Текст книги "Эластичность. Гибкое мышление в эпоху перемен"

Над неизменными поведенческими программами находится мышление следующей категории – аналитическое. Мы привыкли восхищаться им как объективным, не оттененным искажениями чувств человеческих, а следовательно – близким к точному. Но пусть многие и воспевают аналитическое мышление за его свободу от чувств, его можно и покритиковать за то, что оно не вдохновлено чувством – в отличие от эластичного.

Относительная недостаточность эмоциональной составляющей – одна из причин, почему аналитическое мышление проще эластичного, и в его устройстве легче разобраться. Первый современный подход к пониманию природы аналитического мышления произошел больше полутора веков назад, в 1851 году, когда декан факультета в Королевском колледже Корка на юго-западе Ирландии произнес ежегодную речь в начале учебного года. В своей речи он задался вопросом:

…существуют ли применительно к нашим умственным способностям подобные общие законы, какие необходимы в науке… Отвечу – да, это возможно, и они [законы разума] составляют истинную основу математики. Я веду речь не о математике одних лишь чисел и количеств, а о математике в более широком и, как мне кажется, истинном смысле: как о едином мышлении, выраженном в символических формах[37]37
  George Boole, The Claims of Science, т. 15 (Оксфорд, Великобритания: Oxford University Press, 1851), 15–16.


[Закрыть].

Через три года тот декан, математик Джордж Буль, опубликовал более подробное рассуждение в книге под названием «Исследование законов мышления».

По мысли Буля, логическое мышление сводится к набору правил, сопоставимых с алгебраическими. Полного успеха в выполнении обещанного на обложке книги он не достиг, но все равно создал способ выражения простых мыслей или утверждений, позволяющий записывать их как уравнения, а этими уравнениями можно оперировать и комбинировать их, так же, как сложение и умножение позволяют нам составлять численные уравнения и оперировать ими.

Значимость работ Буля возросла через сотню лет после его кончины – с изобретением цифровых компьютеров, которые на заре их существования именовались «думающими машинами». Нынешние компьютеры – по сути, воплощенная в микросхемах Булева алгебра, где так называемые логические элементы способны проделывать миллиарды логических операций в секунду, одну за другой.

Булево прови́дение не ограничилось математикой: в 1830-е он стал руководителем организации, ратовавшей за разумные законодательно закрепленные пределы рабочих часов, а также поучаствовал в основании центра реабилитации заблудших женщин. Буль умер поздней осенью 1864 года. Смерть забрала его после того, как он предпринял долгую прогулку под проливным дождем, вымок до нитки, затем прочел лекцию, а потом отправился домой – тоже под дождем. Добравшись к себе, Буль слег с жаром. Его жена, подчиняясь предписаниям гомеопатии, взялась выливать на него ведрами холодную воду[38]38
  Stephen Hawking, God Created the Integers (Филадельфия: Running Press, 2005), 669–675.


[Закрыть]. Через две недели Буль умер от воспаления легких.

Примерно в то же время, когда Буль изобретал математику мышления, его соотечественник англичанин Чарлз Бэббидж пытался построить машину, чтобы это самое мышление воплотить. Машину Бэббиджа предстояло собрать из тысяч цилиндров, причудливо спаренных посредством затейливых систем шестеренок. С этой своей «аналитической машиной» он провозился не одно десятилетие, приступив в 1830-е, но из-за ее сложности и дороговизны Бэббидж работу так и не завершил. Умер в 1871 году, ужасно разочарованный.

Бэббидж представлял себе эту машину состоящей из четырех компонентов. Ввод осуществлялся посредством перфорированных карт, с помощью которых машине предоставлялись данные, а также объяснение, как с этими данными обращаться, – ныне мы именуем это компьютерной программой. Складом Бэббидж называл память машины, аналогичную современному жесткому диску в компьютере. Мельницей была та часть, которая обрабатывала данные согласно инструкциям ввода, – иными словами, центральный процессор. У мельницы также была своя небольшая память – достаточного объема строго для тех данных, с которыми она непосредственно работала в тот или иной момент, теперь мы эту память называем оперативной. И наконец был у машины Бэббиджа вывод – приспособление для печати ответов.

