Камень ломает ножницы. Как перехитрить кого угодно: практическое руководство. Пролог. Машина для предсказаний (Уильям Паундстоун, 2014)

© William Poundstone, 2014

© Гольдберг Ю., перевод на русский язык, 2014

© Оформление, издание на русском языке.

ООО «Издательская Группа «Азбука-Аттикус», 2015

АЗБУКА БИЗНЕС®

Все права защищены. Никакая часть электронной версии этой книги не может быть воспроизведена в какой бы то ни было форме и какими бы то ни было средствами, включая размещение в сети Интернет и в корпоративных сетях, для частного и публичного использования без письменного разрешения владельца авторских прав.

© Электронная версия книги подготовлена компанией ЛитРес (www.litres.ru)

Машина для предсказаний появилась в результате неприятного инцидента в лаборатории. В 1950-х гг. долговязый парень из Огайо по имени Дэйв Хагельбарджер, выпускник Калифорнийского технологического института, работал в научно-исследовательском центре Bell Labs в городе Мюррей-Хилл, штат Огайо. В лаборатории были установлены строгие правила внутреннего распорядка, обязывавшие инженеров носить галстуки. Хагельбарджер работал со сверлильными станками, а посему носил галстук-бабочку – во избежание несчастного случая. Он пытался придумать новый вид компьютерной памяти.

По условиям эксперимента было необходимо, чтобы за выходные вакуумная трубка нагрелась до 400 градусов. Вернувшись в лабораторию в понедельник, Хагельбарджер обнаружил на месте трубки бесформенную жижу: нерадивый помощник оставил в печи виниловые перчатки. Несколько месяцев работы коту под хвост.

Расстроившись, Хагельбарджер взял несколько дней отпуска, чтобы почитать и подумать. Он решил, что теперь займется машиной для чтения мыслей.

Идея пришла к нему со страниц научно-фантастического журнала Astounding Science Fiction за декабрь 1950 г., с грибовидным облаком на обложке. Автор одной из статей, Дж. Дж. Коплинг, рассуждал, что компьютер можно научить сочинять музыку, анализируя статистические закономерности уже написанных произведений и составляя подобные композиции, только новые.

Коплинг представил музыку собственного сочинения, созданную с помощью игральной кости и таблицы случайных чисел, – за год до того, как Джон Кейдж начал похожие эксперименты с китайской «Книгой перемен». Коплинг обратил внимание, что добиться случайности не так просто. «Попросите, например, какого-нибудь человека составить случайную последовательность чисел, – писал он. – Статистические исследования таких последовательностей показали, что они совсем не случайные; человек не способен составить случайную последовательность чисел, никак не связанных между собой».

Хагельбарджера заинтересовали эти идеи. Однако в отличие от большинства любителей научной фантастики он решил их реализовать и в итоге построил машину для предсказания выбора, который сделает человек. Машина играла в игру «сравнение монет», которой издавна развлекались дети на школьном дворе. Два игрока зажимали в кулаках монетки, орлом или решкой вверх, а затем одновременно открывали их. Заранее договаривались, кто выигрывает, если положение монет совпадает; если не совпадает, выигрывает другой.

Машина для предсказаний, как назвал ее Хагельбарджер, представляла собой большую прямоугольную коробку высотой около трех футов. На передней панели располагались две лампочки и две кнопки с обозначением «+» и «–» – варианты, соответствующие орлу или решке. Машина выступала в роли спарринг-партнера, схема должна была предсказывать действия соперника. Человек выбирал «+» или «–» и вслух объявлял об этом. Затем нажимал кнопку, и машина выдавала предсказание, зажигая одну из двух лампочек.

Объявлять решение вслух было частью спектакля. В 1950-х гг. никакая машина не умела распознавать человеческий голос. Она делала выбор до того, как игрок раскрывал рот.

Оптимальная стратегия такова: выбор должен быть случайным, с 50-процентной вероятностью орла или решки. Это известно любому ребенку, знакомому с игрой. «Стратегия машины основана на двух допущениях», – объяснял Хагельбарджер. Какова она?

(а) Выбор человека не случаен. На последовательность ходов в игре влияет опыт и эмоции. Например, некоторые люди, выиграв два раза подряд, боятся «спугнуть удачу» и повторяют действия. Другие, наоборот, не хотят «искушать судьбу» и изменяют решение. Но машина в обоих случаях их поймает.

