Бог, человек, животное, машина. Поиски смысла в расколдованном мире - Меган О’Гиблин

Со времен Коперника и Галилея наука опрокинула все привычные представления о реальности и выдвинула тезис, что наше чувственное восприятие ненадежно. После появления общей теории относительности и квантовой физики этот тезис стал казаться неоспоримым: «…причинность, необходимость и закономерность суть категории, присущие человеческому мозгу, и как таковые они приложимы только к повседневному опыту прикованных к Земле существ». Мы ищем архимедову точку в надежде, что наука позволит нам преодолеть ограничения нашего восприятия и увидеть мир объективно. Но мир, который открывает нам наука, оказывается таким причудливым и далеким от нас, что, пытаясь посмотреть на него с точки зрения, отличной от человеческой, мы неизбежно сталкиваемся с собственным отражением. «В этом случае, – пишет Арендт, ссылаясь на декартовский мысленный эксперимент, – действительно словно какой-то злой дух делает тщетными все усилия человека в точности и на опыте познать что-либо помимо себя»[51].

Это не значит, что архимедова точка отныне в принципе недоступна. В своем эссе 1963 года «Покорение космоса и статус человека» Арендт рассматривает эту проблему Нового времени в свете развития технологий. Самое странное, отмечает она, состоит в том, что, хотя наши теории об устройстве мира ограниченны, упрощенны и, может быть, вообще ошибочны, в приложении к технике они «работают». Хотя никто не понимает, что квантовая механика сообщает нам о мире, вся компьютерная эра – включая полупроводники, начиная с самого первого транзистора, созданного в 1947 году, – опирается на выверенные модели квантового поведения и надежные квантовые уравнения. Проблема не только в том, что мы не можем понять мир, но и в том, что мы теперь способны встраивать его непостижимую логику в наши машины. По словам некоторых ученых, отмечает Арендт, компьютеры способны делать «то, чего человеческий мозг не в состоянии уразуметь». Курсив здесь обязателен: дело не только в том, что компьютеры могут превзойти нас в интеллектуальной мощности – они выполняют задачи быстрее, чем мы, и находят более эффективные решения, – но и в том, что они действительно могут понимать мир так, как мы неспособны. Это предположение казалось ей особенно тревожащим. «Если вдруг окажется правдой, что мы окружены машинами, действий которых не способны постичь, – пишет Арендт, – то это будет означать, что теоретические трудности естественных наук на высшем уровне вторглись в наш повседневный мир»[52]. С учетом последующего развития компьютерных технологий это заключение оказалось удивительно проницательным.

Алгоритм

11

В 2008 году Крис Андерсон, редактор журнала Wired, призвал оставить позади эпоху современной науки. В этом заключалась основная идея его довольно резкой, широко разошедшейся статьи «Конец теории: как научный метод устаревает в свете Великого потопа данных». Андерсон рассмотрел некоторые из неразрешимых противоречий в физике и биологии, хотя его аргументы распространялись на все дисциплины – от квантовой механики до социальных наук. Нам давно известно, утверждает он, что наши теории несовершенны, даже если они «работают» на практике; по остроумному выражению статистика Джорджа Бокса, «все модели ошибочны, но некоторые из них полезны». Однако Андерсон считает, что этот прагматичный подход утратил свое значение, когда на сцену вышли большие данные. Мы живем, пишет он, в «самую измеряемую эпоху в истории» – эпоху облачных вычислений, когда появляется слово «петабайт» (единица информации, эквивалентная примерно 799 миллионам копий «Моби Дика»). Если в эпоху Просвещения считалось, что накопление эмпирических данных даст больше знаний, то сейчас эта идея подошла к своему саморазрушительному пределу. Информация теперь производится и хранится в столь огромных масштабах, что ее невозможно «визуализировать во всей ее полноте». Ни один человеческий разум не может осмыслить такие объемы данных. Мы тонем в «Великом потопе данных», в этих масштабах наши научные методы оказываются бесполезны.

Многие читатели посчитали его аргументы алармистскими – статья была написана в нарочито вызывающем духе, и казалось, что автор специально провоцирует публику на споры. На самом деле Андерсон даже приуменьшил серьезность ситуации. Объем информации, произведенной в одном только 2001 году, вдвое превзошел совокупность информации, произведенной за всю историю человечества. В 2002 году этот объем снова удвоился, и такая тенденция оставалась стабильной все последующие годы. Как отметил Андерсон, исследователи практически во всех областях владеют таким объемом информации, что становится трудно находить взаимосвязи между разными явлениями или делать прогнозы. В мире больших данных не работают выверенные ньютоновские законы причинно-следственных связей – скорее он тяготеет к обескураживающей путанице теории хаоса, в которой все связано со всем и самые незначительные изменения могут привести к масштабным последствиям. Или, точнее, мир был таким всегда, но мы этого до сих пор не замечали в силу ограниченности нашего восприятия. Только теперь мы получили возможность хоть одним глазком заглянуть в эту головокружительную бездну.

Андерсон смотрит на подобное развитие событий без фатализма; в своей статье он просто призывает пересмотреть общепринятый подход. Такие компании, как Google, обнаружили: если вы располагаете данными подобного масштаба, теория в принципе больше не нужна. Вы просто скармливаете числа алгоритмам и позволяете им делать прогнозы на основе закономерностей и взаимосвязей, которые им удается обнаружить. Гугл-поисковик умеет определять неправильно написанные слова и предлагать исправления, хотя ни с какой теорией языка не знаком. Он просто научился замечать, какие исправления «работают», анализируя гигантский массив данных – реальные поисковые запросы. Гугл-переводчик «научился» переводить с английского на французский, обрабатывая канадские документы, написанные на обоих языках, – хотя алгоритм не «понимает» ни тот язык, ни другой. Питер Норвиг, глава отдела исследований в Google, как-то похвастался, что ни один из людей, разрабатывавших переводчик с китайского, не говорит по-китайски.

Для Андерсона это было доказательством того, что такие математические инструменты могут предсказывать и понимать мир более адекватно, чем любая теория. «В мире петабайта мы можем позволить себе сказать: достаточно одной корреляции, – пишет он. – Нам больше не нужно строить модели. Мы можем анализировать данные, не выдвигая гипотез о том, какие выводы из этих данных можно сделать. Мы можем закинуть цифры в самые гигантские компьютерные кластеры, которые когда-либо видел мир, и статистические алгоритмы найдут закономерности там, где наука не может их обнаружить». Конечно, сами по себе данные способны объяснить, почему что-то происходит (количество переменных в этом масштабе достигает астрономических значений), но, может быть, сама потребность спрашивать «почему?» была ошибкой, пишет Андерсон. Может быть, пора отказаться от попыток понять мир и вместо этого довериться мудрости алгоритмов? «Кто знает, почему люди делают то, что делают? – писал он. – Важно то, что они это делают, – а мы можем отслеживать и измерять их действия с беспрецедентной точностью».

В то время многие представители технологической индустрии посчитали этот вывод тревожным. Наука опирается на проверяемые гипотезы. Само по себе наличие