Он не изучал пожарные извещатели, как это делал бы компьютер. Мальчик просто понял, что это такое. Это как раз то, в чем люди сильны и что в психологии называется быстрой классификацией. Если, к примеру, дать трехлетнему ребенку какие-нибудь предметы, которых он раньше никогда не видел, и объяснить, что предмет, явно отличающийся от всех остальных, называется «коба» или привезен из страны
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.
Такое поразительно быстрое обучение, а точнее говоря, понимание сути вещей, возможно лишь в том случае, когда новые факты и сведения усваиваются не сами по себе, а во взаимосвязи с уже известными категориями. Мы относим к ним какие-то предметы и явления и таким путем приходим к их пониманию. Компьютеры делают нечто противоположное: накапливают огромное количество данных, но при этом остаются такими же тупыми, как и тридцать лет назад. Правда, их тупость в последнее время стала намного быстрее. Ведь они не тратят время на размышления и не делают перерывов в работе. Они всегда трудятся в полную силу (пока подключены к источнику энергии). Но ведь если вы тоже будете работать без пауз, то и у вас не будет времени, чтобы на основе информации создать новое знание и использовать его. Для выработки концепций нам обязательно нужно время (например, сон), когда отсутствуют внешние раздражители. И нам это прекрасно удается, потому что мы не завалены доверху фактами и данными, а позволяем себе перерывы в работе. На первый взгляд этот подход неэффективен и воспринимается как слабое место, но на самом деле ему свойственна предельная эффективность. Он позволяет нам понять мир, вместо того чтобы заучивать его наизусть.
Перезагрузка обучающих мощностей
Таким образом, не надо воспринимать мозг как информационную машину, потому что важнейшие процессы обучения, которые ожидают нас в будущем, потребуют не безошибочной памяти (которой, как вы узнаете из следующей главы, не существует), а умения быстро приспосабливаться к новой обстановке. Если мы начнем конкурировать с компьютерами и с помощью какого-нибудь хитрого трюка научимся запоминать больше фактов, телефонных номеров и списков товаров, которые надо купить в магазине, то проиграем. Пусть лучше эти задачи для начинающих возьмут на себя компьютерные алгоритмы.
Речь идет не о том, чтобы разрабатывать новые методики обучения для улучшения памяти. Намного важнее улучшать способности к выработке концепций и пониманию. Ведь мозг – это не диск для накопления информации, а организатор знаний. Его способности в полной мере проявляются лишь тогда, когда с ним обходятся не так примитивно, как я поступил в начале главы. Прошу прощения за это.