(б) Чтобы запутать соперника, машина будет пытаться предсказать его действия только в случае своего выигрыша, а при проигрыше будет делать случайный выбор.

В пункте (а) описана стратегия нападения. Машина постепенно выявляет бессознательные закономерности в действиях соперника и использует их для предсказания. В пункте (б) – стратегия защиты. Столкнувшись с противником, действия которого предсказать невозможно, машина начинает играть случайным образом и выигрывает в 50 процентах случаев.

Несколько недель Хагельбарджер донимал коллег, предлагая сыграть с машиной. Ему требовался большой объем данных, чтобы убедиться, что она работает. Пытаясь повысить привлекательность машины, он снабдил ее двумя рядами по 25 лампочек, располагавшимися на верхней части. Каждый раз, когда выигрывала машина, загоралась красная лампочка. Если выигрывал человек, загоралась зеленая. Задача игрока состояла в том, чтобы зажечь весь ряд своих лампочек раньше машины.

Один из ученых проводил перед машиной все обеденное время. Другой разработал систему игры, задавая себе «случайные» вопросы, на которые можно ответить «да» или «нет», например: «Надел ли я сегодня утром красный галстук?» Ответ преобразовывался в «орла-или-решку», что придавало игре случайный характер. Записав результаты 9795 игр, Хагельбарджер выяснил, что его машина выиграла 5218 раз – то есть в 53,3 процентах случаев. Преимущество машины оказалось невелико, но зато результат статистически значим.

Затем с машиной захотел сыграть кто-то из начальников Хагельбарджера. И без труда выиграл. Как заметил один из его коллег: «Любому ученому или инженеру знаком пресловутый синдром начальника, когда в присутствии высшего руководства все идет наперекосяк».

В 1950-х гг. такие исследовательские центры, как Bell Labs, привлекали людей талантливых, порой и с проблеском гениальности. Некто Джон Пирс занимал особую должность – собирал самые лучшие идеи и заставлял авторов реализовывать их. Инженер с дипломом Калифорнийского технологического института, Пирс выступал в роли подстрекателя, мотиватора и наставника. Возможно, самым трудным из его подопечных оказался Клод Шеннон. Один из их диалогов стал притчей во языцех. «Ты должен с этим что-то сделать», – говорил Пирс Шеннону. «Должен? – отвечал Шеннон. – Что значит “должен”?»

Шеннону шло к 40 годам. У него было красивое лицо с несколько резкими чертами. Он приходил на работу, когда хотел, и уходил, когда хотел. Ему это позволялось, поскольку он опубликовал книгу, настолько ценную для компании AT & T [1], что после нее любые претензии выглядели мелочными придирками. На самом деле Шеннон – крестный отец компьютерной эры. В его докторской диссертации в Массачусетском технологическом институте (MTI) говорилось, что символическая логика может быть передана с помощью электрических сигналов, а электроцепи возможно использовать для вычислений с двоичным кодом («0» и «1») вместо десятичного.

Шеннон работал в Институте перспективных исследований в Принстоне. Его первая жена Норма угощала чаем Эйнштейна, а тот говорил, что она «замужем за блестящим, просто блестящим» человеком. Это было еще до публикации самой знаменитой статьи Шеннона «Математическая теория связи» (A Mathematical Theory of Communication, 1948). С нее началась теория информации. Согласно революционным представлениям Шеннона, информация – одна из основ нашего мира, наравне с материей и энергией, и подчиняется собственным законам. Их изучение привело к возникновению интернета и всех цифровых медиа.

Теория информации дала Шеннону новый инструмент. Попытавшись применить его для изучения поведения людей, он столкнулся с несколькими сюрпризами. Одним из них стало то, что действия людей можно предсказывать с высокой точностью.

Так, например, Шеннон выяснил, что все естественные языки имеют множество избыточных и предсказуемых элементов. Слушая собеседника, мы предугадываем, что он скажет, и с большим вниманием относимся ко всему неожиданному. Примерно так же поступают современные программы распознавания речи.

Интерес Шеннона к языкам вдохновил Пирса, под псевдонимом Дж. Дж. Коплинг написать об исследователе статью для журнала Astounding Science Fiction. Там он также изложил идеи Шеннона относительно компьютерной музыки. Впоследствии теоретики музыки предположили, что слушатель постоянно предугадывает несколько следующих нот на основании нескольких предыдущих. Восприятие музыки в значительной степени зависит от того, насколько она соответствует или не соответствует нашим ожиданиям.

