Брак эвристики и точности

Становясь старше, я снова и снова приходил к пониманию того, что черно-белое мышление — один из самых непродуктивных и вводящих в заблуждение способов смотреть на мир.

«Политическая партия X ошибается. Колледж — это всегда хорошая инвестиция. Заметки нужно делать на тетрадной бумаге. Вы должны занять позицию по этому вопросу. Решай сейчас!»

Одной из многих проблем с этим подходом является проблема точности. Когда вас просят высказать мнение по определенному вопросу, как вы можете сделать это суждение, не зная деталей вопроса?

Многие вопросы обманчиво просты, когда представлены в форме, понятной людям интуитивно; то есть, когда они представлены в языке.

Наша способность общаться с помощью языка глубоко укоренена в практике человеческого мозга по созданию эвристика – присвоение сложных понятий символических меток, тем самым упрощая их.

Мы делаем это естественно, поэтому легко ошибиться, полагая, что лингвистическое представление понятия является точным мерилом его простоты. Однако, немного поразмыслив, вы понимаете, что это определенно не так.

Человеческий мозг — насколько мы можем наблюдать — самая сложная вещь во Вселенной. Следовательно, его интуитивное понимание понятий не является хорошим показателем реальных понятий во всей их истинной сложности.

Возьмем, к примеру, эту идею:

«Треугольная комната из розового желе, расширяющаяся в кубических сантиметрах со скоростью одно число Фибоначчи в секунду, в которой Индиана Джонс сражается с говорящим бегемотом со световыми мечами и реактивными ранцами, приводимыми в движение холодным синтезом».

Язык, как мы установили, является фантастическим инструментом для присвоения простых меток сложным понятиям, чтобы они могли передаваться между агентами, имеющими одинаковое понимание этих понятий. Так что я могу представить эту идею с помощью слова, например, «флоргларп».

Тогда я могу задать, казалось бы, простой вопрос:

— Ты веришь во флоргларпа?

Теперь вы знаете, что я только что придумал это слово. У вас есть лучшее интуитивное понимание всех отдельных понятий, которые я представляю с помощью «флоргларп», поэтому вам, вероятно, будет легко увидеть, что сложность этого понятия не может быть точно передана этим словом.

Но большинство слов, которые вы используете в повседневной жизни, — это слова, которые вы давно знаете. Это слова, которые тоже были выдуманы, но они вошли в лексикон общества. В результате у вас будет лучшее интуитивное понимание этих эвристических слов, чем реальных, точных понятий, которые они представляют.

Например, несмотря на то, что я использовал слово «треугольная комната», вашему мозгу, вероятно, было легко представить эту идею в виде комнаты в форме тетраэдра. Однако без дальнейших размышлений вы, вероятно, интуитивно не думали об этой концепции как об обязательно несовершенном тетраэдре, в котором ребра никогда не образуют истинных вершин из-за электромагнетизма.

С практикой становится легче идентифицировать сложные концепции с нюансами, которые представлены чрезмерно упрощенными ярлыками. Вы доходите до того, что я могу спросить вас что-то вроде:

«Может ли тетраэдр существовать в нашей физической вселенной?»

… и вы сразу же понимаете, что на вопрос нельзя дать точный ответ, пока концепции, лежащие в основе вопроса, не будут определены более строго.

Мне нравится, как автор искусственного интеллекта Элиезер Юдковски воплощает эту концепцию в своей статье о Бритва Оккама:

«Чем сложнее объяснение, тем больше доказательств вам нужно, чтобы найти его в пространстве убеждений».

Бритва Оккама, как вы, возможно, знаете, — это принцип решения проблем, который отдает предпочтение объяснениям, в которых делается наименьшее количество предположений. Возможно, вы слышали, как это звучит так: «Самое простое объяснение, которое соответствует фактам, скорее всего, будет правильным».

Юдковски указывает в своей статье, что писатель-фантаст Роберт Хайнлайн ответил, что самое простое объяснение всегда,

«Дама с улицы — ведьма; она сделала это.»

