Текст книги "Рациональность. Что это, почему нам ее не хватает и чем она важна"

Формальная и экологическая рациональность

Вторая причина, по которой мечте Лейбница не суждено сбыться, кроется в природе формальной логики: она формальная и не различает ничего, кроме символов и той последовательности, в которой они представлены рассуждающему. Формальная логика слепа к содержанию высказывания – к тому, что означают эти символы, а также к контексту и предшествующему знанию, которые могут привлекаться к делу. Логическое в строгом смысле рассуждение требует забыть все, что вы знали до сих пор. Ученика, сдающего экзамен по евклидовой геометрии, не похвалят, если он вдруг вытащит линейку и примется измерять стороны треугольника, два угла которого равны, каким бы разумным ни был этот прием в реальной жизни: теорему о равенстве сторон от него требуется доказать. Аналогичным образом студенты, решающие логические задачи из учебника Кэрролла, не должны принимать во внимание тот не относящийся к делу факт, что щенки не разговаривают. Единственное правомерное основание для вывода, что хромой щенок не сказал вам спасибо, содержится в консеквенте условного высказывания с истинным антецедентом.

В этом смысле логика не рациональна. В среде, где мы эволюционировали, и почти везде в среде, где мы живем, игнорировать имеющиеся знания попросту глупо[149]149
  Экологическая рациональность: Gigerenzer 1998; Pinker 1997/2009, pp. 302–6; Tooby & Cosmides 1993.


[Закрыть]. Да, в некоторых искусственных средах это оправданно: на семинарах по логике, при решении головоломок, в программировании, в суде и при применении естественнонаучных и математических методов в тех областях, где здравый смысл молчит или заводит не туда. Но в естественной среде люди добиваются неплохих успехов, соединяя способность к логическому мышлению с энциклопедическими знаниями, – в главе 1 мы убедились в этом на примере представителей народности племени сан. Убедились мы и в том, что, если добавить головоломкам жизненности, люди обращаются к своим знаниям о предмете и больше не ставят себя в неловкое положение. Да, если попросить их проверить истинность высказывания «Если на одной стороне карточки D, на другой должно быть 3», они ошибаются, переворачивая карточку с тройкой, а не карточку с семеркой. Но, если попросить испытуемого вообразить себя вышибалой в баре и проверить истинность высказывания «Если клиент пьет алкоголь, он должен быть старше 21 года», он понимает, что должен посмотреть, какие напитки стоят перед подростками, и проверить документы у всех, кто пьет пиво[150]150
  Cosmides 1989; Fiddick, Cosmides, & Tooby 2000.


[Закрыть].

Этот контраст между экологической рациональностью, которая позволяет нам преуспевать в естественной среде обитания, и логической рациональностью, которая является требованием формальных систем, – одна из определяющих характеристик эпохи модерна[151]151
  Weber 1922/2019.


[Закрыть]. Когда культурные антропологи и психологи изучают бесписьменные племена, они видят, что эти люди с головой погружены в сложную структуру реальности и слабо ориентируются в воображаемых мирах, хорошо знакомых тем, кто получил западное образование. Вот Майкл Коул опрашивает мужчину из либерийского племени кпелле:

В: Флумо и Якпало всегда пьют ром вместе. Флумо пьет ром. Пьет ли ром Якпало?

О: Флумо и Якпало пьют ром вместе, но, когда Флумо пил в первый раз, Якпало в тот день не было.

В: Но я же сказал, что Флумо и Якпало всегда пьют ром вместе. Как-то раз Флумо пил ром. Пил ли с ним Якпало?

О: В день, когда Флумо пил ром, Якпало с ним не было.

В: Но почему?

О: Потому что Якпало в тот день пошел на свои поля, а Флумо в тот день остался в деревне[152]152
  Cole, Gay, et al. 1971, pp. 187–88; см. также Scribner & Cole 1973.


[Закрыть].