Нормальный гений потратил бы остаток творческой жизни на возделывание плодородного поля, которое вспахал самым первым. Но Шеннон, создав основополагающий труд, забросил теорию информации. Его интересы сместились в область вычислительных машин и, до некоторой степени – человеческого разума. «Мы надеемся, – написал он однажды, – что исследования в области игровых машин позволят понять, как работает человеческий мозг».

Шеннон много времени тратил на конструирование самых невероятных устройств. В 1950 г. он создал одну из первых машин, способных играть в шахматы, а позднее – пару механических рук, умеющих собирать кубик Рубика. Настольный калькулятор Шеннона под названием THROBAC работал с римскими цифрами. Но самым известным его изобретением был Тезей, механическая мышь, находившая дорогу в алюминиевом лабиринте. О Тезее сняли короткометражный фильм, после чего Шеннон обрел звездную славу.

Затем, приблизительно в 1952 г., появилась «абсолютная машина». Любопытному наблюдателю предлагалось нажать на тумблер, чтобы включить ее. После этого выдвигалась механическая рука, возвращала тумблер в первоначальное положение и снова пряталась. Это сюрреалистическое действо было обречено стать мемом. Попробуйте набрать в поисковике Google «абсолютная машина». На рынке и в научных музеях можно найти огромное количество ее копий и имитаций. На YouTube даже есть видео с «абсолютной машиной», сделанной из кубиков Lego.

Подобно многим застенчивым людям, Шеннон был склонен к экстравагантным выходкам. Известно, что он катался по коридорам исследовательского центра Bell Labs на одноколесном велосипеде, иногда при этом жонглируя. Какое-то время он использовал ходули в качестве альтернативного средства передвижения из кабинета в кабинет. Глядя со стороны, можно было подумать, что он из научного гения превращается в клоуна-иллюзиониста. Однако он исследовал – на свой манер – глубокие проблемы. Одна из них формулировалась так: насколько сложной должна быть машина, чтобы перехитрить человека? Как выразился его коллега Дэвид Слепян: «В интеллектуальном плане он был лучшим в мире мошенником».

Среди немногих сотрудников Bell Labs, которых привечал Шеннон, оказался Дейв Хагельбарджер. Они часто обедали вместе в лаборатории Хагельбарджера, развлекаясь со всякими хитроумными приспособлениями. Однажды Хагельбарджер подключил Шеннона к электроэнцефалографу, чтобы проверить, отражается ли блеск его ума на конфигурации кривых. Ничего необычного. Тогда они подключили энцефалограф к прибору для предсказаний. Полученные кривые были похожи на сигналы, идущие от Шеннона! Выяснилось, что двигатель внутри машины вращается со скоростью, совпадающей с периодом альфа-ритма человеческого мозга.

Разумеется, Шеннону понравилась машина для предсказаний, и он решил сконструировать свою собственную. Его устройство не было копией – оно превзошло прообраз. В длинной последовательности партий с одним и тем же человеком машина Шеннона выигрывала в 65 процентах случаев. Ее превосходство над человеком было очевидным, и эта новость стала главной в курилках лаборатории. В 1950-х гг. через Bell Labs прошла череда блестящих и честолюбивых исследователей, инженеров и математиков. Предсказывающая машина Шеннона стала для них «мечом в камне» [2]. Каждый претендовавший на выдающийся интеллект считал своим долгом бросить Шеннону вызов. Немногие смогли побороть искушение, и еще меньше было тех, кто избежал унижения. Напряжение нагнеталось и тем, что переиграть машину-предсказателя мог только сам Шеннон.

Свое устройство он описал 18 марта 1953 г. в служебной записке под названием «Машина для чтения мыслей (?)». Там отмечалось, что игра в совпадения имеет славную историю и даже нашла отражение в литературе. Она была «проанализирована с точки зрения теории игр [Джоном] фон Нейманом и [Оскаром] Моргенштерном, а с точки зрения психологии Эдгаром Алланом По в рассказе “Похищенное письмо”. Как это ни странно, машина использует скорее метод По, чем Неймана». Герой психологического детектива, сочиненного По, раскрывает преступления, изначально допуская, что люди, пытаясь имитировать случайность, ведут себя предсказуемо.