В общем и целом, машина Бэббиджа воплощала почти все ключевые принципы современного цифрового компьютера и – на поверхностном уровне – предлагала новую систему понимания того, как работает наш ум. У человеческого ума тоже есть модуль ввода (наши органы чувств), рабочая ячейка для манипуляций данными – или «обдумывания» (кора головного мозга), а также краткосрочная память, где мы держим мысли и слова, которые в текущий момент обдумываем, и долгосрочная память – для знаний и типовых операций.

Подруга Бэббиджа, математик леди Ада Лавлейс, дочка лорда Байрона и его жены Энн Изабеллы Ноэл, писала, что аналитическая машина «ткет алгебраические узоры, наподобие того, как станок Жаккара ткет узоры из цветов и листьев»[39]39
  Douglas Hofstadter, Go#del, Escher, Bach (Нью-Йорк: Vintage, 1979), 25. [Здесь и ниже цит. по рус. изд.: Дуглас Хофштадтер, «Гёдель, Эшер, Бах: эта бесконечная гирлянда» / Пер. М. Эскиной. Жозеф Мари Жаккар (1752–1834) – французский изобретатель ткацкого станка для узорчатых материй. – Примеч. перев.]


[Закрыть]. Сравнение наглядное, пусть и несколько поспешное: машину свою Бэббидж еще не построил. Но леди Лавлейс по крайней мере ценила попытку – возможно, даже больше, чем сам Бэббидж[40]40
  Margaret A. Boden, The Creative Mind: Myths and Mechanisms (Лондон: Routledge, 2004), 16.


[Закрыть]. Он-то мечтал, что его машина будет уметь играть в шахматы, а Лавлейс видела в ней механизированный разум, прибор, который однажды сможет «создавать искусно сделанные научные музыкальные композиции любой сложности и длины».

В ту пору никто не усматривал заметной разницы между партией в шахматы, сыгранной от начала и до конца, и сочинением новой симфонии с чистого листа. С сегодняшней же точки зрения разница колоссальна. Первое производится линейным приложением правил и логики, Булевых законов мышления. Второе же требует большего, а именно – способности производить новые оригинальные мысли. Первое можно свести к алгоритмам, а вот второе (как нам предстоит убедиться), если попробовать свести его к алгоритмам, успехом не увенчивается. Привычные компьютеры с первым справляются лучше любого человека, а на второе толком не способны вообще. В этом и есть ключ к различию между аналитической мыслью и большей мощью мышления эластичного. Все верно: аналитический подход, перед которым мы на Западе преклоняемся начиная с Эпохи просвещения, – мелкий божок, тогда как Зевс человеческой мысли – эластичное мышление. В конце концов, логическая мысль способна определять, как нам эффективнее всего добраться от дома до бакалеи, а вот автомобиль нам подарило эластичное мышление.

В 1950-е многие первопроходцы информатики считали, что, если собрать вместе выдающихся экспертов своего дела, они придумают компьютер, чей «искусственный» интеллект сможет посоперничать с человеческой мыслью. Не различая аналитическое и эластичное мышление, они, подобно леди Лавлейс, рассматривали мозг человека как биологическую версию изобретаемых ими приборов. На такое вот экспертное собрание были получены деньги, и в 1956 году состоялся Дартмутский летний семинар по искусственному интеллекту, однако возложенных на него надежд он не оправдал.

Самая знаменитая и влиятельная компьютерная программа того времени называлась «Общий решатель задач» – больше похоже на предмет рекламы в поздних вечерних телепрограммах, нечто среднее между блендером девять-в-одном / вскрывателем для банок, умеющим еще и макароны варить, и ножами, совмещенными с пилочкой для ногтей. Название «Общий решатель задач»[41]41
  В русскоязычных источниках также «Универсальный решатель задач».


[Закрыть] кажется помпезным, однако происходит скорее из наивных представлений о потенциале программы, нежели из высокомерия.

Почему бы и впрямь не «общий решатель»? Компьютеры манипулируют символами. Этими символами можно обозначать факты из внешнего мира. Можно обозначать ими и правила, описывающие взаимоотношения между этими фактами. А можно – даже правила, как этими символами допустимо манипулировать. В этом смысле, рассуждали первопроходцы информатики, компьютеры можно запрограммировать на мышление. Со времен Буля и Бэббиджа изменились компьютерные технологии, но не само представление о них.

