Кодировать приходится не только данные, поступающие от органов чувств, а вообще любые, начиная с факта, что лед есть замерзшая вода, и заканчивая выводом, что Сатана – не самая удачная собачья кличка. И так же, как это верно для кодирования данных, полученных от органов чувств, способ представления знаний, идей и прочих сведений значительно влияет на то, что мы об этих сведениях думаем.

Представьте, например, что вы заучиваете какой-нибудь номер телефона. Хранить эти данные можно очевидным способом – в виде последовательности цифр или же картинкой, в том виде, в каком вы их записали. Но мозг поступает иначе. Чтобы в этом убедиться, попробуйте назвать любой номер телефона задом наперед. Это легко, если номер записан на бумажке, а вот из памяти прочесть его так непросто. Это ограничение возникает из-за того, как телефонные номера представлены у нас в мозге.

Вопрос о том, как представлять то, чему быть «мыслью о», – вопрос, который приходится решать любой системе обработки информации. Например, в 1997 году «Ай-би-эм» прогремела в прессе со своим компьютером под названием «Темно-синий» [ «Deep Blue»] – этот компьютер победил тогдашнего чемпиона мира по шахматам Гарри Каспарова в турнире из шести игр[80]. Первая задача, с которой имела дело команда «Ай-би-эм» при разработке «Темно-синего», состояла в том, чтобы определить, как программе представлять игру внутри, в потрохах компьютера. Программисты решили создать дерево всех возможных ходов и ответов и набор правил, согласно которым оценивать желательность (или «ценность») любой расстановки фигур на доске. Это представление определило, чем «Темно-синий» занимался, «размышляя» над очередным ходом: он анализировал свое дерево положений в игре.

Мозг Каспарова представлял задачу шахматной игры не как дерево ходов, а гораздо более мощным способом – как собрание осмысленных закономерностей. Гроссмейстер рассматривал как единое целое небольшие группы фигур, взаимно защищающих друг дружку, вместе нападающих на фигуру противника или контролирующих те или иные клетки поля. По оценкам нейробиологов, Каспаров был способен распознавать примерно 100 000 разных положений на доске, состоящих из таких вот скоплений фигур.

Для нейронных сетей, работающих в режиме «снизу вверх», представлять игру в понятиях композиций фигур вполне естественно, тогда как метод дерева возможностей, примененный программистами «Ай-би-эм», – естественный способ представлять данные в традиционном компьютере с режимом деятельности «сверху вниз». Подход мозга приспособлен для эластичного мышления. Такой подход содействует анализу в понятиях общей стратегии и принципов и способности совершенствоваться, обучаясь. Подход поиском по дереву вариантов приспособлен для пошагового логического анализа, применяемого компьютерами. Он сводит любое решение, какой ход сделать, к сложнейшему математическому расчету, предоставляющему ответ, но не понятийное понимание – и куда меньше потенциала для обучения.

При неограниченном времени поиск по дереву в принципе способен выдать оптимальный ход. Но поскольку на практике выделенное время не безгранично, качество компьютерных решений зависит от быстродействия его технического оснащения. «Темно-синий» был намного быстрее в оценке шахматных положений, чем Каспаров: компьютер успевал оценить миллиард вариантов за время, которое Каспарову требовалось, чтобы оценить один[81]. То, что Каспаров все равно задал «Темно-синему» жару, как бы ни отставал сам от компьютера, говорит о мощи эластичного мышления, какое человеческий мозг умеет применять, чтобы ставить и анализировать задачи.

В прошлом десятилетии программисты разработали машины, способные играть во всякие другие игры, – с не менее впечатляющими результатами. В 2011 году, например, компьютер «Ай-би-эм» по кличке «Уотсон», наделенный емкостью хранения в четыре терабайта и доступом к двум сотням миллионов страниц содержательного текста, победил тогдашних чемпионов телевикторины «Рискуй!». Тем временем процессоры становятся такими быстродействующими, что шахматный компьютер стоимостью в сто долларов способен запросто разделаться с мировыми чемпионами по шахматам среди людей[82].

В последнее время компьютерное сообщество осознало совершенство метода, какой биологические системы применяют для обработки данных. Как я уже говорил, компьютерщики теперь пытаются этот метод воспроизводить, разрабатывают программы, подражающие режиму «снизу вверх» наших нейронных сетей. Запущена так называемая «гонка вооружений» среди дарований в области искусственного интеллекта. «Гугл», попробовав свои силы при создании программы, распознающей котов, возглавил попытки нетрадиционного подхода (см. Главу 2). «Фейсбук», «Эппл», «Майкрософт» и «Амазон» ринулись следом.

Эти усилия принесли плоды – например, в виде компьютера, способного одолеть человека в игре в го; возникла и гораздо более совершенная версия Гугл-переводчика. По сравнению с традиционным подходом это все шаг вперед, но настройки внутреннего представления данных у нынешних нейронных сетевых систем приспособлены для той или иной конкретной задачи, под которую система придумана, и не умеют приспосабливаться, если задачу изменить, – не говоря уже о том, чтобы применять мышление к широкому диапазону различных областей знания. Они превосходно обучаемы в «сильно структурированной ситуации», как сказал один специалист по искусственному интеллекту, но это все еще «не уровень понимания, как у человека»[83].

В результате даже самые передовые компьютеры нашего времени и близко не похожи на то, чем представлялся Общий решатель задач на заре существования искусственного интеллекта.

Компьютерщикам пришлось собрать отдельную машину для игры в го и отдельную – для обслуживания процесса перевода между языками. Один-единственный человеческий мозг справляется с обеими этими задачами, попутно контролируя равновесие тела, стоящего на одной ноге. Подобная гибкость, очевидно, необходима животному мозгу: мы имеем дело со множеством жизненных ситуаций, и отдельных мозгов на каждую не напасешься. Чтобы решать непредвиденные задачи, какие возникают у сложных форм жизни, мы, животные, развили себе эластичный ум, способный спонтанно создавать представления без всякого внешнего вмешательства – в нашем переменчивом мире такой навык необходим. В этом и состоит чудо биологической обработки данных. А потому, если хочется соорудить Общий решатель задач, по-прежнему лучше найти себе партнера и создать нового человека.

Задумаемся, что происходит, когда случается что-нибудь простое – наподобие звонка в дверь. Легко ошибиться и счесть, что наше восприятие этого события как звонка есть физическая действительность, но на самом деле это не так. Физическая действительность звонка в дверь – волнообразное распространение возбуждения среди молекул воздуха.