Что такое быть умным.

Допустим вам нужно в книге описать очень умное существо — какая-нибудь звёздная каракатица, чей интеллект превосходит человека в 3 раза. Как бы вы её описали? Как существо должно себя вести, чтобы стало понятно — оно очень умное?

В клишированных историях интеллект любят показывать отсутствием эмоций. В таких рассказах рисуют рациональных холодных существ, “живой компьютер”. Другой распространённый штамп — игнорирование социальных условностей. Такие герои не понимают чужих эмоций, не умеют себя вести “как принято” и не видят в этом смысла.

Всерьёз воспринимать подобные стереотипы нельзя. Эмоция, как быстрая эвристика, не противоречит интеллекту. Навык использовать свои эмоции — признак ума. Умение направить злость в цель, скрыть отвращение в нужный момент, мотивировать себя будущим удовольствием — кажется, что умное существо будет использовать свои эмоции для этих целей. А попытка полностью отказаться от своих эмоций, когда они “прописаны” на нашем “базовом уровне” мышления — кажется неумным и заведомо обречённым ходом.

И тем более сложно предположить, что игнорирование чужих эмоций может быть признаком интеллекта. Кажется, что умное существо будет использовать чужие эмоции или социальные правила для своих нужд, но не бороться с ними.

Другие приходящие на ум стереотипы тоже не помогают. Образование? Полно глупых людей с блестящим образованием или гениев-самоучек. Знание фактов и начитанность? Это может быть признаком умного человека, но не всегда. Это может быть “начитанностью попугая”, который знает очень много фактов про что угодно, но не способен ни к какой оригинальной мысли.

Так что же такое “быть умным”? Я думаю это умение хорошо делать три вещи.

• Строить модели окружающего мира
• Проводить симуляции в этих моделях, предсказывая будущие события
• Использовать модели и симуляции для того, чтобы их обновлять и достигать своих базовых и долгосрочных целей.

Рассмотрим каждую из этих штук в отдельности.

Умение строить модели окружающего мира

Мир вокруг нас — сложный. Мы не можем вообразить его полностью, но мы можем представить его модель — подобие мира, которое может дать нам информацию о мире. Когда мы размышляем о том, почему летают самолеты, как работает монархия или почему наш собеседник нахмурился — мы строим модели.

Чем точнее модель — тем лучше и больше информации мы можем из неё получить. Опыт, знание фактов и того “как всё работает”, понимание причин и следствий внутри системы — помогают построить более правильную, более сложную модель (мета-модель: модель моделей и так далее).

Умение проводить симуляции в моделях и предсказывать будущее

Цель моделирования мира, ситуаций, других людей, идей — получать из этих моделей информацию. Для этого мы проводим симуляции внутри нашей модели. Мы представляем эти модели в движении, запускаем внутри упрощенную копию части мира и смотрим на результат. Симуляция это по сути тоже модель — но модель в движении.

Это даёт нам возможность предсказывать будущее. “Если я сделаю А, то в результате скорее всего будет Б”.

Результат симуляции зависит и от умения это делать, но и от качества моделей тоже. Очевидно, что чем модель ближе к реальности — тем точнее симуляция. Чем дальше по линии времени мы можем проводить симуляцию (на сколько ходов вперёд) — тем лучше мы предскажем будущее.

Умение использовать результат симуляции для того, чтобы достигать своих целей

Точная модель и симуляции приводят к пониманию — “Если я сделаю А, то в результате скорее всего будет Б”. Но остаётся важный шаг — сделать этот шаг “А”. Переводя на наш язык — иметь такую модель, что плюсы от “сделать А” превышают плюсы от “не сделать А” на долговременном промежутке времени.

Это недооцененный пункт. Мало знать как правильно, если это не ведёт к действиям.

По сути на этом этапе происходит тестирование модели и симуляции “на прочность”, проверка — работают ли они или нет и обновление при несовпадении с реальностью.

Что же из этого следует

Если принять этот подход, то из него следует несколько очевидных выводов.

• Ум не однороден (“сразу умный во всём”). В какой-то области человек может иметь точные модели, а в каких-то — нет. Стереотип про профессора, гения в своей области, который беспомощен в быту — это как раз про это.
• В любом примере глупости можно найти корневую причину — или неправильную модель или недостаток в симуляции. Глупость, как правило, не выглядит глупостью для делающего, ведь в его модели это правильный путь. Подросток, который делает себе татуировку на лице, считает это крутым шагом именно потому, что его модель мира и симуляция дальнейших действий не работает дальше пары месяцев.
• Чтобы становится умней — надо делать более сложные модели и симуляции, которые максимально приближены к миру. Многие вещи, которые на первый взгляд бесполезны (широкая кроссфункциональность, наблюдение за людьми, изучение истории и т.д.) — на деле работают на усложнение модели.

