Ученые, которые изучают поведение животных, предпочитают простые объяснения. Вместо допущения, что у животного есть представление о чужом сознании, проще предположить, что животное попросту выучило набор несложных правил. К примеру, зебре необязательно знать, что ее заметил лев. Ей достаточно просто убегать от всего большого и зубастого. Стимул на входе, реакция на выходе. Если у зебры накоплена достаточно большая база таких ассоциаций, ей удастся выжить. Стоит, однако, отметить, что подобная гипотеза, столь типичная для психологии “стимул-реакция”, на самом деле весьма наивна. Обширная база выученных ассоциаций – не самый простой и не самый эффективный метод ориентирования в сложной среде. С вычислительной точки зрения подход, основанный на моделях, был бы проще, поскольку одна модель может обслуживать большое разнообразие обстоятельств. Для зебры, возможно, окажется проще и вычислительно дешевле построить схематическую модель, в которой у льва есть психическое содержание, туда попадают предметы из окружающего мира, а когда это случается, модели психического мира могут управлять поведением хищника.
Предположение, что зебра “понимает” сознание другого животного, кажется нам неправдоподобным, но это лишь потому, что мы считаем сознание благородной характеристикой – связанной с культурой, присущей исключительно людям. Зебрам не хватает сложности и поэтичности. Но подобные мысли подсовывает нам эго. Я считаю, что сознание – древняя составляющая модели психического состояния, простая и эффективная модель, нужная, чтобы предугадывать поведение других животных, и, скорее всего, она развилась задолго до человечества. Не удивлюсь, если зебры, прочие млекопитающие, птицы и, может быть, даже некоторые рептилии используют этот удобный конструкт – сознание (разной сложности), чтобы предугадать, как себя поведет другой.
Излюбленный стереотип – считать, что высшим сознанием обладаем именно мы, люди. Мы полагаем, что у других животных сознания вообще нет или оно менее развито. Такая точка зрения согласуется с распространенным предположением, что сознание возникает от сложности. Раз среди всех животных именно у человека самые сложные мозги, значит, у него должно быть и самое лучшее сознание. Но из тех умственных талантов, которыми мы любим похваляться, – язык, математика, использование инструментов и т. д. – сознание, пожалуй, самый примитивный и наименее выделяющий нас среди других. Готов признать, что содержание сознания – мысли, идеи, убеждения, озарения, знание о смерти – у людей, вероятно, сложнее, чем у других животных. Но сам факт наличия сознания, способности переживать субъективный опыт чего-либо и приписывать подобный опыт другим – настолько базовая необходимость, что ее могут разделять с нами многие другие представители животного царства. Если теория схемы внимания верна, то сознание точно есть не только у людей.
Если я хочу в чем-то разобраться получше, то обычно нахожу полезным использование инженерного подхода. Давайте продумаем, как бы мы конструировали машину, предсказывающую человеческое поведение в каждый конкретный момент. Это упражнение покажет нам, насколько трудную задачу решает мозг, и в то же время раскроет принципы, лежащие в основе его работы. Оно также укажет направление к дальнейшим главам этой книги, в которых я буду рассуждать, в состоянии ли мы построить искусственное сознание.
Допустим, человек (назовем его Кевином) входит в комнату. Скрытая камера наблюдает за ним, а микрофон подслушивает. Камера и микрофон подключены к компьютерной системе, Предсказателю-5000, задача которой – все время выдавать предсказания того, что Кевин сейчас сделает.
Вот что есть в комнате: на столе в ее центре – пончик, посыпанный сахарной пудрой, ярко освещенный лампой с потолка; лужица воды на полу перед столом; мобильный телефон на полке в углу, где мало света.
Первое задание, которое мы дадим предсказательному устройству, – определить в комнате аффордансы. Термин “аффóрданс” ввел психолог и натуралист Джеймс Гибсон в 1970-х гг.
[99] Он понял, что, когда человек или животное смотрят на мир, настоящая задача их зрительной системы – не вобрать в себя мир таким, какой он есть (будто фотографируя), а определить возможности для действий. Подобные возможности он назвал аффордансами. Муха создает аффорданс для лягушки: муху можно поймать и съесть. Ветка дает аффорданс птице: на ветку можно сесть. Дверная ручка – аффорданс для человека: ее можно повернуть.
Сразу видна колоссальная сложность задачи – построить работающий механизм предсказания поведения. Предсказателю-5000 нужно знание человеческого поведения, чтобы увидеть человека, увидеть лужу – и извлечь информацию о том, что тот способен переступить через лужу. Представьте, что эта задача повторяется для каждого объекта, который может встретиться человеку. Эффективное устройство предсказания должно иметь обширные знания о повадках людей. Хотя такое знание в принципе не слишком сложно воплотить в искусственном интеллекте (это вопрос распознавания объектов и ассоциирования их с возможными действиями), но нужно же выучить огромное количество ассоциаций.
Чтобы дополнительно усложнить Предсказателю-5000 задачу, добавлю, что у каждого объекта может быть много аффордансов. Обстановка комнаты на первый взгляд кажется спартанской – всего-то три предмета, – но в ней скрывается огромный набор возможностей. Кевин может переступить через лужу, шлепнуть по ней (чтобы разбрызгать воду), достать платок и вытереть ее. Он может в гневе перевернуть стол, или аккуратно передвинуть его в другую часть комнаты, или залезть на него, или спрятаться под ним. Он может взять пончик и съесть его, или же бросить на пол и растоптать, либо, забавляясь, приложить к глазу и посмотреть сквозь дырку, как в монокль. Он может взять телефон и попробовать позвонить, или исподтишка припрятать телефон в карман, или просто подойти к телефону и рассматривать его. Механизм предсказания сталкивается с огромным количеством возможных аффордансов.
Упростим задачу и дадим Предсказателю-5000 некоторую информацию об априорной вероятности – общее знание о том, как ведет себя среднестатистический человек. Большинство людей не шлепают по лужам, не переворачивают столы и не топчут пончики. Это события низкой вероятности. Намного выше вероятность того, что человек переступит через лужу и съест пончик. Имея достаточно данных о поведении людей, мы можем вычислить вероятность того, что “усредненный” человек поступит так-то или так-то, встретив на пути лужу или увидев пончик.
Но предсказательный механизм не заработает даже после того, как мы загрузим в машину все эти справочные сведения. Информация, имеющаяся у нас, описывает стандартного, обычного человека. Мы не знаем, как поведет себя в данном случае конкретный экземпляр, Кевин. Давайте еще поможем Предсказателю-5000 и дадим ему совокупный инструментарий традиционной модели психического состояния. Например, если мы знаем, что Кевин десять часов не ел, можно предположить повышенную вероятность пожирания пончика. Если знать, что у него диабет, можно предположить, что пончик он есть не станет. Если известно, что у Кевина проблемы с самоконтролем или он сильно рассержен, можно предположить, что повышена вероятность топанья по луже. Уже упоминавшийся философ Дэниел Деннет называет такие знания о человеке интенциональными установками
[100]. Глядя на других, мы всегда автоматически задаем себе вопрос: “Могу ли я разгадать мотивацию этого человека, чтобы предсказать, что он будет делать дальше?”