Этот мужчина из племени кпелле посчитал вопрос проявлением искреннего любопытства, а не логической загадкой. И несмотря на то, что на экзамене такой ответ сочли бы ошибкой, его вовсе нельзя назвать нерациональным: правильный ответ формулируется на основе релевантной информации. Образованные жители западных стран научились играть в игру «забудь все, что знаешь, и опирайся лишь на посылки, приведенные в условии задачи», но и им бывает непросто отделить свои фактические знания от процесса логической аргументации. Следующее рассуждение, например, многие сочтут логически невалидным: «Все, что сделано из растений, – полезно. Сигареты делают из растений. Следовательно, сигареты полезны»[153]153
  Norenzayan, Smith, et al. 2002.


[Закрыть]. Замените сигареты на салат, и они скажут, что с рассуждением все в порядке. Преподаватели философии, рассказывающие студентам об отвлеченных мыслительных экспериментах вроде проблемы вагонетки (позволительно ли столкнуть толстяка с моста, чтобы остановить вагонетку, грозящую убить пятерых железнодорожных рабочих), раздражаются, когда студенты начинают искать лазейки, например предлагают крикнуть рабочим, чтобы те убирались с путей. Но в реальной жизни такой поступок был бы абсолютно рациональным.

Области формальных, подчиненных правилам игр – право, наука, цифровые устройства, бюрократические процедуры – в наши дни значительно расширились благодаря изобретению эффективных, не зависящих от конкретной ситуации формул и норм. Но они по-прежнему не охватывают реальную жизнь во всем ее многообразии. Логическая утопия Лейбница, требующая усилием воли отключать предшествующие знания, не только противоречит естественному течению человеческой мысли, но и мало пригодна в мире, где далеко не каждый относящийся к делу факт можно сформулировать в виде посылки.

Классическая категоризация и категоризация по принципу семейного сходства

Третья причина, по которой рациональность никогда не удастся свести к логическим операциям, – тот факт, что важные для людей понятия кардинально отличаются от предикатов классической логики. Рассмотрим предикат «четные числа», который можно определить двойной импликацией: «Если целое число делится на два без остатка, то оно четное, и наоборот». Эта двойная импликация верна; верно и суждение «Восемь делится на два без остатка». На основе этих верных посылок можно сделать истинное заключение: «Восемь – четное число». Не сложнее разобраться и с высказываниями «Если человек – женщина и мать одного из родителей, то она – бабушка, и наоборот» и «Если человек – мужчина, и взрослый, и не женат, то он – холостяк, и наоборот». Казалось бы, приложив достаточно усилий, точно так же можно определить любое понятие; всего-то и нужно – сформулировать необходимые («если – то») и достаточные («и наоборот») условия, при которых оно будет верным.

Увы, как проницательно подметил философ Людвиг Витгенштейн (1889–1951), это не более чем фантазия[154]154
  Wittgenstein 1953.


[Закрыть]. Просто попытайтесь, предложил он, определить необходимые и достаточные условия для любого из повседневных понятий. Что общего у всего широкого спектра занятий, которые мы называем играми? Физическая активность? Настольные игры не подходят. Веселье? Шахматы не подходят. Состязание? Не подходят пасьянсы. Победители и проигравшие? Не подходят ручеек и бросание мяча в стенку. Специальные навыки? Не подходит лото. Элемент случайности? Не подходят кроссворды. И это еще Витгенштейн не дожил до смешанных единоборств, Pokemon GO и Let's Make a Deal[155]155
  Не все философы с этим согласны: Бернард Сьютс (Bernard Suits 1978/2014) определяет игру как «добровольную попытку преодолеть необязательные препятствия». См. также McGinn 2012, chap. 2.


[Закрыть].

Проблема не в том, чтобы отыскать нечто общее у двух произвольно взятых игр. Салочки и шарады – веселые; в «Монополии» и футболе есть победители и проигравшие; для бейсбола и игры в блошки нужны метательные снаряды. Витгенштейн имел в виду, что у понятия «игра» нет каких-то общих характеристик, свойственных всем таким занятиям без исключения, – нет необходимых и достаточных условий, которые можно превратить в определение игры. Вместо этого отдельные подмножества этой категории характеризуются разными особенностями – примерно как общие внешние черты смешиваются у разных членов семьи в самых причудливых комбинациях. Не каждый отпрыск Роберта Кардашьяна и Кристен Мэри Дженнер может похвастаться пухлыми губами Кардашьянов, или темной шевелюрой Кардашьянов, или золотистой кожей Кардашьянов, или пышным Кардашьяновым задом. Но большинству сестер Кардашьян досталось что-то из этого наследства, поэтому, увидев какую-нибудь Кардашьян, мы ее узнаем, несмотря на то что истинного суждения «Если у кого-то есть черты Х, Y и Z, то этот человек – Кардашьян» сформулировать не удается. Витгенштейн пришел к выводу, что в этом случае элементы объединяются в одну группу не потому, что удовлетворяют необходимым и достаточным условиям, но благодаря семейному сходству.