В наше время суперкомьютеры играют в шахматы, и в победе машины над человеком нет ничего удивительного. Но в 1950-х гг. успех машины казался почти магическим, и термин «машина для чтения мыслей», использованный Шенноном, был основан на реакции большинства людей. Чем дольше человек играл с машиной Шеннона, тем лучше она угадывала его мысли.

Манфред Шредер из Bell Labs захотел похвастаться и показал машину гостю лаборатории математику Фрицу Хирцебруху. Хирцебрух выиграл первые 13 партий подряд. Неужели у машины Шеннона нашелся достойный соперник?

Ничего подобного. Машина выиграла 14-ю партию. И 16 из 17 следующих, опередив знаменитого математика. Хирцебрух продолжал играть, но тщетно. Ему так и не удалось вести в счете.

Многие годы я то и дело сталкивался с упоминаниями о предсказывающей машине Шеннона и, наконец, задумался, сохранилась ли она. Я знал, что Шеннон был барахольщиком, захламлявшим свои дома игрушками, разными устройствами и памятными вещицами. После его смерти семья пожертвовала все эти сокровища музею Массачусетского технологического института. Я заглянул на сайт музея и нашел то, что искал – «машину, играющую в сравнение монет».

Несмотря на значение этой машины в истории искусственного интеллекта, в постоянной экспозиции ее нет. Чтобы увидеть ее, пришлось посетить запасники музея – кирпичное здание без окон размером со склад-магазин Costco, в городе Сомервилль. Здесь хранится любопытная коллекция невероятных изобретений и разнообразного реквизита для университетских розыгрышей. Например, с потолочных балок, словно чучело крокодила в старинной кунсткамере, свисала огромная банка энергетического напитка Jolt Cola.

Предсказывающая машина Шеннона представляет собой коробку из оргстекла размерами приблизительно 30 × 30 см, с непрозрачной черной крышкой, слегка наклоненной к игроку для лучшей видимости. Верхняя квадратная часть выполнена с изрядной долей юмора и напоминает лицо. Две лампочки вместо глаз, кнопка вместо носа и красный тумблер в черной щели рта. Устройство переносное, хотя и тяжелее ноутбука. Слева прочная ручка для транспортировки.

Корпус из оргстекла позволяет увидеть конструкцию со всех сторон. Я даже смог перевернуть машину и заглянуть через прозрачное дно. Жгут проводов заплетен аккуратной косичкой, как в старинном коммутаторе фирмы AT & T.

Ряды лампочек Хагельбарджера Шеннон заменил счетчиком в стиле ретро. В нем использован тот же принцип, что и в «Маятнике Ньютона», настольной игрушке, которая состоит из нескольких подвешенных на нитке стальных шариков. В зависимости от того, кто выигрывает, машина или игрок, стальной шарик выстреливает в одну из двух стеклянных трубок. Шарик передает энергию нескольким точно таким же шарикам, последний из них отправляется в колонку для подсчета очков. Каждая победа сопровождается громким щелчком.

«Чтобы составить представление об умственной деятельности машины для предсказаний, задумайтесь вот над чем: у человека 1010 нейронов, у самого тупого муравья-воина 200 нейронов, а у этой машины меньше 100 реле». Так описывал свою машину Хагельбарджер. Шеннон вполовину сократил число реле. Память его устройства составляла всего 16 бит, то есть 2 байта или 0,0000000018 гигабайта. И этого оказалось достаточно, чтобы победить человека, даже если игрок разрабатывал стратегию и размышлял, хитрил и мудрил.

На машине Шеннона два варианта выбора обозначены как «правый» и «левый». В первой партии машина делает случайный выбор при помощи быстро вращающегося коммутатора – своего рода механической рулетки. Затем постепенно выявляет бессознательные закономерности в действиях соперника. Убедительная победа системы учета информации над программой! Представьте шахматиста, который записал все ответы Гарри Каспарова на гамбит Блюменфельда, встречавшиеся в его партиях: это позволит предсказать ходы Каспарова при следующем розыгрыше гамбита.

Обе машины для предсказаний из Bell Labs разбивали игру «сравнение монет» на восемь стандартных ситуаций. Приведу пример одной. Предположим, вы выиграли два раза подряд, сделав одинаковый выбор. Каким будет ваш следующий ход? Вы можете не отступать от успешной стратегии или сделать иной выбор, возможно, на том основании, что три одинаковых хода подряд не похожи на случайность.