С такой наивной точки зрения, если Джейн любит персиковые пироги, а Боб печет персиковый пирог, компьютер способен вычислить любовь Джейн к тому, что Боб испек, – возможно, даже любовь Джейн к Бобу, – так же запросто, как определить квадратный корень из двух. Но ограничения такого подхода очень скоро стали очевидны. Универсальный решатель задач никаким универсальным гением наделен не был. Управляться с конкретными и отчетливо сформулированными задачками вроде знаменитой головоломки «Ханойская башня», где нужно нанизывать стопки дисков на несколько вертикальных стержней, Решатель умел, а вот неоднозначными задачами реального мира давился.

Чтобы переработать всю новизну и перемены повседневной действительности, машине потребовалось бы и глубинное понимание сложного мира, и эластичное мышление. Но те первые компьютеры тогда еще оставались на уровне где-то между примитивными программами слизевиков и очень простеньким аналитическим мышлением.

Попытки создать компьютер, способный к эластичному мышлению, и по сей день не очень-то успешны. Ныне мы живем во времена, какие потрясли бы не только Буля с Бэббиджем, но и первопроходцев информатики. Мы встраиваем миллиарды микроскопических машин, подобных Бэббиджевой, в крошечные кремниевые чипы и ежесекундно производим бесчисленные Булевы расчеты. Но, как и лекарства от рака и чистая дешевая энергия ядерного синтеза, какие того и гляди должны возникнуть за следующим поворотом, компьютеры, которым под силу то, что ждали от Общего решателя задач, так и не воплотились.

По словам Эндрю Мура, ушедшего с поста вице-президента компании «Гугл», чтобы вести знаменитую компьютерную школу в Университете Карнеги – Меллона, даже самые сложные современные компьютеры – всего лишь «эквивалент очень умных калькуляторов, справляющихся с конкретными задачами»[42]42
  “Artificial Intelligence”, 60 Minutes, 9 октября 2016 г., http://www.cbsnews.com/news/60-minutes-artificial-intelligence-charlie-rose-robot-sophia.


[Закрыть]. Компьютер, например, способен решать мудреные уравнения физики и вычислять, что произойдет, когда сталкиваются черные дыры, но сперва человек должен «поставить» задачу – вывести уравнения для этого конкретного процесса из более общей теории, а ни один компьютер самостоятельно создавать теории не умеет.

Другой пример – мечта леди Лавлейс: сочинение музыки. У нас имеются компьютеры, сочиняющие сложные музыкальные произведения, и для слуха они совсем не оскорбительны. Существуют классические сочинения в стиле Моцарта и Стравинского, джаз, похожий на то, что мог бы придумать Чарли Паркер[43]43
  M. A. Boden, “Creativity and Artificial Intelligence”, Artificial Intelligence 103 (1998): 347–356.


[Закрыть]. Есть даже приложение под названием «Блум», его можно добыть на «Айтюнз» – оно способно генерировать по запросу новую ни на что не похожую инструментальную закольцованную композицию в стиле Брайана Ино[44]44
  Брайан Питер Джордж Сент-Джон ле Батист де ла Салль Ино (р. 1948) – британский музыкант-электронщик, продюсер и художник, один из отцов музыкального жанра «эмбиент».


[Закрыть]. Сам Ино говаривал, что с изобретением технологии такого вот «производства музыки» однажды наши внуки, вероятно, переспросят изумленно: «Вы что, правда слушали совершенно ту же самую вещь по многу раз?»[45]45
  Randy Kennedy, “A New Year’s Gift from Brian Eno: A Growing Musical Garden”, New York Times, 2 января 2017 г.


[Закрыть]

Заманчива она, такая компьютерная музыка, и у нее есть своя ниша, однако следует отличать ее от новых музыкальных творений. Компьютеры-композиторы используют созданные человеком подборки «сигнатур» – мелодических, гармонических и декоративных мотивов, сочиненных композиторами-людьми – и применяют единые правила чередования и соединения этих мотивов. Это всего лишь перекомпоновка старых тропов, без всяких новых замыслов. Если кто-нибудь берется сочинять музыку в подражание Моцарту или Брайану Ино или же писать картины «под Рембрандта», мы такими творениями не восхищаемся – они считаются у нас вторичными и неоригинальными.

Загвоздка с выработкой у компьютеров эластичного мышления состоит в том, что, хотя компьютеры считают все быстрее и быстрее, к более эластичной обработке данных это пока не приводит. А потому за десятилетия с тех головокружительных первых дней задачки, подчиняющиеся внятно расписанным и легко кодируемым правилам или распорядкам, замечательно поддаются автоматизации, а вот те, что требуют эластичного мышления, – в общем, нет.

