Обычный смартфон без труда вместит записи всех серьезных гроссмейстерских партий в истории шахмат. Если отбросить бесконечный сетевой блиц, наберется меньше пяти миллионов игр. Добавьте сюда полную библиотеку дебютов — и на телефоне все равно останется свободное место.
Доктор психологических наук Владимир Спиридонов, заведующий лабораторией когнитивных исследований ИОН РАНХиГС, любит начинать рассуждения с этого примера. Со стороны это кажется безоговорочной победой машин, но ученый видит здесь совсем другую загадку.
Компьютеры действительно играют сильнее людей. Однако гроссмейстеры, у которых нет ни бесконечной памяти, ни мгновенной скорости перебора, умудряются играть, как с легкой иронией замечает Спиридонов, «очень прилично». За счет чего? Исключительно благодаря нашему разуму, возможности которого принципиально и жестко ограничены.
Масштаб этой проблемы выходит далеко за пределы шахматной доски. Если Спиридонов прав, то свойства, которые мы привыкли считать недостатками мышления — короткая рабочая память, неспособность удерживать в голове десятки вариантов и охватить всю проблему разом, — как раз и служат источником озарений. А инструменты, которые избавляют нас от этих ограничений, могут заодно уничтожить и само творчество.
По мнению ученого, главные прорывы и творческие победы человека опираются именно на границы его возможностей. Логика здесь простая. Представьте материал, который не оказывает вам никакого сопротивления: его можно бесконечно перекладывать, пережевывать, тасовать в любом порядке — и ничего принципиально нового не возникнет. Нечто подлинно новое появляется лишь тогда, когда вы упираетесь в стену: пускаете в ход все знакомые методы, все доступные знания, но этого оказывается недостаточно.
Когда материал не оказывает сопротивления, никакого творчества не будет. Ты просто будешь его пережевывать, перекладывать, перепахивать как угодно. Все самое интересное наступает тогда, когда ты не справляешься.
— Владимир Спиридонов, «Мыслить как ученый», 71:08
А теперь сопоставим этот механизм с большими языковыми моделями. Спиридонов здесь аккуратен в оценках: он подчеркивает «насколько я понимаю» и признает, что его личный опыт ограничен, в основном это эксперименты с DeepSeek. По его наблюдениям, архитектура нейросетей для такой работы подходит плохо. Граница между тем, что модель знает, и тем, чего она не знает, для нее почти не существует. Даже если разработчики прикладывают специальные усилия, суть дела не меняется: система, которая не осознает собственного незнания, так и продолжает его не понимать.
Второе фундаментальное отличие касается самого процесса обучения. Когда модель GPT сдала медицинский экзамен, это вызвало волну восторга — результат и правда впечатляющий. Вот только машина добилась успеха, переварив колоссальный массив учебников, который ни один живой человек прочесть не в силах. Пустили бы вы такого врача к постели больного и как бы он стал вести прием, задается вопросом Спиридонов. В подобных дискуссиях часто подменяют понятия: знать наизусть гору текстов — вовсе не то же самое, что уметь действовать на практике.
Дальше разговор делает неожиданный поворот, и Спиридонов отдает должное оппонентам. В интервью ведущий поинтересовался, возможен ли вообще инсайт внутри языковой модели, которая обучается на чужих текстах. Ученый напоминает, что сам феномен инсайта впервые описали вовсе не у людей, а у шимпанзе. Вольфганг Кёлер наблюдал за ними на Тенерифе больше века назад: обезьяна долго тыкалась наугад, а затем ее поведение резко менялось, словно кто-то щелкал тумблером. Кёлер доказал, что это именно инсайт: найденный прием животное затем уверенно переносило на новую, схожую задачу. Самым смышленым приматам это удавалось блестяще.
В языковых моделях ничего подобного Спиридонов не обнаруживает. Их логика целиком построена на ассоциациях — ровно против такого понимания мышления Кёлер и спорил всю жизнь. В начале XX века гештальтпсихологи разгромили ассоциативную теорию, напоминает исследователь, а сегодня гештальтистов почти не осталось, зато побеждают ассоциативные модели нейросетей. По его выражению, «наука ходит кругами», и куда эта дорога заведет дальше, пока неясно.
Эксперименты с машинным творчеством дают любопытные результаты, которые удивительным образом укладываются в эту картину. В 2024 году команда Анила Доши опубликовала в Science Advances исследование: рассказы, написанные с помощью генеративного ИИ, читатели сочли более творческими и лучше написанными — особенно это помогло авторам со слабой фантазией. Однако в общей массе тексты, созданные с участием ИИ, оказались куда более похожими друг на друга, чем работы живых людей. Каждый отдельный автор выиграл в качестве, но все вместе они потеряли в разнообразии. В том же году Кент Хьюберт с коллегами выпустил статью в Scientific Reports: авторы сравнили GPT-4 со 151 участником в тестах на творческие способности. Модель действительно обошла людей по оригинальности и глубине проработки ответов при равном их количестве. Зато люди использовали куда больше редких слов, не встречавшихся у других: в человеческих ответах уникальных слов было около 70 процентов, а у нейросети — всего 48.
Доказывает ли это правоту Спиридонова? Нет, да он и сам на это не претендует. Сухие цифры говорят лишь о том, что машина способна успешно щелкать тесты, пока ее результаты неумолимо скатываются к усредненному однообразию. Главный вопрос ученый оставляет открытым: способна ли система, не чувствующая собственного предела, вообще захотеть его преодолеть?
И с этой точки зрения гроссмейстер, застывший над позицией, в которой он зашел в тупик, находится в самом продуктивном состоянии, какое только возможно.