Предполагаемый ответ Хайнлайна лаконичен с точки зрения человеческого языка; однако, как я только что продемонстрировал, человеческий язык на самом деле не является хорошей мерой простоты.

Так что же можно использовать в качестве точной меры для простоты?

Как оказалось, ответ прямо перед вашим лицом. Двоичный язык, который составляет основу каждой компьютерной программы, настолько прост, насколько это возможно.

Двоичный язык — самый простой из возможных

В двоичном алфавите всего два символа: 0 и 1, которые представляют соответственно выключенное и включенное состояния электрического переключателя.

На самом низком уровне компьютеры всегда думают черно-белым, потому что это единственно возможный для них способ мышления. Их алфавит позволяет выразить только одно из двух состояний в определенное время.

Эти бинарные решения принимаются с молниеносной скоростью в ошеломляющих числах, компилируются в языки более высокого уровня, выполняются через множество операторов if-then и в конечном итоге представляют более сложные данные, полезные для вас, но по сути, все просто: «Включено или выключено?»

Вот чем это может быть полезно: если вы можете сделать идею вычислимой, то вы можете вычислить длину самой короткой компьютерной программы, которая может ее выразить. Собственно, это и есть процесс Индукция Соломонова стремится сделать.

Когда вы думаете о вещах таким образом, быстро становится очевидным, что «леди на улице — ведьма; она сделала это», — не самое простое объяснение с наименьшим количеством предположений. Слово «ведьма» ничего не объясняет; часть данных является свидетельством тогда и только тогда, когда у нее много возможностей. Данные, которые разрешают что-либо, просто бесполезный шум.

Я объяснил эту концепцию только для того, чтобы заставить вас задуматься о фактической сложности идей и о том, как это связано с языком и эвристикой. Я не предлагаю вам пытаться проводить расчеты Соломоновой индукции для каждого решения, которое вам нужно принять, или пытаться отказаться от эвристики — и вот почему.

Эвристики и метки часто бывают полезны. Они позволяют нам использовать наши предварительные знания о мире, чтобы делать быстрые и в основном точные прогнозы о вещах. В свою очередь, мы можем действовать и жить дальше.

Я сижу в кафе, пока пишу это. Если я выгляну в окно, то увижу черную машину, припаркованную на другой стороне стоянки.

Сидя здесь, я могу быстро сделать прогноз, что машина сейчас не представляет для меня угрозы. Я могу приписать 99,9% вероятности, что он пробьет стену кофейни и убьет меня.

К счастью, мне не нужно сидеть и пытаться строго определить понятия «автомобиль», «угроза» и «стена кофейни», чтобы прийти к такому выводу. У меня есть предварительные знания:

  • Машина припаркована и в ней никого нет
  • Большинство автомобилей не двигаются сами по себе (пока)
  • В моей части мира люди обычно не пытаются убивать других людей.
  • Даже если бы они это сделали, они, вероятно, не попытались бы сделать это с помощью машины, если их цель находится внутри здания.
  • Кирпичная стена кафе, вероятно, все равно остановила бы машину, так как на стоянке не так много места, чтобы набрать скорость.

Эти априорные оценки дают мне полезную эвристику, с помощью которой можно сделать прогноз за доли секунды, позволяя мне вернуться к письму, не опасаясь быть раздавленным бродячей машиной и рухнувшей кирпичной стеной.

Однако мне важно понимать, что я полагаюсь на эвристику, чтобы сделать этот прогноз. Я не рассматривал подробно каждое доказательство, и в результате я не могу присвоить своему прогнозу стопроцентную вероятность.

Если бы я попытался Байесовский расчет вероятности для этого я бы использовал эти эвристики в качестве строго предсказывающих априорных значений, но тогда мне нужно было бы определить их, рассмотреть случаи, когда они могут быть неверными, и соответствующим образом скорректировать, чтобы получить более точный прогноз.

Один только тот факт, что второй закон термодинамики вероятностный характер – то есть, что макроскопическое уменьшение энтропии только «практически» невозможно – означает, что я никогда не могу быть на 100% уверен в своем предсказании.