Взгляните вот на этот абзац:

По рзелульаттам илссеовадний Кембриджского унвиертисета, не иеемт занчнеия, в кокам пряокде рсапожолены бкувы в солве. Галвоне, чотбы преавя и пслоендяя бквуы блыи на мсете. Осатьлыне бкувы мгоут селдовтаь в плоонм бсепордяке, все-рвано ткест чтаитсея без побрелм[46]46
  Michael Gazzaniga et al., Cognitive Neuroscience: The Biology of the Mind, 4-е изд. (Нью-Йорк: W. W. Norton, 2014), 74. [Русскоязычный вариант так называемого «кембриджского эффекта» приводится по распространенной в Интернете версии. – Примеч. перев.]


[Закрыть].

Существует множество компьютерных программ, умеющих читать напечатанный текст вслух, но на таких сильных отклонениях от стандартного написания они захлебываются. Мы же, люди, можем прочесть такое почти без запинки.

Неожиданная легкость, с какой мы прочитываем приведенный абзац, – признак эластичности нашего мышления. Ум замечает без всякой подсказки: что-то не так. А затем соображает, что́ тут происходит, сосредоточивается на правильно расставленных первых и последних буквах каждого слова, а затем тасует буквы в середине слов. С учетом общего контекста ум расшифровывает значение написанного, лишь немного теряя в скорости. Компьютер, читающий тексты, попытается сопоставить каждый набор букв со словом в словаре и, вероятно, учтет кое-какие распространенные опечатки и грамматические ошибки, но в конце концов это все ни к чему не приведет – если заранее не снабдить его программой, написанной для решения этой конкретной задачи.

Требующие эластичного мышления задачи могут быть для современного компьютера непосильными, даже если для человека они обыденны[47]47
  David Autor, “Polanyi’s Paradox and the Shape of Employment Growth”, National Bureau of Economic Research Working Paper № 20485, 2014.


[Закрыть]. Возьмем распознание закономерностей. Экономист из Массачусетского технологического института Дэвид Отор рассуждает о трудности визуального распознания стула. Эту задачку решит любой школьник, но как запрограммировать компьютер, чтобы и у него получилось? Можно попробовать определить ключевые характеристики – горизонтальная поверхность, спинка, ножки. К сожалению, этот набор черт присущ многим предметам, которые не стулья, – например, кухонная плита с ножками или встроенная мойка с фартуком. Вместе с тем существуют стулья без ножек, и они под это определение не подпадут.

Определить стул, основываясь на рациональном описании с опорой на те или иные правила, трудно, поскольку определение должно включать не только типовые стулья, но и громадное разнообразие оригинальных моделей. Как же это удается любому третьекласснику? Эластичное мышление – не алгоритмическое, и под этим я подразумеваю, что мы овладеваем идеями и делаем выводы без четкого определения необходимых для этого шагов. (Это я говорю независимо от того, получится ли симулировать деятельность мозга при помощи машины Тьюринга, как некоторые считают.) Напротив, нейронная сеть нашего бессознательного ума не полагается на продуманные и легко формулируемые определения стула, а научается взвешивать сложную комбинацию особенностей предмета, а мы эту работу ума даже не осознаем.

Некоторые смекалистые передовые программисты в «Гугле» пытаются усовершенствовать обычные компьютеры, ища способы имитировать работу нейронных систем человеческого мозга. Тамошние ученые построили машину, способную без помощи человека распознавать очертания, которые мы именуем котом[48]48
  Quoc Le et al., “Building High-Level Features Using Large Scale Unsupervised Learning”, в: Proceedings of the 29^th International Conference on Machine Learning, сост. John Langford, Joelle Pineau (Мэдисон, Висконсин: Omnipress, 2012), 81–88.


[Закрыть]. Этот подвиг потребовал тысячи компьютеров, объединенных в сеть. Ребенок же справляется с этой задачей к своим трем годам, попутно жуя банан и размазывая арахисовую пасту по стенке.

