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.

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.