Оказывается, большая часть повседневных понятий – это категории семейного сходства, а не «классические», или «аристотелевские», категории, которые нетрудно определить логически[156]156
  Pinker 1997/2009, pp. 306–13; Pinker 1999/2011, chap. 10; Pinker & Prince 2013; Rosch 1978.


[Закрыть]. Такие категории часто имеют стереотипы. Например, в толковом словаре статья «птица» сопровождается маленькой картинкой с изображением птицы, но само по себе определение не в состоянии охватить всех птиц, и только птиц. В категорию «кресла» входят инвалидные кресла без ножек, детские автокресла без спинки, кресла-мешки без сиденья, а также разлетающийся вдребезги реквизит из голливудских боевиков, вообще не предназначенный для того, чтобы на нем сидели. Даже якобы классические категории, которыми профессора иллюстрируют само это понятие, оказываются полны исключений. Существует ли определение слова «мать», включающее приемных матерей, суррогатных матерей и доноров яйцеклеток? Если холостяк – это неженатый мужчина, то неужто папа римский тоже холостяк? Можно ли считать холостяком мужскую половину моногамной пары, которая так и не озаботилась походом в ЗАГС? Чего уж там, в наше время вы можете нарваться на крупные неприятности, попытавшись сформулировать необходимые и достаточные условия принадлежности к категории «женщины».

И словно этого мало, чтобы развеять мечту об универсальной логике, тот факт, что многие понятия не описываются необходимыми и достаточными условиями, а определяются по принципу семейного сходства, означает, что определить истинность или ложность некоторых высказываний невозможно в принципе. Их предикаты могут быть более истинными относительно одних субъектов и менее истинными относительно других: все зависит от того, насколько эти субъекты соответствуют стереотипу, другими словами – какое количество типичных семейных черт у них имеется. Никто не станет сомневаться в истинности высказывания «футбол – это спорт», но очень многие думают, что высказывание «синхронное плавание – это спорт» в лучшем случае только похоже на правду. Точно так же обстоит дело и с высказываниями «петрушка – это овощ», «парковка в неположенном месте – это преступление», «инсульт – это болезнь» и «скорпионы – это жуки». Истинность повседневных суждений весьма расплывчата.

Конечно, не все на свете понятия представляют собой расплывчатые категории семейного сходства[157]157
  Armstrong, Gleitman, & Gleitman 1983; Pinker 1999/2011, chap 10; Pinker & Prince 2013.


[Закрыть]. Люди прекрасно умеют сортировать вещи по воображаемым ячейкам. Каждый понимает, что натуральное число может быть либо четным, либо нечетным и третьего не дано. Мы шутим, что нельзя быть чуть-чуть беременной или немного женатым. Мы понимаем, что законы предотвращают бесконечные прения о сомнительных случаях, очерчивая четкие границы вокруг понятий «взрослый», «гражданин», «собственник», «супруг» и прочих жизненно важных категорий.

Более того, целый класс неформальных ошибок возникает из-за нашей склонности мыслить в категориях черного и белого. Здесь и ложная дихотомия – «природа или воспитание»; «Это Америка – люби ее или проваливай»; «ты или с нами, или против нас»; «ты или часть решения, или часть проблемы». Здесь и заблуждение наклонной плоскости: если мы узаконим аборты, то вскоре легализуем детоубийство; если позволим вступать в брак с людьми своего пола, вскоре разрешим жениться на представителях других биологических видов. Парадокс кучи основан на истине, согласно которой куча не перестанет быть кучей, если вынуть из нее одно-единственное зернышко. Но если вынуть еще одно, а затем еще и еще, в какой-то момент куча перестанет быть кучей, из чего следует, что такой вещи, как куча, просто не существует. По той же самой логике работа будет сделана, даже если отложить ее еще на один день (ошибка прокрастинатора), и я не растолстею, если съем еще одну порцию картошки фри (ошибка худеющего).