Тем не менее, я могу быть «практически» уверен, что мне не грозит опасность быть сбитым машиной, пока я сижу здесь. Даже после более точного определения концепций и более тщательного рассмотрения доказательств мои эвристики все еще оказываются достаточно полезными, чтобы поставить на мою безопасность.

Но вот в чем дело: ваши эвристики не всегда так полезны.

Мои представления об автомобиле основаны на моем отношении к окружающей местности (я живу где-то здесь), моих представлениях о типах людей, которые здесь живут (обычно они не персонажи), и моем довольно последовательном характере физики.

Что происходит, когда ваши убеждения не так прочно обоснованы? Здесь мы возвращаемся к полезности размышлений о лежащих в основе предположениях, которые мы делаем, когда формируем убеждения.

Поскольку ранее я упомянул Роберта Хайнлайна, позвольте мне еще раз привести его в качестве примера. Было высказано предположение, что Бритва Хэнлона — термин, вдохновленный бритвой Оккама, — произошел от написанного им рассказа под названием . Вот самая простая формулировка:

«Никогда не приписывайте злому умыслу то, что вполне объяснимо глупостью». | Твитнуть это

Это одно из моих любимых высказываний, и как концепция оно оказалось невероятно полезным для предотвращения ухудшения моих личных отношений.

Когда кто-то делает что-то, что вас злит или причиняет вам боль, легко приписать это действие злому умыслу. Мы делаем это почти автоматически, и я думаю, можно с уверенностью предположить, что существует какое-то полезное эволюционное программирование, которому мы можем приписать это:

  1. Если что-то причиняет мне боль, оно, вероятно, хочет съесть/убить/навредить/забрать у меня ресурсы
  2. Если мне что-то нравится, это, вероятно, часть моей группы

В естественной среде эта черно-белая эвристика очень полезна — действия, основанные на ее выводах, часто могут означать разницу между жизнью и смертью.

К сожалению, та же самая эвристика, которая управляет выводами, к которым вы приходите, когда тигр выпрыгивает из куста, также управляет тем, что вы думаете, когда ваши друзья идут в кино и забывают пригласить вас.

«Как они посмели не пригласить меня? Они должны меня ненавидеть!»

В этом случае ваш мозг представляет вам ложная дилемма. «Я думал, что нравлюсь своим друзьям, но они не звали меня в кино».

Это не тот случай, когда тигр пытается вас съесть; к результату могло быть причастно любое количество незлонамеренных факторов:

  • Ваши друзья были неорганизованны и не поручили кому-то сделать все приглашения
  • Тебя не было рядом, и это было просто спонтанным событием.
  • Кто-то пытался дозвониться до вас, но ваш телефон не работал
  • Сотовая вышка потеряла вызов, поэтому он даже не дошел до вашего телефона.

… список можно продолжить.

Итак, вот вывод.

Эвристики и метки полезны, но пока они не помогают. Сама их природа побуждает вас чрезмерно упрощать и классифицировать концепции, которые могут быть гораздо более тонкими и подробными, чем вы изначально думаете.

Поэтому, формируя мнения и принимая решения, полезно подвергнуть сомнению свои лежащие в основе предположения и подумать о возможных промежуточных состояниях, которые существуют в спектре между двумя исходными позициями, которые вам представили. Будьте конкретны с определениями понятий, которые поддерживают ваше мнение.

Это не означает, что ваша первоначальная позиция по проблеме всегда будет опровергнута или обесценена после того, как вы строго определите концепции, от которых она зависит. Ваша позиция на нем может остаться прежней.

Тем не менее, вы можете просто изменить свое мнение. В любом случае, этот тип преднамеренного мышления направлен на формирование точных убеждений и сделает вас более мудрым и способным человеком.

Когда вы научитесь оптимально сочетать эвристику и точное, вдохновленное Соломоновым мышление, вы получите лучшее из обоих миров.

Похожие записи

Добавить комментарий

Ваш адрес email не будет опубликован.