При столкновении с данной ситуацией машина каждый раз запоминает решение соперника. Это решение кодируется «1» или «0» и сохраняется в одном из 16 бит памяти. Для каждой из восьми стандартных ситуаций машина Шеннона помнит только два последних решения. Эта информация занимает всю 16-битную память.

Когда машине требуется сделать предсказание, она смотрит, как поступал соперник два предыдущих раза. Если его действия совпадают, машина считает, что и теперь он поступит точно так же. В противном случае выбор машины случаен – то же непрерывно вращающееся колесо рулетки.

Основное отличие машины Шеннона от устройства Хагельбарджера – простота. Машина Хагельбарджера высчитывала исход восьми стандартных ситуаций в процентах. Чем выше процент, тем с большей вероятностью она предсказывала повторение прошлого. Может показаться, что это логичнее и изящнее принципа «все или ничего», использованного Шенноном, но на практике его устройство предсказывало лучше.

При смене противника обеим машинам требовалось какое-то время, чтобы выстроить игру. Они должны были составить цифровое досье. Фрицу Хирцебруху, вероятно, повезло на первом этапе, поскольку машине Шеннона пришлось каждый или почти каждый раз делать случайный выбор.

Словно дети, устраивающие войну игрушек, Шеннон и Хагельбарджер решили стравить машины друг с другом. Они сконструировали «посредника», генерировавшего одинаковые случайные последовательности для обоих устройств. «Все три машины соединили, – рассказывал Шеннон, – и оставили работать на несколько часов, что сопровождалось пари на небольшие суммы и громкими криками одобрения». К радости Шеннона, его машина победила с результатом 55:45 (в процентах).

Когда Хагельбарджер собрался опубликовать результаты своей работы, компания AT & T нашла, что название «машина для предсказаний» звучит несерьезно. В те времена большой популярностью пользовались акронимы, и Хагельбарджер переименовал свое детище в SEER [3], что расшифровывалось как «робот – экстраполятор последовательностей». Решайте сами, серьезнее получилось или нет. Как бы то ни было, именно так называлась статья в журнале Transactions on Electronic Computers. В ней Хагельбарджер задавался очевидным вопросом:

«Зачем конструировать подобную машину? Играть с ней не особенно интересно и почти или совсем не выгодно. Изменив надписи на панели, мы можем превратить ее из соперника в слугу, пытающегося доставить удовольствие оператору».

Цифровой слуга, способный предугадать потребности и желания пользователя, может оказаться чрезвычайно полезен. Хагельбарджер приводит пример:

«Наверняка было бы экономически выгодно создать центральную АТС для измерения трафика и подстройки под него. Такая АТС, например, могла бы отследить, что большинство звонков из делового района города приходятся на дневное время, а из жилых кварталов на вечернее, и соответствующим образом осуществлять коммутацию, но в то же время перестроиться, если в деловом районе ночью случится сильный пожар.

Возможно, в необычайно сложной ситуации будет легче построить машину, которая учится быть эффективной, чем конструировать эффективную машину».

Пророчество Хагельбарджера сбылось. Именно это и произошло с телефонным бизнесом – да и с бизнесом вообще. Создание машин, которые учатся быть эффективными, – идея XXI века.

Машина для предсказаний свидетельствует о человеческой душе не меньше, чем о технологии. Мы все постоянно пытаемся предсказать действия других, за собой оставляя право на некоторую непредсказуемость. Предсказывающая машина – карикатура на наши ухищрения: для нее люди до нелепого механистичны, у них короткая память и недостаток изощренности. Стратегические решения основываются на том, что принесло успех или неудачу в прошлый, а также в позапрошлый раз. Успех машины – доказательство того, что этот вывод не так уж далек от истины.

Ключевой догадкой Хагельбарджера и Шеннона стала идея, что люди не способны вести себя спонтанно. Аналогом предсказывающей машины для правого полушария мозга стали «кинопробы» Энди Уорхола. Уорхол снимал на черно-белую камеру без звука иконы поп-культуры 1960-х гг. – Боба Дилана, Сьюзен Зонтаг, Аллена Гинзберга, Йоко Оно и Дэнниса Хоппера. Он велел им вообще ничего не делать. Для любого актера это кошмар, ведь ни текста, ни действий. Взгляните на результаты, и увидите, что почти все прибегают к старому как мир набору трюков. Персонажи Уорхола сглатывают, моргают, поджимают губы, поправляют и так почти идеальную прическу. Большинство пытаются выглядеть естественно. Некоторые выбирают противоположную линию поведения, гримасничая перед камерой или преувеличенно жестикулируя. Это занимает несколько секунд… а потом? У всех можно увидеть стандартные признаки неловкости. Пытаясь оставаться невозмутимыми, они одинаково проявляли беспокойство.

