Наука Плоского мира. Книга 4. День Страшного Суда - Пратчетт Терри Дэвид Джон
Впрочем, не нужно думать, что оба подхода к классификации мыслительных процессов совпадают. Скорее всего, это не так, по крайней мере, нельзя сказать, что они совпадают вплоть до мелочей. К тому же описанный психологический эксперимент лишь чуть приоткрыл завесу над человеческой мотивацией и верой. Даже если выводы верны – а оспорить их совсем несложно, – они доказывают только связь, но не причину. Тем не менее полученные результаты соответствуют другим наблюдениям, а именно: среди учёных или просто хорошо образованных людей религиозные верования распространены намного реже, чем среди невежд. Как показывает жизненный опыт атеистов и рационалистов, у людей, придерживающихся радикальных религиозных взглядов, с критическим мышлением обычно нелады. Особенно когда дело касается их веры.
Психология изучает человеческий мозг в целом. Нейробиология занимается более детальным его исследованием, особое внимание уделяя тому, как мозг контролирует движения тела. Многие полагают, что именно здесь кроется причина эволюционирования мозга, а уже вслед за этим последовала обработка сенсорной информации и другие, более тонкие настройки. Инженеры, стремясь усовершенствовать своих роботов, заимствуют кое-какие трюки у человеческого мозга, одна из фундаментальных особенностей работы которого – способность действовать в условиях неопределённости.
Наши органы чувств несовершенны. В результате чего в информации, которую получает мозг, присутствует «шум», то есть случайные ошибки. Мозг является скорее эволюционировавшим биопроцессором, образованным органическим материалом нервной системы, чем тщательно спроектированным «железом» или «софтом», поэтому работает с ошибками. Сигналы, которые мозг посылает телу, страдают неизбежной вариабельностью. Попытайтесь, играя в гольф, сто раз попасть мячиком в лунку с десяти метров. Вряд ли вы сделаете сто попаданий из ста. Несколько раз попадёте, несколько раз почти попадёте, а иногда вообще промажете. Профессиональные гольфисты получают кучу денег за то, что, в отличие от большинства из нас, они могут свести эти случайности к минимуму.
Когда дело касается социальных и политических решений, мера вариабельности возрастает ещё сильнее, а соотношение сигнал – шум становится намного выше. Ведь нам не только нужно принять к сведению большой массив информации, нам ещё необходимо отделить важные сведения от всякой чепухи. Каким же образом наш мозг «перелопачивает» разные противоречивые факторы и принимает решения? Современная гипотеза, находящая экспериментальные подтверждения, представляет мозг как машину для принятия решений, работающую по принципу байесовой сети.
Ошибочно полагать некий природный феномен аналогом формальной математической модели, хотя бы потому, что, в отличие от природы, математика – это система человеческого мышления. Байесова теория принятия решений является разделом математики, способом определения вероятностных зависимостей. Мозг – это взаимосвязанная сеть нервных клеток, чья динамика зависит от химических процессов и электрических токов. Если принять во внимание данное обстоятельство, то складывается впечатление, что за миллионы лет эволюции наш мозг развил сеть, имитирующую математические возможности теории принятия решений Баейеса. Мы можем обнаружить её наличие, но до сих пор практически не имеем представления, как она функционирует.
В XVIII веке пресвитерианский священник Томас Байес, сам того не желая, произвёл революцию в статистике, предложив новую интерпретацию вероятности. Сама концепция вероятности тогда была довольно туманна, но в принципе все соглашались, что вероятность какого-либо события можно определить как долю случаев, при которых это событие происходит в долгосрочной перспективе. Если вы миллиард раз выберете случайную карту из колоды, то увидите, что вероятность выпадения туза пик примерно 1:52. Так будет с любой другой картой, и поскольку их 52 штуки, нет никакой причины, почему одна должна выпадать чаще, чем другая.
