Исследования когнитивных сетей с целью выяснить, таким ли образом интеллект действительно распознает паттерны, по большей части основываются не на экспериментах с реальными людьми в естественных условиях. Чаще исследователи вместо этого создают модели – компьютерные программы, построенные по принципу когнитивных сетей. Исследователи закладывают в такие программы «опыт» (некую сумму вводных данных), которым обладают люди, и смотрят, выдаст ли программа такие же результаты, как человек, помещенный в соответствующие лабораторные условия. Таким образом, компьютерное моделирование используется для повышения репрезентативности результатов исследований поведения людей, решающих те или иные задачи.

Компьютерные модели когнитивных сетей создаются для того, чтобы внутренне согласовать наши сегодняшние знания о мозге и нервной системе. То, что мы называем модулями, элементами сети, в той или иной степени соответствует отдельным нейронам или небольшим группам нейронов. Мы знаем, что нервная система содержит миллионы и миллионы нейронов, каждый из которых соединен с другими бесчисленным количеством связей. И мы знаем, что опыт меняет как прочность, так и архитектуру этих связей (новые формируются, а старые, но бесполезные разрушаются). Наиболее важным, ключевым для нервной деятельности является тот факт, что нейроны «немы». Сами по себе они не несут никакой информации и «умеют» только одно: активироваться, когда внешнее воздействие достигает определенного порога, и дезактивироваться, когда воздействие прекращается. Чем конкретно вызвана активация или отключение – это «не в компетенции» нейронов. Мыслительный процесс состоит не в них самих, но является продуктом организации их взаимосвязей. То же самое можно сказать и о компьютерных моделях сетей: их элементы сами по себе ничего не производят; но их активация и объединение в паттерны способны давать мощный результат.

Компьютерные модели значительно проще нейронных сетей: вместо миллионов компонентов они могут содержать их десятки или, возможно, сотни. В отличие от людей, ежедневно сталкивающихся с огромным количеством объектов и событий, компьютерные программы подвергаются воздействию весьма ограниченного набора параметров. Важнейшим моментом в этих моделях является то, что они, подобно нейронным сетям, начинают функционировать как множество «немых» элементов, которые взаимосвязаны, но лишены какой-либо информации о той сфере и поле деятельности, в которой им предстоит существовать. Далее исследователи обучают смоделированную сеть, чтобы понять, смогут ли они превратить этот набор отдельных примитивных элементов в умную систему.

Можно представить себе подобную сеть как аналог систем, используемых веб-сайтами вроде Netflix[65], для рекомендаций пользователям. Вы вводите название фильма – скажем, «The Godfather» («Крестный отец»). Информация о фильме появляется на экране, но Netflix готов порекомендовать вам и другие фильмы. Какие? Это зависит от целого ряда факторов. Частично – от того, какие еще фильмы предпочли другие пользователи Netflix, ранее уже выбравшие и высоко оценившие «The Godfather» (Netflix накапливает и хранит информацию обо всех сделанных клиентами выборах и оценках). Кроме того, предложение сайта может зависеть от ваших собственных запросов, просмотров и оценок. Если вы фанат гангстерских боевиков, вам, скорее всего, выложат список других фильмов о гангстерах. Но если история ваших запросов свидетельствует о том, что вы поклонник Аль Пачино, вы получите список лент с его участием – причем не любых, а тех, которые понравились пользователям, чьи вкусы сходны с вашими. А если в течение некоторого времени вы заказываете и смотрите исключительно фильмы, получившие «Оскара», вам предложат третий список рекомендаций.

И вам не нужно подробно объяснять, каковы ваши вкусы. У Netflix уже есть свое четкое представление, основанное на ваших прошлых заказах и на обратной связи от других клиентов, выбирающих те же фильмы, что и вы. Каждый раз, когда вы взаимодействуете с Netflix, программа, которая используется для подбора рекомендаций, обновляется. На самом деле она обновляется всякий раз, когда кто бы то ни было заходит на сайт. Так формируются связи между фильмами, и прочность связей меняется в зависимости от накопленного опыта пользователей Netflix. Это похоже на то, как если бы все пользователи сайта были участниками одной гигантской сети, для которой ни один посетитель не является полностью уникальным, но в то же время не повторяет в точности другого.

Система рекомендаций, используемая Netflix, не знает ничего о фильмах. Она создана для обнаружения паттернов предпочтений пользователей и делает это тем лучше (связи между ее элементами настраиваются все точнее), чем дольше получает обратную связь от прошлых рекомендаций и учится на собственных ошибках. С точки зрения современной когнитивной науки, способность человека распознавать паттерны развивается примерно таким же образом.

От когнитивных сетей – к этическим

Цель этого краткого обзора современной когнитивистики – дать вам представление о когнитивных сетях и о том, как они действуют, распознавая паттерны. Но способность отличать скалы от мин, диагностировать заболевание по совокупности симптомов, давать прогноз финансового состояния компаний и предугадывать результаты футбольных матчей – все это выглядит весьма далеким от того рода паттернов, которые мудрые практики должны распознавать в тех, кому они служат.

Корректно ли будет использовать модель когнитивных сетей для того, чтобы объяснить, как распознаются паттерны этичного поведения? Мы не знаем.

Исследователи еще не пытались смоделировать распознавание паттернов, связанных с мудростью или этическими оценками. Моделирование когнитивных сетей было направлено на исследование таких вещей, как память, освоение и понимание речи, способность распознавать визуальные образы, играть в стратегические игры – нарды, бридж и шахматы.

Наиболее подходящим конкретным примером распознавания паттерна, связанного с этическими навыками, можно считать попытку научить компьютер определять эмоции по мимике лица – именно такая способность восприятия нужна нам, чтобы знать, когда и как проявлять эмпатию.

Сеть была образована из некоторого количества модулей (элементов), соединенных между собой случайным образом. Затем, в процессе обучения, ей были продемонстрированы 160 фотографий – по 20 выражений лица, соответствовавших каждой из восьми эмоций (удивление, восторг, удовольствие, расслабление, сонливость, скука, страдание, гнев). Программа научилась распознавать многие (но не все) эмоции правильно. Затем ей был предъявлен для классификации набор новых лиц, и сеть определила их эмоции почти так же хорошо, как и у тех, на ком она обучалась. Интересно, что эмоции, распознавание которых вызывало затруднения у компьютерной программы (сонливость, скука и страдание), с трудом удавалось распознать и людям.

Хотя никто явным образом не пытался изучать то, что философы Пол Черчленд и Оуэн Фланаган именуют «моральными сетями»[66], такие сети (их еще часто называют этическими), похоже, имеют все свойства, которые мы приписываем и когнитивным сетям, и мудрости. «Существует прямая аналогия, – говорит Фланаган, – между тем, как набирается опыта гидролокатор субмарины, которому нужно научиться отличать мины от любых других объектов, и тем, как человек приобретает моральные и нравственные качества». Фланаган утверждает, например, что у детей этические сети выстраиваются по мере обретения опыта, опирающегося на обратную связь.