Ответ Витгенштейна Лейбницу и Аристотелю – не просто тема для обсуждения на философских семинарах. Многие из наших яростных споров и разногласий порождены попытками примирить расплывчатые понятия семейного сходства с классическими категориями, определенными логикой и законом. Можно ли считать оплодотворенную яйцеклетку «человеком»? Был ли у Билла и Моники «секс»? Внедорожник на платформе пикапа – это еще «легковой автомобиль» или уже «грузовик»? (Эта классификация позволила вывести на американские дороги миллионы машин, удовлетворяющих пониженным стандартам безопасности и нормам выбросов.) А не так давно я получил по электронной почте вот такое письмо от Демократической партии:

На этой неделе республиканская фракция в Палате представителей проталкивает законопроект, согласно которому применительно к школьным завтракам пицца будет классифицироваться как «овощи». Почему? Потому что конгрессмены-республиканцы активно лоббируют интересы производителей замороженной пиццы… В этом республиканском Конгрессе продается и покупается практически все – в том числе буквальное значение слова «овощ» – и в этот раз за счет здоровья наших детей. Подпишите эту петицию и расскажите всем: пицца – не овощ.

Логическое вычисление и ассоциация на основе паттернов

Если многие наши суждения настолько нечеткие, что их невозможно выразить средствами логики, как мы вообще думаем? Как – в отсутствие разграничителей необходимых и достаточных условий – мы приходим к общему мнению, что Крис Дженнер, например, мать, футбол – спорт, а пицца, что бы там ни говорили конгрессмены-республиканцы, не овощ? Если рациональность прописана у нас в сознании не в виде перечня высказываний и цепи логических операций, тогда как она там прописана?

Один из ответов может подсказать группа когнитивных моделей, которые называются ассоциаторами паттернов, перцептронами, коннекционными сетями, моделями параллельной распределенной обработки, искусственными нейронными сетями и системами глубокого обучения[158]158
  Goodfellow, Bengio, & Courville 2016; Rumelhart, McClelland, & PDP Research Group 1986; Aggarwal 2018. Критический разбор, см: Marcus & Davis 2019; Pearl & Mackenzie 2018; Pinker 1999/2011; Pinker & Mehler 1988.


[Закрыть]. Основная идея такова: вместо того, чтобы манипулировать строчками символов по определенным правилам, интеллектуальная система накапливает десятки, тысячи и миллионы градуированных сигналов, каждый из которых отражает степень выраженности какого-либо свойства.

Возьмем на удивление противоречивое понятие «овощ» (vegetable). Это явно категория семейного сходства. Не существует таксономической единицы, которая включала бы одновременно морковь, папоротник и грибы; в строении брокколи, шпината, картошки, сельдерея, горошка и баклажана нет ничего общего; у них нет даже отличительного вкуса, цвета или текстуры. Но, как и с Кардашьянами, мы обычно узнаем овощ, когда видим его, потому что какие-то частично перекрывающиеся характеристики присущи всем таким разным представителям этой семьи. Салат-латук – зеленый, хрустящий и листовой; шпинат – зеленый и листовой; сельдерей – зеленый и хрустящий; краснокочанная капуста – красная и листовая. Чем больше у продукта «овощных» характеристик и чем ярче они выражены, тем с большей вероятностью мы назовем его овощем. Салат-латук – образцовый овощ; петрушка – туда-сюда; чеснок – сомнительный. И напротив, существуют характеристики, которые мешают отнести продукт к овощам. Хотя некоторые овощи, например тыква, сладковаты, если плод слишком сладкий, вроде дыни, мы назовем его фруктом. И хотя шампиньоны мясистые, а тыквенные спагетти в готовом виде напоминают макароны, мясные и мучные продукты из списка овощей исключаются. (Прости-прощай, пицца!)

