через пару секунд интуиция подскажет вам: «Кажется, это около 100 долларов». Вы можете сделать все это автоматически, даже не осознавая. А если попытаться вычислить общий счет с помощью рефлективной части мозга? Тогда вам надо суммировать все покупки в тележке одну за другой и держать растущую сумму в голове, пока не сложите все покупки до единой, включая расчеты 1,8 фунта винограда по 1,79 доллара за фунт… или цена была 2,79 доллара? Скорее всего, после напряженных усилий по сложению нескольких отдельных цен вы собьетесь со счета и сдадитесь.

Ученые-нейроинформатики (computational neuroscientists), использующие принципы компьютерного моделирования для изучения функций и устройства человеческого мозга, полагают, что рефлективная система использует обработку «древовидного поиска». Натаниэль Доу, исследователь в области нейроинформатики в Университетском колледже Лондона, объясняет, что этот метод обработки получил название в честь классического образа дерева поиска решений. Например, на шахматной доске набор потенциальных будущих ходов расширяется с каждым последующим ходом, подобно ветвям дерева, веером расходящимся по мере удаления от ствола. Если Доу и его коллеги правы, наша рефлективная система тщательно, одно за другим, сортирует ощущения, прогнозы и следствия, чтобы прийти к решению. Это похоже на движения муравья, ползающего вверх и вниз, взад и вперед по ветвям дерева, чтобы найти нужное. Как показывает предыдущий пример с магазинной тележкой, успех метода древовидного поиска ограничен силой памяти и сложностью того, что мы оцениваем.