Ошибаться полезно. Почему несовершенство мозга является нашим преимуществом

Коба, он запомнит это слово и сможет вспомнить о нем даже через месяц. Заметьте, с первого раза! Еще лучше обстоят дела, когда наряду со словами запоминаются действия. Даже детям в два с половиной года достаточно всего пятнадцать минут поиграть с каким-нибудь предметом, чтобы впоследствии перенести его свойства на другие схожие объекты. Если ребенок увидел, что с яркой пластмассовой деталью с выдуманным названием «коба» можно совершать какие-то манипуляции, то на будущее усвоит для себя, что схожие, хотя и несколько отличающиеся по форме, предметы тоже должны называться «коба», и будет пытаться совершать с ними те же манипуляции. Всего несколько минут – и ему уже все ясно. А разве смогли бы двухлетние дети осваивать в среднем по десять новых слов в день, если бы для этого им приходилось все повторять по сто раз? Ни у одного мозга на это просто не хватило бы времени.

Разумеется, мозг учится не на пустом месте. В настоящее время мы исходим из того, что в процессе быстрой классификации новая информация стремительно распределяется по уже имеющимся категориям (возможно, даже без участия гиппокампа, с которым вы познакомились в предыдущей главе). Но и сами категории создаются очень быстро, причем именно тогда, когда у нас слишком мало времени на обдумывание. Если быстро показать трехлетнему ребенку один за другим три варианта игрушки (например, какие-то необычные погремушки, отличающиеся друг от друга по цвету и свойствам поверхности) и назвать их выдуманным словом «вуг», то малыш вряд ли опознает «вуг» в четвертой погремушке. Но если между демонстрацией трех первых погремушек проходило по полминуты и ребенку давали возможность немного с ними поиграть, то он быстро осваивал концепцию «вуга» и сразу же называл этим словом четвертую погремушку, хотя она была другой формы и расцветки. Казалось бы, эти паузы совершенно не нужны. Они только отвлекают внимание и являются пустой тратой времени в нашем мире, где все подчинено оптимизации и повышению производительности. Однако именно в них заключается наша сила, позволяющая добиваться большего, чем компьютер, который тупо накапливает новую информацию.

Мы чрезвычайно быстро разбираемся в категориях и практически моментально усваиваем связь между словами, предметами и действиями. Не верите? Вам по-прежнему кажется, что успех в учебе достигается только посредством множества повторений и упражнений? Попробую доказать обратное: сколько времени вам понадобилось, чтобы понять значение совершенно нового и искусственно придуманного слова «селфи»? Пожалуй, достаточно было один раз увидеть, как четверо молодых людей фотографируют себя смартфоном. А как быстро вы поняли смысл никому не известного раньше слова «Брекзит»? Видимо, тоже с первого раза. Понимание приходит сразу же. Более того, если вы поняли слово, то можете не просто воспроизводить его, но и образовывать на его основе что-то новое. Если «Брекзит» означает выход Британии из Евросоюза, то что могут означать слова «Фракзит» или «Грекзит»? Никаких проблем. Вы понимаете их моментально, потому что усвоили мыслительную модель, лежащую в их основе. Это позволяет вам и самим создавать нечто совершенно новое, не встречавшееся раньше!

Это к вопросу о многократном повторении и интенсивном обучении. Нет никакого искусства в том, чтобы выучить наизусть несколько слов. А вот понять их – это совершенно другое дело. Компьютеры и в будущем будут быстрее нас распознавать изображения и объекты, но никогда не смогут их понять. Для обучения компьютеры используют довольно простые алгоритмы анализа колоссальных массивов данных. Мы же идем противоположным путем: накапливаем намного меньше данных, но зато располагаем значительно более многочисленными возможностями их обработки. Чтобы что-то знать, не обязательно располагать большим объемом информации. Надо просто уметь распоряжаться ею.

Глубокое обучение – это хорошо, но глубокое понимание лучше. Компьютеры не понимают того, что они распознают. Об этом свидетельствует один интересный эксперимент, проведенный в 2015 году, в ходе которого исследовались самообучающиеся нейронные сети. Ученые решили выяснить, как должно выглядеть изображение малиновки, чтобы компьютерная программа распознала его со стопроцентной уверенностью и дала ответ: «Это птица малиновка». Те, кто ожидал идеальной фотографии малиновки, были разочарованы. Выбор компьютера пал на размытое изображение, состоявшее из непонятных цветовых пятен. Ни один человек не смог бы опознать в нем малиновку. А вот компьютер смог, потому что для него малиновка – это лишь графический символ и он не понимает, что речь идет о живом существе. Если ему сообщить, что Брекзит – это выход Великобритании из ЕС, он никогда самостоятельно не додумается, что Швекзит будет означать прощание со Швецией.