Аналогично, научные звезды Bell Labs пользовались ограниченным набором приемов, чтобы имитировать случайный выбор. Применив их, они еще дальше уходили от случайности. И были бессильны помешать машине предсказать их поведение.

Исключение составлял Шеннон – перехитрить машину был способен только один человек. Свой секрет он раскрыл в 1953 г. в служебной записке. Подобно лучнику из дзенской притчи [4], Шеннон стал машиной. Он мысленно проделывал операции, которые совершает машина, вычисляя ее предсказания. Затем поступал наоборот. «Выполнять эту программу в уме очень трудно», – с напускной скромностью признавался Шеннон.

Конструкция машины позволяет тому, кто эмулирует ее работу, выигрывать в 75 процентах случаев (не в 100 процентах, потому что иногда и машина делает случайный выбор). Шеннону удавалось побеждать машину в 60 процентах случаев.

Говорят, некоторым гостям Bell Labs до начала игры описывали принцип действия машины, но даже это не помогало. На передней панели машины Шеннона появились одометры, показывающие общий счет. Под ними были прикреплены бумажные ленты с карандашными надписями: «Игрок» и «Машина». Окончательный счет, оставшийся для потомства, выглядит так: Игрок 3507 – Машина 5010.

Глядя в «лицо» машины, я наконец понял. Красный тумблер – это язык. Машина Шеннона показывает язык человечеству.

Сегодня устройства для предсказаний окружают нас со всех сторон. Возможно, одно из них есть в вашем смартфоне. Говорящие приложения наподобие Siri компании Apple выглядят более очеловеченными, чем это есть в действительности, поскольку действия человека более механистичны, чем кажется. Программа Siri способна предугадать многие запросы благодаря постоянно обновляемой статистике, фиксирующей, какие вопросы владельцы набирают на телефонах и в каких ситуациях. Это усиливает иллюзию, будто Siri понимает пользователя (название Siri происходит от SRI International, бывшего Стэнфордского научно-исследовательского института, некогда известного исследованиями в области физики, которые финансировались ЦРУ).

Но самая серьезная машина для предсказаний известна под названием «большие данные» – это всеобъемлющие алгоритмы, благодаря которым все наши действия отслеживаются в цифровой среде, чтобы предсказать, к какой покупке нас можно склонить. Вероятно, в устройствах Шеннона и Хагельбарджера впервые использовались куки-файлы или архивы предшествующих действий для предсказания следующих действий. Маленькая машина Шеннона с человеческим лицом предлагала игру, в которую вы могли играть или не играть; предсказания безликих «больших данных» трудно игнорировать.

Несколько лет назад один житель Миннесоты убедился в этом на собственном опыте. Вбежав в универмаг Target на окраине Миннеаполиса, он потребовал вызвать директора. «Моя дочь получила это по почте!» – кричал он. Директор посмотрел на то, что принес покупатель. Стандартная рассылка Target, подобная миллионам других почтовых рассылок, адресованная дочери клиента. Выглядел буклет вполне невинно – фотографии счастливых младенцев, детская мебель и одежда для будущих мам.

«Вы подталкиваете ее к тому, чтобы она забеременела?» – возмущался клиент. Его дочь училась в старших классах школы и, естественно, была не замужем.

Директор извинился и пообещал разобраться. Выяснилось, что Target использует упреждающий анализ. Компания собирает всю информацию о клиентах: посещения сайта в интернете, визиты в реальные, а не виртуальные магазины, звонки в службу поддержки, использование купонов или скидок. Затем программа анализирует весь этот «стог сена», чтобы отыскать «иголки» из чистого золота. Это позволяет продавцу делать конкретные, имеющие практическое значение прогнозы поведения каждого клиента.

Одна из секретных инициатив заключалась в прогнозе беременности клиентки. Будущим матерям требуется огромное количество товаров, которых они не покупали раньше. Поэтому беременные особенно восприимчивы к рекламе, скидкам и всему остальному, что может мотивировать их отправиться за покупками в Target. Покупательница, привыкшая рассчитывать на Target во время беременности, возможно, захочет и дальше пользоваться услугами магазина – и так десятилетиями.

