Рывок. От отличного к гениальному - страница 18

Только оглядываясь назад – и после многочасовых бесед с Кляйном, – ему удалось восстановить последовательность событий. Пожарные не смогли сбить огонь потому, что его источник находился под ними, а не в кухне, причина чрезвычайно сильного жара также заключалась в том, что тепло поднималось снизу, а необычная тишина объяснялась тем, что пол заглушал рев пламени. Все это – и многие другие взаимосвязанные и очень сложные факторы – заставило бригадира пожарных вывести своих людей, что позволило сохранить их жизни.

Кляйн формулирует это так: «Опыт бригадира снабдил его определенным набором схем. Пожарный привык соотносить ситуацию с одной из этих схем. Возможно, он не в состоянии сформулировать эти схемы и описать их характеристики, однако он использует процесс перебора схем и сравнения с ними, пока у него не возникает ощущение правильной оценки ситуации».

Подробные беседы с медсестрами неонатального отделения привели к тем же выводам. Фактически медицинские сестры опирались на глубокое знание перцептивных ключей – каждый из них был слаб, но все вместе они указывали на опасность для младенца. Аналогичные мыслительные процессы используются летчиками, военачальниками, следователями и так далее. То же самое справедливо для лучших спортсменов. У них есть кое-что общее – богатый опыт и глубокие знания.

Долгие годы считалось, что в принятии решений знания не играют особой роли. Для экспериментов ученые выбирали участников, не обладавших опытом в данной области, и исследовали «когнитивные процессы обучения, рассуждений и решения задач в чистом виде». Идея заключалась в том, что для принятия решений необходим именно талант – общая способность к рассуждениям и логическим выводам, – а не знания.

Из этой предпосылки исходили лучшие школы бизнеса и ведущие коммерческие компании, что заметил еще Джефф Колвин. Они верили, что способны подготовить превосходных менеджеров, которых можно десантировать практически в любую организацию, и они преобразуют ее при помощи более совершенного мышления. Опыт не учитывался – для решения задач достаточно блестящего ума и способности использовать силу логики. У этого подхода были серьезные недостатки. Когда в 2001 году главой General Electric стал Джефф Иммельт, он заказал исследование наиболее успешных компаний в мире. Что у них общего? Как писал Колвин в своей книге «Талант ни при чем!», «одна из ключевых характеристик, выявленных в результате исследования, заключалась в том, что эти компании ценили у своих менеджеров «опыт работы в своей области» – то есть обширные знания в области деятельности компании. После этого Иммельт указывал «глубокий опыт в данной области» как необходимое условие продвижения в General Electric».

Эти выводы не просто заняли центральное место в современной бизнес-стратегии, а составили основу искусственного интеллекта. В 1957 году два специалиста по компьютерам разработали программу под названием «Универсальный решатель задач», которая представляла собой алгоритм для решения любых задач. Никакими конкретными знаниями она не обладала, но у нее имелся «общий решающий движок» (фактически набор абстрактных процедур логического вывода), который, по мнению авторов, мог решить практически любую задачу.

Но вскоре выяснилось, что вычисления без знаний – даже самые изощренные – ни на что не способны. Вот как сформулировали это Брюс Бьюкенен, Рэндалл Дэвис и Эдвард Фейгенбаум, три ведущих специалиста по искусственному интеллекту: «Самый важный компонент любой системы искусственного интеллекта – это знание. Программы, владеющие общими стратегиями выбора – некоторые из них даже не чужды математической логики, – но слабо обученные конкретному знанию в предметной области, практически не способны справляться с каким бы то ни было заданием».