Это значит, что «овощнистость» можно описать сложной статистической формулой. Каждому свойству (зеленый, хрустящий, сладкий, мучной) дается количественная оценка, которая затем умножается на весовой коэффициент, отражающий, насколько определяющим является это свойство для принадлежности к данной категории: высокий положительный для свойства «зеленый», низкий положительный для свойства «хрустящий», низкий отрицательный для свойства «сладкий», высокий отрицательный для свойства «мучной». Затем все эти взвешенные значения суммируются, и, если сумма превышает пороговое значение, мы говорим, что перед нами овощ, причем чем выше результат, тем ближе овощ к эталону.

Конечно, никто не думает, будто мы формируем свои расплывчатые суждения, буквально выполняя в уме ряд умножений и сложений. Зато это может сделать сеть нейроноподобных вычислительных элементов, которые срабатывают с разной интенсивностью, отражающей плавные изменения значения истинности. Ниже изображена миниатюрная версия такой сети. В нижнем ряду – батарея входных элементов, получающих информацию от органов чувств, которые реагируют на простые признаки вроде «зеленый» или «хрустящий». В верхнем – выходные элементы, отображающие догадку сети о том, к какой категории относится предъявленный образец. Каждый входной «нейрон» соединен с каждым выходным «синапсами» – связями разной силы, которые могут передавать возбуждающие (положительный весовой коэффициент) или подавляющие (отрицательный весовой коэффициент) сигналы. Активированные входные элементы подают взвешенные по силе синапса сигналы на выходные, каждый из которых суммирует набор входящих сигналов и срабатывает с соответствующей интенсивностью. На рисунке возбуждающие связи показаны линиями со стрелками, а подавляющие – линиями с точками; толщина линий отражает силу синапсов (для простоты она показана только для результата «овощ»).

Но кто же, спросите вы, задает эти крайне важные весовые коэффициенты связей? Ответ: никто – это происходит в процессе обучения. Нейронную сеть тренируют, знакомя ее с разнообразными примерами продуктов питания, наряду с названием категории, сообщаемым учителем. Новорожденная сеть со случайно назначенными низкими коэффициентами связей выдает нерешительные догадки, взятые с потолка. Но она снабжена алгоритмом обучения, который работает по принципу тепло/холодно. Алгоритм сравнивает результат каждого выходного элемента с верным значением, подсказанным учителем, и повышает или понижает силу связей, устраняя расхождения. Познакомившись с сотнями тысяч примеров, сеть останавливается на оптимальных значениях весовых коэффициентов для каждого из синапсов и начинает совсем неплохо классифицировать предметы.

Однако сказанное верно только в тех случаях, когда признаки на входе связаны с категориями на выходе линейной зависимостью: суммируйте их, и чем выше итог, тем лучше. Это работает для категорий, где целое представляет собой (взвешенную) сумму частей, но неверно, когда категория определяется компромиссом, золотой серединой, верной комбинацией, ложкой дегтя, камнем преткновения, набором отрицаний или ситуацией, когда слишком хорошо – уже нехорошо. Даже простой логический оператор XOR (исключающее или – «Х или Y, но не то и другое вместе») не под силу двухслойной нейронной сети: свойство Х повышает достоверность определенного результата, и свойство Y тоже, но, проявляясь в совокупности, они ее обнуляют. Простая нейросеть сумеет отличить корнишон от кошки, но расхристанная категория вроде «овощей» ставит ее в тупик. Круглое и красное скорее всего окажется фруктом, если оно хрустящее и у него есть черенок (как у яблока), но, если оно хрустящее и у него есть корни (как у свеклы) или оно мясистое с черенком (как помидор), это уже будет овощ. И существует ли вообще такая комбинация цветов, форм и текстур, которая в итоге объединит грибы, шпинат, цветную капусту, морковь и помидоры сорта «бычье сердце»? Двухслойная нейросеть путается в перекрывающихся паттернах, беспорядочно повышает и понижает весовые коэффициенты связей после знакомства с каждым новым примером и не может установить значения, способные надежно отделять предметы, входящие в множество, от тех, что в него не входят.

