Найти умного. Как проверить логическое мышление и творческие способности кандидата

Может быть, вы споткнулись на каких-то головоломках из предыдущей главы. Что вам нужно делать, когда вы сталкиваетесь с задачей, которую не знаете, как решать?

Люди давно уже пытались ответить на этот вопрос. В определенном смысле это основная проблема исследований искусственного интеллекта (ИИ).

Билл Гейтс и почти все его коллеги из Microsoft выросли, мечтая о создании искусственного интеллекта, о машинах, которые запрограммированы думать, судить о различных вещах и решать проблемы так, как это делают люди. Один из традиционных подходов к тематике ИИ – изучать, как люди решают проблемы. Если вы можете понять этапы и особенности решения проблем людьми, возможно, вы сумеете запрограммировать компьютер делать то же самое.

Как люди, умеющие хорошо решать различные задачи, делают это? Отдельные примеры мало помогают в этом. Гении часто решают задачи непонятным и мистическим способом. Во время своих лекций в Калифорнийском технологическом институте (Caltech) физик Мюррей Гелл-Манн любил демонстрировать метод решения задач своего коллеги – знаменитого физика Ричарда Фейнмана. Гелл-Манн писал на доске условие сложной задачи, затем проводил несколько минут в молчании, уставившись на доску и, наконец, писал правильный ответ. Смысл шутки Гелл-Манна был в том, что и гениальные решения Фейнмана, и любой творческий процесс вообще трудно объяснить словами. Как говорил Луи Армстронг: «Послушайте, если уж вам приходится спрашивать “А что это такое?”, вы этого никогда не поймете».

Особенно озадачивает вот что: роль логики на некоторых стадиях решения проблем оказывается минимальной. Сложные проблемы часто решаются благодаря интуиции, неожиданному «озарению», догадке. Вы только что не знали, куда двигаться дальше, и вдруг вас «озарило», но это не был последовательный логичный процесс решения, о котором вы можете рассказать.

В исследованиях ИИ очень часто использовались головоломки и загадки. Они проще и более четко сформулированы, чем сложные проблемы реального мира. Причем для их решения также требуются логика, догадки и интуиция, без которых не обойтись при решении реальных проблем. Многие люди из Microsoft внимательно следят за исследованиями в сфере ИИ, и это помогает объяснить их уверенность в том, что все эти «глупые маленькие задачки» имеют отношение к реальному миру, которая, возможно, удивила некоторых читателей этой книги.

Пространство решений, плато неопределенности

Крестный отец современных исследований решения проблем – экономист и эрудит Герберт Саймон (1916–2001). Большая часть профессиональной карьеры Саймона, получившего в 1978 году Нобелевскую премию по экономике, прошла в Университете Карнеги-Меллон, имеющем хорошие традиции исследований в области компьютеров и робототехники. Он был одним из многих экономистов, которые начали активно использовать в 1970-е компьютерные модели.

Саймон настолько увлекся компьютерами, что начал исследовать, как люди решают проблемы, именно для того, чтобы понять, каким образом можно запрограммировать компьютеры для решения сходных задач. В своей книге «Как люди решают проблемы» (Human Problem Solving), опубликованной в 1972 году, Саймон вместе со своим коллегой Аланом Ньюэллом рассказал о результатах исследований, объектом которых были люди, решавшие математические и логические головоломки. В более поздней публикации, «Научное открытие» (Scientific Discovery), 1987 год, он попытался реконструировать на основе исторических данных ход рассуждений людей, сделавших важные научные открытия.

Саймон не обнаружил ничего особенно загадочного ни в решении скромных головоломок, ни в процессах, приведших к фундаментальным научным открытиям. Люди на основе своих догадок формулировали поддающиеся проверке гипотезы, делали несколько неверных ходов и в конце концов находили верный ответ. Никогда не случалось так, чтобы решение головоломки или научный прорыв оказывались результатом «чистого вдохновения».

Саймон и его коллеги предложили несколько популярных терминов, которые сейчас широко используются. Один из них – «пространство решений». Этот термин в его простейшей трактовке описывает все потенциальные решения проблемы. Когда компьютерная программа играет в шахматы, она ищет ход в пространстве решений. Она исследует все потенциальные ходы (и ответные ходы противника, и ответные ходы на ответные ходы противника… до разумного предела) для того, чтобы определить наиболее выгодное продолжение.

Саймон полагал, что именно поиск в пространстве решений – это та модель, которую использовали не только обычные люди для решения головоломок, но и великие Кеплер и Планк, работая над своими научными открытиями. Концепция пространства решений стала очень влиятельной. Когда вы пишете компьютерную программу для решения какой-то задачи, то определение пространства решений – очень полезный прием. После этого программа может найти оптимальное решение, используя впечатляющее преимущество в скорости перебора вариантов, которым обладают компьютеры.