не является настоящим знанием, а лишь информацией, отражающей размышления. Знание – это информация с доказанной полезностью. Это то, что остается после устранения ложных теорий в ходе циклов экспериментальной проверки. Поскольку ученые постоянно проверяют свои гипотезы и корректируют свои модели для учета новых и неожиданных данных, возникает своего рода «петля обучения», которую статистики называют байесовским обновлением. В его основе лежит теорема Байеса, которую разработал английский статистик, философ и пресвитерианский священник восемнадцатого века Томас Байес. Байесовским обновлением называют математический процесс, в ходе которого принятая теория или прогностическая модель уточняется благодаря многократному тестированию конкурирующих вариантов этой теории.

Обновление модели соответствует обновлению уверенности в отношении ранее существовавших убеждений, и теорема Байеса дает нам формулу для точного расчета того, как должна измениться наша уверенность на основе сделанных открытий. Хотя рост научных знаний в целом следует этому уравнению лишь в неформальном и приблизительном смысле, эта метафора позволяет легко понять, почему технологический прогресс настолько стабилен. Наука далека от непогрешимости, но поскольку каждая область исследований постоянно самокорректируется и обновляет свои «убеждения» о мире, то рост знаний неуклонно сокращает пространство неведения. Согласно Попперу, знание приходит не из наблюдения, а из эксперимента, а практическая или теоретическая проблема всегда обеспечивает мотивацию.

Это кажется удовлетворительным ответом на проблему эпистемологии – мы получаем знания, формулируя и проверяя теории, которые решают наши практические и интеллектуальные проблемы и сразу же ведут к новым головоломкам. Решение Поппера – предположение и опровержение, – по-видимому, подразумевает, что знание может приобретаться только самосознающими существами, достаточно разумными, чтобы строить логичные теории об устройстве мира. Это кажется ужасно антропоцентричным, а вдобавок противоречит идее о том, что приобретение знаний является универсальным биологическим императивом. Очевидно, люди довольно много знали об успешной жизни в природе и обществе задолго до появления научного метода или логики умозаключений. Чем объясняются все практические знания, которые люди или, если уж на то пошло, все животные используют для решения основных задач выживания?

Давайте не будем ломать голову над этой дилеммой, поскольку эпистемология Поппера предсказывает, что решения всегда приводят к новым проблемам, и это относится в том числе к его собственному решению проблемы эпистемологии! Прогресс требует постоянного возникновения новых проблем, и эта частная философская проблема привела Поппера к новому озарению: научный метод – это усовершенствование того же общего метода, с помощью которого мы решаем проблемы на протяжении всей жизни.

Адаптивное обучение = проверка гипотез

Как только Поппер понял, что в основе генерации знаний, определяющей успех науки, лежит механизм предположения и опровержения, он пришел к выводу, что человеческое обучение, которое начинается с рождения и продолжается до смерти, использует тот же алгоритм решения проблем, хотя в литературе по психологии развития он называется методом проб и ошибок. Поскольку жизнь постоянно ставит перед нами новые задачи (скажем, необходимость попасть из одного места в другое, мотивирующая младенцев учиться ходить), то нам приходится все время пробовать новые поведенческие решения. Можно называть такие действия догадками о том, как выжить, или, если угодно, экспериментами по уклонению от равновесия, или даже предсказаниями устойчивости – и они нередко оказываются ошибочными.

Инстинкты могут примерно подталкивать нас в направлении решения, но сам по себе инстинкт не приведет нас именно туда, куда мы хотим, по крайней мере, не с первой попытки. Когда начальное поведенческое предположение не приводит нас к цели, мы пробуем опять, на этот раз с новой «теорией», которая, в сущности, является старой, но с небольшим изменением, исправлением или переделкой. Если она срабатывает, то поведенческое решение запоминается и сохраняется для использования в будущем – готовое к повторению, но также и к пересмотру при возникновении новых ситуаций, которые не заставят себя ждать. Таким образом, мы учимся на собственных ошибках. Это заставляет вспомнить реплику из фильма Кристофера Нолана «Бэтмен: Начало», когда Альфред пытается вдохновить Брюса Уэйна не сдаваться после неудачи: «Почему мы падаем, сэр? Чтобы научиться подниматься».

Как и проверка гипотез, решение проблем методом проб и ошибок исследует пространство возможных вариантов действий таким способом, который в некотором смысле является слепым (мы не знаем правильного решения проблемы заранее), но все же системным и, следовательно, эффективным, поскольку мы, естественно, начинаем с потенциальных решений, которые ближе к нашей отправной точке в пространстве отбираемых решений. Например, если ребенок тянется к бутылочке и чуть промахивается, он лишь слегка скорректирует свое поведение, что сводит к минимуму вероятность ошибки.

Даже когда мы получаем общее представление о новом поведении, наблюдая за другим человеком, как при имитационном обучении, все равно без проб и ошибок не обходится, поскольку выполнение новой двигательной команды само по себе является экспериментом в миниатюре. Не говоря уже о том, что все модели поведения, которым мы учимся у других, изначально появились в какой-то момент истории благодаря методу проб и ошибок. Знание, полученное в ходе такой реализации универсального алгоритма обучения, называют адаптивным поведением, и оно, подобно научным знаниям, накапливается за счет устранения ошибок и выборочного сохранения решений практических проблем.

По мере того как мозг кодирует адаптивную информацию в синаптических контурах, создаваемых сетями нейронов, наша ментальная модель мира, представление о реальности, которое определяет разум, непрерывно создается и обновляется в результате процесса, примерно аналогичного байесовскому обновлению. Одна из самых модных теорий в нейробиологии сегодня называется байесовской гипотезой мозга. Ее отстаивает авторитетнейший нейробиолог Карл Фристон из Университетского колледжа Лондона. Согласно пока недоказанной единой теории мозга, разумные системы естественно пытаются устранить неопределенность окружающей среды, ведя себя так, чтобы минимизировать ошибку прогнозирования (или степень «неожиданности», которую агент испытывает при столкновении с миром) и тем самым уточнять ментальную модель. Если говорить менее техническим языком, то мы, даже не задумываясь, постоянно делаем прогнозы о том, что произойдет дальше, и корректируем свое поведение, когда эти прогнозы не оправдываются, и это со временем делает нас (в идеале) более эффективными предсказателями. По этой причине адаптивное обучение, равно как и наука, – это процесс получения знаний, обновляющий и расширяющий жизненную модель внешней реальности.

Хотя байесовская гипотеза мозга весьма абстрактна, следует заметить, что это не просто какая-то чисто умозрительная и непроверяемая теория. В дополнение к растущему количеству подтверждающих свидетельств из областей нейрофизиологии и экспериментальной психологии байесовский подход к машинному обучению позволяет создавать системы искусственного интеллекта, превосходящие наши самые мощные алгоритмы глубокого обучения, когда дело доходит до широкого спектра практических задач. Хотя математическая формализация и цифровая реализация этой идеи находятся на ранней стадии, характеристика мозга как органа, выполняющего статистический анализ (т. е. «предсказания»), восходит к работам