Это подводит нас к некоторым ключевым различиям в архитектуре мозга и цифровых компьютеров, что, в свою очередь, говорит кое-что важное о нас самих. В отличие от человеческого мозга, компьютер состоит из взаимосвязанных переключателей, в которых можно разобраться по коммутационным и логическим схемам, и работают они, следуя отчетливо определенному набору шагов (программе или алгоритму) линейно, в соответствии с задачей, имеющейся у программиста. Ученые из «Гугла», соединившие в нейронную сеть тысячу таких вот компьютеров, совершили впечатляющий подвиг, и это многообещающий подход. Но наши мозги способны на неизмеримо более грандиозные подвиги – на формирование нейронных сетей из миллиардов клеток, и каждая при этом связана с тысячей других. Из таких сетей складываются еще более масштабные структуры, а те в свою очередь – в еще более громадные, и далее, и далее, в сложнейшую иерархическую схему, которую ученые только-только начинают постигать.

Как я уже говорил, биологический мозг способен обрабатывать данные и сверху вниз, как это делает традиционный компьютер, и снизу вверх, что важно для эластичного мышления, – а также в некотором сочетании этих двух режимов. Как мы еще убедимся в Главе 4, процессы, происходящие снизу вверх, зарождаются из сложных и сравнительно «безнадзорных» взаимодействий миллионов нейронов и способны приводить к самым неожиданным свежим замыслам. Процессами же, происходящими снизу вверх, напротив, управляют исполнительные области мозга, и в этих процессах пошагово производится аналитическая мысль.

Наш исполнительный ум успешно подавляет мысли, возникающие невпопад. Но если мы решаем некую задачу и идем в неверном направлении, мысли невпопад – шаги не гуськом – как раз нам и нужны. Сэнфорд Пёрлисс, известный адвокат, рассказывает об одном случае, о котором он узнал еще в юридической школе[49]49
  Рассказал Сэнфорд Пёрлисс в выступлении на открытии: 2017 Perliss Law Symposium on Criminal Trial Practice, 1 апреля 2017 г.


[Закрыть]. Ответчик попал под суд за убийство своей жены. Косвенные улики были сильны, однако труп полиция так и не нашла. Составляя заключительное слово, адвокат сперва применил обычный подход, суммируя все показания, чтобы подогреть в присяжных разумное сомнение. Но логика оказалась бессильна: адвокат опасался, что никого убедить не сможет. И тут у него «откуда ни возьмись» возникла мысль.

Представ перед присяжными со своим заключительным словом, адвокат сделал громкое заявление: предположительная жертва найдена. Она здесь, в здании суда. Он попросил присяжных обратить взоры на вход в зал заседаний. С минуты на минуту она войдет и тем самым докажет невиновность ответчика. Предвкушая, присяжные повернулись к дверям в зал. Прошло несколько секунд, но никто не вошел. Тут адвокат с большой помпой произнес, что, к сожалению, женщина не нашлась – но раз присяжные все-таки согласились посмотреть, в глубине души у них имеются разумные сомнения, а потому им следует голосовать за оправдательный приговор. Блестящий пример того, как ум адвоката отступил от привычного последовательного подхода и двинулся по новому пути. К сожалению для подзащитного, адвокат не предупредил его об этой уловке. В результате ответчик, не имевший никаких сомнений, что его жена мертва, не повернулся вместе со всеми ко входу в зал. Прокурор в своей речи указал на это, и приговор прозвучал обвинительный.

Загадки пошаговым методом не решаются – и мир Гарри Поттера Дж. К. Роулинг изобрела не так, и Честер Карлсон придумал копировальную машину иначе. Именно безнадзорное мышление снизу вверх обеспечивает нам внезапные озарения и новые способы видеть ту или иную ситуацию и тем самым приводит к таким вот победам.

В Главе 4 мы еще вернемся к разнице между мышлением снизу вверх и сверху вниз, а также между компьютером и мозгом и рассмотрим детальнее роль этой разницы в процессах эластичного мышления, на которое человеческий мозг способен, а компьютер – нет. Но сперва, в следующей главе, мы зададимся вопросом, почему мозг вообще берется думать. Компьютер производит расчеты, потому что его кто-то включает и щелкает мышкой там и сям. А как включаются наши мозги?

3
Зачем мы думаем?

В 1994 году Пэт Дарси[50]50
  Имя вымышлено. – Примеч. автора.


[Закрыть] был сорок один год, когда она заметила странную боль у себя в правой руке[51]51
  Eugénie Lhommdée et al., “Dopamine and the Biology of Creativity: Lessons from Parkinson’s Disease”, Frontiers in Neurology 5 (2014): 1–11.