Байес предложил другую версию. Существуют обстоятельства, при которых повторить попытки несколько раз невозможно. Какова, к примеру, вероятность существования бога? Что бы мы ни думали на сей счёт, нельзя создать миллиард вселенных и подсчитать, во скольких из них имеется божество. Единственный способ справиться с такими проблемами – это объявить подобные вероятности не имеющими смысла. Однако Байес утверждал, что во многих случаях вероятность некоего единичного события всё-таки можно оценить как степень нашей уверенности в том, что событие осуществимо. Говоря точнее, если имеется явный факт, то степенью его достоверности будет субъективный уровень доверия. Подобные скоропалительные выводы мы делаем постоянно, например, когда считаем, что шансы испанцев выиграть в турнире Лиги чемпионов УЕФА равняются примерно 75 %, или прикидывая, что вряд ли сегодня пойдёт дождь.
Таким образом, ещё в середине XVIII века Байес вывел формулу, позволяющую «априорным вероятностям» изменять достоверную информацию, полученную другим путём. Формулу опубликовал один из друзей Баейса в 1763 году, два года спустя после его смерти. Предположим, вы знаете, что количество побед испанской сборной в футбольных турнирах – 60 % (цифру мы взяли с потолка, просто для примера), и у вас есть ощущение, что в этом году испанцы играют лучше обычного. Складываем два и два – и понимаем, что их шансы на победу возросли.
Идея Байеса позволяет придать всем этим «ощущениям» численные значения, а также придать рациональную систему расчета интуитивным вероятностям, за исключением априорных, которые подставляются в формулу, но сами из неё не следуют. Иначе говоря, реализуется подход «Миров «если»: если априорная вероятность такова, то новые данные приведут к таким-то последствиям. Формула не определяет никакой априорной вероятности; однако её выводы могут помочь нам прикинуть точность априорной вероятности путём сравнения с наблюдениями. Способ, предложенный Байесом, зачастую превосходит другие, более «рациональные» методы. И если даже мы не можем быть абсолютно уверены в правильной оценке априорных вероятностей, всё-таки лучше сделать некое предположение, чем вообще ничего не знать о таких влияниях.
В обычной статистике утверждение, требующее проверки (гипотеза), принимается (или, по крайней мере, не отвергается), если у него есть доказательства. С точки же зрения подхода Байеса гипотезу нужно отвергнуть, несмотря на доказательства, если её априорная вероятность чрезвычайно мала. Более того, по той же причине логично отвергнуть и связанные с ней факты.
Ну например: предположим, что у нас есть гипотеза – «НЛО существует» и есть её доказательство – фотография этого самого НЛО. Фотография подтверждает гипотезу, но если вы полагаете, что возможность существования НЛО ничтожно мала, то доказательство вас не убедит. В конце концов, фотография может быть фальшивкой. Однако даже если вы не знаете, поддельная она или нет, вы всё равно вправе отвергнуть гипотезу… если, конечно, не выяснится, что ваша априорная вероятность неверна. Таким образом, метод Байеса не отвергает существование НЛО, напротив: он количественно выражает фразу, гласящую, что «экстраординарные утверждения требуют экстраординарных доказательств». А фотография таковым доказательством не является.
Во всяком случае, теоретическая нейробиология утверждает, что мозг работает с помощью создания верований о мире. Здесь под словом «вера» понимается конкретное решение мозга о каком-либо событии или явлении, и трудно отрицать, что мозг работает путём генерирования подобных вещей. Однако теория звучит менее тавтологично. Она утверждает, что мозг комбинирует два различных источника информации: память и новые данные. Не просто оценивает получаемые от органов чувств данные, но сравнивает их с уже имеющимися в памяти.
Эксперименты, проведённые Дэниелом Вольпертом и его командой, подтверждают, что результаты этого сравнения чрезвычайно близки к формуле Байеса. Похоже, мозг развил эффективный и достаточно точный способ объединять уже известное с новым, тем самым изменяя то, что содержится в памяти. Эксперимент заключался в анализе того, как мы двигаем конечностями, выполняя какое-либо действие. Предположим, мы хотим взять со стола чашку кофе. Существует множество способов это сделать, и большая их часть закончится провалом. Если слишком наклонить чашку, кофе разольётся. Реакция наших мышц подвержена случайным флуктуациям моторно-двигательной системы, но некоторые сценарии поднятия чашки менее подвержены ошибкам, чем другие. Оптимальные варианты, рассчитанные с помощью байесовой теории принятия решений, в целом совпадали с наблюдаемыми в реальности движениями.