С проблемой можно справиться, поместив между входным и выходным слоем нейронов еще один, «скрытый», как показано на следующем рисунке. Теперь нейросеть превращается из стимульно-реактивного устройства в сущность, обладающую внутренними представлениями – понятиями, если угодно. В нашем примере они могут обозначать целостные промежуточные категории вроде «похожее на капусту», «несладкие плоды», «кабачки и тыквы», «зелень», «грибы» или «корнеплоды и клубни», причем каждая обладает набором входящих связей разной силы, позволяющим улавливать соответствующий стереотип, и сильной исходящей связью с элементом «овощи» в выходном слое.

Чтобы заставить такие сети работать, нужно уметь их обучать. Основная загвоздка – связи, соединяющие входной слой с промежуточным: так как элементы промежуточного слоя нам недоступны, их догадки нельзя сверить с «правильными» значениями, заданными учителем. Это препятствие удалось преодолеть в 1980-е гг. с изобретением обучающего алгоритма обратного распространения ошибки. На первом этапе несовпадение догадки каждого из выходных элементов с верным ответом используется для настройки весовых коэффициентов связей выходного слоя со скрытым – так же, как в двухслойных нейросетях. Затем сумма этих ошибок распространяется в обратном направлении на каждый из промежуточных элементов, настраивая связи входного слоя со скрытым. На первый взгляд кажется, что такая конструкция не может работать, но, если прогнать через сеть пару миллионов обучающих примеров, связи первого и второго яруса приобретают довольно стабильные весовые коэффициенты, позволяющие сети отделять овнов от козлищ. Не менее удивительно, что скрытые элементы способны спонтанно обнаруживать абстрактные категории, например «грибы» или «корнеплоды и клубни», если они нужны для классификации. Но гораздо чаще скрытые элементы соответствуют чему-то такому, для чего у нас и слов-то нет. Они задействуют любые сложные формулы, помогающие выполнить поставленную задачу, скажем «самая малость этого признака, но не слишком много того – кроме случая, когда этого вот третьего признака ну очень много».

Во втором десятилетии XXI в. производительность компьютеров взлетела до небес благодаря развитию графических процессоров, а объем доступных для обучения данных становился все больше по мере того, как миллионы пользователей загружали в глобальную сеть тексты и изображения. Специалисты получили возможность сажать многослойные нейросети на мегавитамины, оснащая их двумя, пятнадцатью или даже тысячей скрытых слоев и натаскивая их на миллиардах или даже триллионах примеров. Такие сети называются системами глубокого обучения – не потому, что они претендуют на глубокое понимание чего бы то ни было, но благодаря глубоко спрятанным промежуточным слоям элементов. Эти системы на наших глазах привели к «великому пробуждению искусственного интеллекта», которое одарило нас первыми работоспособными приложениями, умеющими распознавать речь и образы, отвечать на вопросы, переводить с одного языка на другой и т. д.[159]159
  Lewis-Kraus 2016.


[Закрыть]

Нейросети глубокого обучения во многом превосходят «старый добрый искусственный интеллект», который делает подобные логическим выводы из на основе запрограммированных вручную правил и посылок[160]160
  Термин «алгоритм» первоначально означал именно такие формулы, в отличие от «эвристик», то есть эмпирических правил. Но в современном повседневном употреблении это слово используется для обозначения всех систем искусственного интеллекта, включая те, что созданы на основе нейронных сетей.


[Закрыть]. Контраст тут разителен: в отличие от логического вывода, внутренние механизмы работы нейросети для человека непостижимы. Почти любой из миллионов скрытых элементов не соответствует никакой целостной концепции, доступной нашему пониманию, и даже специалисты, тренирующие нейросети, не могут объяснить, каким образом эти системы приходят к тому или иному ответу. Вот почему многие техноскептики опасаются, что, если вверить системам искусственного интеллекта решения, касающиеся судеб людей, они могут наделать ошибок, которых никто не успеет заметить и исправить[161]161
  Marcus & Davis 2019.


[Закрыть]. В 2018 г. Генри Киссинджер предостерегал: так как системы глубокого обучения не используют суждения, которые мы можем проверить или подтвердить, они предвещают конец эпохи Просвещения[162]162
  Kissinger 2018.