[Закрыть]. Затем у нее развился небольшой тремор, после чего стало понятно, что это не просто хроническая мышечная боль. У нее диагностировали болезнь Паркинсона. Она возникает при отмирании нейронов в той части мозга, которая управляет движениями тела. Нам неизвестно, отчего нейроны отмирают, хотя в мертвых нейронах выявлено накопление определенного белка. Попадание в организм пестицидов увеличивает риск болезни Паркинсона, а вот курение, как ни парадоксально, уменьшает его.

У пациентов, страдающих этой болезнью, даже если они способны пожелать двинуть рукой или ногой, тело на эти желания не откликается. Бывает, у таких пациентов делается невнятной речь, нарушается равновесие, конечности теряют гибкость, в них может возникать боль или онемение – и они начинают трястись. Возвращать к жизни мертвые нейроны мы не умеем, как не умеем и заставить тело отращивать новые.

Отмирающие клетки – так называемые дофаминовые нейроны, клеточные фабрики по производству дофамина, далее используемого как нейромедиатор для передачи сигналов другим нервным клеткам. Дофаминовые нейроны располагаются в стволе мозга на верху позвоночника, в той части примитивного среднего мозга, какая именуется substantia nigra: она занята подбором физического действия – начала движения, например, – необходимого в ответ на те или иные внешние обстоятельства. Substantia nigra – это на латыни, и смотрится страсть как серьезно. На латыни и фраза «Сотрудники обязаны мыть руки» тоже показалась бы очень серьезной. Но пусть substantia nigra и кажется чем-то из папской речи на пасхальной мессе, значение у этих слов обыденное. Они означают «черное вещество», или «черная субстанция», и довольно точно описывают примерно все, что нам было о нем известно, когда его впервые обнаружили в 1791 году – и сотни полторы лет после этого. Ее темный цвет связан с избытком меланина в тех самых дофаминовых нейронах, которые портятся при болезни Паркинсона. Когда Пэт Дарси ощутила симптомы своей болезни, большинство тех нейронов уже, вероятно, поумирало.

Дофаминовые нейроны есть в относительно немногих областях мозга, а вот в черной субстанции их – изобилие. Для облегчения симптомов у Пэт ее невролог прописал ей агонист дофаминовых рецепторов – лекарство, имитирующее повышение уровня дофамина в мозге. С учетом наших скудных знаний болезни Паркинсона это едва ли не все, на что способна современная медицина, – попытаться скомпенсировать бездействие мертвых нейронов, помогая выжившим эффективнее передавать сигналы. Симптомы у Дарси облегчились.

Несколько лет жить ей было попроще. А затем Дарси начала менять свой образ жизни. Ей всегда нравилось рисовать, но тут она взялась за живопись, как ненормальная. «Я превратила свой дом в студию, повсюду у меня столы и холсты», – говорила она. Сделалась одержима, писала с утра до вечера, а нередко и ночью, использовала кучу кистей, губок и даже ножей с вилками. Она теперь писала не просто в свое удовольствие, а от неотвратимой нужды рисовать – так наркоман алчет своего вещества. «Я начала рисовать на стенах, на мебели, даже на стиральной машине, – рассказывала Дарси. – Я писала на любой подвернувшейся поверхности. А еще у меня имелась “стена самовыражения”, и я на ней рисовала и рисовала поверх того, что нарисовала, каждый вечер, будто в трансе, остановиться не могла».

Было время, знавал я одну наркоманку. Выглядела она истощенно и не по годам потасканно: запавшие глаза и такое выражение лица, какое сообщало, что за дозу она готова на все. Пэт Дарси, рисовавшая лилии на своей «Мэйтэг»[52]52
  Maytag – торговая марка одноименной американской компании, производителя домашней бытовой техники (с 1893 г.), ныне принадлежит компании Whirlpool.


[Закрыть], вроде бы блекнет в сравнении, однако трагедия любой одержимости в том, что она подминает под себя жизнь одержимого человека и способна ее сломать. «Моя безудержная деятельность превратилась в нечто разрушительное», – признавалась Дарси.

Курт Воннегут писал, что мы, люди, «вынуждены постоянно сигать со скал и отращивать крылья по пути вниз»[53]53
  Kurt Vonnegut, If This Isn’t Nice, What Is? (Нью-Йорк: Rosetta, 2013), 111. [Из книги «Человек без родины» (2005). – Примеч. перев.]