Два интересных дополнения к моему посту об уме.

Итак, меня затронуло про интеллект и модели. Согласен, что модели и умение их использовать – проявление интеллекта.

Но умение использовать модели – механическое, тренируемое проявление. Что же является проявлением «сырого» интеллекта, врожденного, как тактовая частота у процессора.

Это прокси-признаки объема нейросетки, количества связей в ней и способности переключаться. Я выделю два.

Индентификация паттернов
Мы все умеем отслеживать паттерны. Но если малолетний ребёнок может отследить очевидные – например отделить кубики от шаров, то более мощная нейросеть может одним выделять слабые паттерны, незаметные другим. Это может проявляться в таких вещах, как “разбираться в людях”, или возможности выделить тончайшие нюансы в еде или в музыке. На высочайшем уровне идентификация сложных/слабых паттернов может проявляться в способности объяснить словами то, что некоторые даже не различают, а другие различают – но не могут объяснить.

Пример: Оля – глава дизайна в Эквиде. Она интервьюирует дизайнеров, задавая вопросы о том, почему именно было принято то или иное эстетическое решение в интерфейсе. Не способные ответить не проходят интервью. Еще пример: как-то раз она, в задумчивости, рисовала на салфетке деревце. Я сказал: “как же здорово, уметь рисовать, я не умею совсем”. Она: Руслан, нарисовать дерево очень просто – надо лишь понять, как оно росло. С тех пор я могу рисовать деревья.

Широкие сети связей
Человек очень быстро связывает события и явления из совершенно разных областей жизни и делает точный вывод. Цепляет фрагменты знания за маааааленькие кусочки, которыми они соприкасаются.

Такие случаи легко идентифицировать, когда ты в диалоге обладаешь всеми фактами, а разговариваешь с кем-то, менее информированным. И тут, обгоняя тебя, они по коротким обрывкам в одно мгновение устанавливают верную картину. Есть еще слово “проницательность”. Я считаю это прокси-признаком того, что у человека есть возможность устанавливать связи между огромными массивами данных.

Кто-то менее интеллектуальный, возможно, смог бы сделать правильный вывод, если бы ему “активировали” под-массивы, явно указав на них, и попросив установить связь. Но не нашел бы без подсказок. Мощный супер-интеллект находит без подсказок, не потому, что знает где искать, а потому что он держит в зоне связей гигантский массив, не зная заранее, что 99.9999% этого массива совершенно нерелевантно, но огромной мощностью находя кусочки, которые складываются.

Еще один пример такой же “огромной и быстрой нейросети” – это, например, один мой друг, который, оказавшись на моей яхте впервые, в случае какой-то неисправности за мгновения может предложить решение починки, используя какие-то подручные предметы, совершенно для другого предназначенные, и которые он видел лишь мгновения. То есть сеть все это увидела, запомнила, и умудрилась связать вместе, несмотря на то, что предметы могли бы быть совершенно в других категориях, не “инструмент”, а сама предметная область является новой (яхта / вода)

Еще любопытно, что “мощность” нейросети и ее тренированность к структурированным подходам – совершенно разные вещи. Некоторые умнейшие люди вырастают совершенно без структуры, просто потому, что чистая “процессорная мощность” их мозга помогла им справляться с задачами там, где другим нужны структуры и системы. Но нехватка этих структур и систем может позже, при повышении уровня задач, вызывать у таких людей проблемы – там где, менее “умные” прекрасно справляются за счет более высокой организованности.

Меня восхищают такие люди – с диким, природным интеллектом, который можно тренировать, структурировать и выводить на новые уровни. Я люблю рост и меня вдохновляет потенциал роста. Когда я вижу огромную мощность, но по каким-то причинам, не проявившуюся еще полностью, мне всегда интересно дать человеку понимание, что он может гораздо больше.

В посте Руслана описание “индентификаций паттернов” и “широких сетей связей” это как раз про построение сложных внутренних моделей и мета-моделей на основе доступных недостаточных данных. Понять что-то, “грокнуть”, распознать это как раз про построение внутренней модели мира какой-то области и её симуляция (“если я сделаю так, то будет эдак”).

Я бы добавил сюда крайне важный компонент: наличие обратной связи. Интеллектуальный агент обязан анализировать результаты, полученные в реальности, соотносить их с симуляцией, находить расхождения, делать предположения о причинах и вносить правки в ментальную модель. Только таким путем может происходить совершенствование модели, а значит и рост точности предсказаний.

В посте канала “Something interesting” обратная связь и обновление модели это пункт “умение использовать результат симуляции для того, чтобы достигать своих целей”. То есть шаг, где проходит тестирование и обновление модели. В моем тексте я написал про эту часть процесса очень скупо.