[Закрыть]. Это, конечно, преувеличение, но контраст между логическими и нейросетевыми вычислениями очевиден.

Можно ли назвать мозг человека большой системой глубокого обучения? Конечно, нет – по массе причин, но имеющееся между ними сходство многое объясняет. Мозг состоит из примерно сотни миллиардов нейронов, соединенных сотнями триллионов синапсов, и к моменту, когда человеку исполняется 18 лет, он уже на протяжении более чем 300 млн секунд бодрствования вбирал в себя примеры из внешней среды. Он умеет сравнивать предмет с образцом на основе паттернов и проводить ассоциации точно так же, как это делают системы глубокого обучения. Эти сети были созданы специально для обработки расплывчатых категорий семейного сходства, составляющих львиную долю нашего понятийного репертуара. Таким образом, нейросети дают нам ключ к пониманию той части человеческого мышления, которая рациональна, но, строго говоря, не может быть названа логической. Они снимают покров тайны с трудно формулируемых, но порою поразительных мыслительных способностей, которые мы называем интуицией, инстинктом, нюхом, ясновидением и шестым чувством.

* * *

При всех тех удобствах, что привносят в нашу жизнь Siri и Google Translate, не стоит думать, будто нейронные сети сделали логику ненужной. Эти системы, руководствующиеся туманными ассоциациями и не способные осуществлять синтаксический анализ или сверяться с правилами, могут быть на удивление глупыми[163]163
  Lake, Ullman, et al. 2017; Marcus 2018; Marcus & Davis 2019; Pearl & Mackenzie 2018.


[Закрыть]. Если вы запросите в Гугле «рестораны быстрого питания поблизости, но только не McDonald's», он выдаст вам список всех «Макдоналдсов» в радиусе 50 км. Поинтересуйтесь у Siri, «пользовался ли Джордж Вашингтон компьютером», и она перенаправит вас на страницу с компьютерной реконструкцией внешности Джорджа Вашингтона или на сайт вычислительного центра Университета Джорджа Вашингтона. Модули машинного зрения, которые когда-нибудь будут управлять автомобилями, сегодня то и дело путают дорожные знаки с холодильником, а перевернутые машины – с боксерской грушей, пожарным катером или санками.

Человеческая рациональность – гибридная система[164]164
  Ashby, Alfonso-Reese, et al. 1998; Evans 2012; Kahneman 2011; Marcus 2000; Pinker 1999/2011; Pinker & Prince 2013; Sloman 1996.


[Закрыть]. Наш мозг оснащен устройствами ассоциативного анализа паттернов, улавливающими черты семейного сходства и в огромных количествах накапливающими статистические подсказки. Но при этом в мозге есть и оперирующий логическими символами аппарат, способный составлять из понятий высказывания и делать из них выводы, – называем ли мы его системой 2, или рекурсивным познанием, или мышлением по заданным правилам. Формальная логика – это инструмент, который позволяет усовершенствовать и расширить этот тип мышления, избавляя его от врожденных дефектов, обусловленных социальностью и эмоциональностью нашего вида.

Поскольку логическое мышление помогает освободиться от сходства и стереотипов, именно ему мы обязаны высочайшими достижениями человеческой рациональности: наукой, моралью и правом[165]165
  Pinker 1999/2011, chap. 10; Pinker & Prince 2013.


[Закрыть]. Несмотря на то что дельфины обладают семейным сходством с рыбами, правила, по которым определяется принадлежность к линнеевским таксонам (например, «если животное выкармливает детенышей молоком, то оно – млекопитающее»), сообщают нам, что на самом деле дельфины – не рыбы. С помощью похожих цепочек категориальных суждений мы обнаруживаем, что человек – обезьяна, солнце – звезда, а твердые тела по большей части состоят из пустого пространства. В социальной сфере наши механизмы распознавания паттернов легко улавливают, чем люди отличаются друг от друга: некоторые из них богаче, умнее, сильнее, проворнее, симпатичнее и больше похожи на нас, чем другие. Но, согласившись с утверждением, что все люди созданы равными («Если Х – человек, то у Х есть права»), мы можем игнорировать эти поверхностные впечатления при решении правовых или моральных вопросов, одинаково относясь к любому человеку.