[Закрыть]. Нам нравится ставить перед собой непростые задачи и придумывать, как их одолеть. Художественное восприятие Пэт Дарси привело ее к занятиям искусством, но дофаминовая терапия усилила эту природную тягу до непреодолимой потребности.

Как? Мы уже поняли, что дофамин в черном веществе инициирует движение (и поэтому недостаток его ухудшает подвижность людей с болезнью Паркинсона). Но помимо этого дофамин еще и играет ключевую роль в сообщении внутри группы разнообразных структур, действующих совместно в сложном порядке и составляющих в мозге так называемую систему вознаграждения.

К сожалению для пациентов с болезнью Паркинсона, у нас пока нет методов прицельной доставки дофамина – так, чтобы он влиял только на те или иные структуры по нашему выбору. В результате лекарство Дарси не просто поддержало деятельность вялой черной субстанции – оно зарядило дофамином все области, зависящие от этого вещества, в том числе и систему вознаграждения. Что и вызвало одержимость.

Наша система вознаграждения – способ, которым эволюция поощряет нас делать все, чтобы оставаться сытыми и не испытывать жажды, а также чтобы плодиться. Она порождает в нас желание и удовольствие – и, рано или поздно, насыщения. Без системы вознаграждения мы бы не ощущали радости от роскошного шоколада, глотка воды или оргазма. Но эта же система подталкивает нас думать и действовать по итогам возникших мыслей, преследуя свои цели.

Когда мой сын Алексей учился в девятом классе, я сказал ему, что, занимайся он ежедневно на полчаса больше, получал бы пятерки, а не четверки. Он возразил: «Зачем мне это?» – и вид у него был такой, будто он наконец понял, зачем я хожу к психотерапевту. В тот раз ум Алексея напомнил мне о газонокосилке, которая имелась у нас в доме, когда я был маленький. Если хорошенько дернуть за пусковой шнур, она просыпалась и даже срезала сколько-то травинок, но затем чихала и глохла. Дергать Алексея за пусковой шнур я был волен сколько влезет, но без убедительной мотивации, какая возникает исключительно изнутри, думать мозг Алексея отказывался.

Сделать так, чтобы компьютер обрабатывал информацию, легко. Для этого его достаточно лишь включить. Но у человеческого мозга кнопка «вкл.» – внутренняя. Как раз система вознаграждения обеспечивает мотивацию, чтобы начать или продолжить мыслительную цепочку. Эта система подключает вашу систему переработки данных к школьным домашним заданиям, совершению покупок, чтению газеты или сбору головоломки. Она направляет ваш мозг к выбору, какие задачи осмыслять, и помогает определить конечную точку, к которой осмысление движется. Как сказала одна ученая-нейробиолог, «нет большей радости у меня в жизни, чем додуматься до идеи, которая хороша. В тот миг, когда она возникает у меня в голове, это приносит громадное удовлетворение, уж такое оно благодатное… Моя [система вознаграждения], надо полагать, слетает с катушек от восторга, когда это происходит»[54]54
  Nancy Andreasen, “Secrets of the Creative Brain”, The Atlantic, июль-август 2014 г.


[Закрыть].

Система вознаграждения у Пэт Дарси вдохновляла ее заняться эластичным мышлением, связанным с ее художественными и творческими склонностями. Но подпитка дофамином перевело ее творчество в форсированный режим, отняв возможность остановить эту деятельность.

Из-за того, как это средство подействовало на ее поведение, врачи Дарси в конце концов уменьшили ей дозу. К сожалению, симптомы болезни Паркинсона вернулись, и Дарси перенесла операцию, в ходе которой ей в черепе просверлили маленькое отверстие и ввели туда зонд. Через зонд доставили жидкий азот и таким способом уничтожили точно определенные участки мозга. То, что так можно помочь делу, кажется контринтуитивным, поскольку болезнь происходит из-за смерти клеток, производящих дофамин. Но целью операции не было разбираться впрямую с болезнью: она устраняла симптомы, уничтожая ткань, деятельность которой в нормальном состоянии дофамин подавляет, и которая стала чрезмерно активной. В случае Дарси операция помогла обуздать симптомы болезни, а со снижением дозы лекарства художественные порывы пациентки сделались спокойнее и управляемее. «Мое увлечение вновь стало удовольствием, которое никому не мешает», – сказала она.