Предсказания компании Target относительно беременности были гораздо более точными, чем при простом угадывании, но, разумеется, не на 100 процентов. Несколько ошибок считались вполне допустимыми. Неловкая ситуация возникала лишь в тех случаях, когда клиента действительно расстраивало неверное предсказание.

Несколько дней спустя директор снова позвонил раздраженному клиенту, чтобы еще раз извиниться.

«Я поговорил с дочерью, – ответил тот. – В моем доме произошли события, о которых я не знал. Ей рожать в августе. Это я должен извиниться».

Перед нами совершенно новая ситуация. Программное обеспечение универмага способно определить, что женщина беременна, а ее отец не способен. Как реагировать на это? Восхититься изощренностью алгоритмов или задуматься над своим неумением слышать и понимать друг друга?

Преимущество упреждающего анализа в том, что, используя программу, можно находить в больших базах данных соотношения, незаметные на первый взгляд. Они могут не иметь явной логики или причины. Алгоритм предсказания беременности компании Target основан на покупках 25 продуктов, в том числе лосьонов и мыла без запаха, пищевых добавок с кальцием, магнием и цинком, ватных тампонов и антисептика для рук. Ни один из этих товаров сам по себе ничего не значит. Пищевую добавку с цинком может покупать 50-летний холостяк. Но если женщина покупает несколько продуктов из списка, это указывает на высокую вероятность беременности. Компания Target не только способна предсказать беременность клиенток, но также с точностью до одной или двух недель вычислить дату родов.

Упреждающий анализ действительно можно назвать своего рода чтением мыслей, хотя цель его совсем не в том, чтобы вас смутить. Использующие его организации заботятся о том, чтобы вы не узнали, что ваши действия прогнозируют, вами манипулируют. Говорят, компания Visa способна предсказать, какие из супружеских пар, держателей карт, скорее всего, разведутся, и учитывает этот фактор для прогнозирования невозврата долгов. Нет нужды говорить, что было бы нетактично информировать об этом потенциально несчастливые супружеские пары.

«Что касается товаров для беременных, – объяснял один из руководителей компании Target, – то мы убедились, что некоторые женщины реагируют негативно. Тогда мы стали перемешивать эти товары с другими, заведомо ненужными, дабы реклама детских товаров выглядела случайной. Рядом с подгузниками помещали газонокосилки, рядом с одеждой для новорожденного – купон на бокалы для вина. В результате все выглядело так, словно выборка случайна. И мы обнаружили: если беременная женщина не подозревает, что за ней шпионят, то нашими купонами она пользуется, считая, что все остальные жители квартала получают точно такую же рассылку с предложением подгузников и детских кроваток. Если мы ее не пугаем, то все работает».

Поведение потребителей – последовательность импульсивных покупок, укладывающихся в рамки экономической необходимости. Мы сами не всегда заранее знаем, что собираемся купить, и нас приводит в замешательство мысль, что кто-то способен предсказать наши покупки. Но ведь никто не жалуется на владельца небольшого магазинчика, который знает своих клиентов и дает им советы. Разница в том, что современная цифровая рекомендация выведена с помощью алгоритма, причем, как нам известно, довольно простого. Это служит неприятным напоминанием того, до какой степени механистичными могут быть наши мышление и решения. Новые средства предсказания бросают вызов представлениям не только о приватности, но и о свободе. В обществе потребителей покупка – высшее выражение свободы воли. Становлюсь ли я менее свободным, если сайт в интернете способен предугадать, какие туфли или кинофильмы я выберу? В конце дня вы можете либо получить то, что хотите, либо наслаждаться полной, экзистенциальной свободой. Совместить не получится.

В 35 лет Марк был красивым мужчиной с внешностью молодого музыканта и «стоил» 5 миллионов долларов. Он женился на девушке, с которой начал встречаться еще в Мичиганском университете, у них родились двое детей, имелся шикарный дом в Гринвиче. Любого другого успех сделал бы заносчивым и самонадеянным. Но только не Марка, умного, общительного, способного мгновенно завоевать симпатии окружающих. Единственное, что его беспокоило, это отношения с отцом. Но Марк чувствовал, что ему везет, и собирался сделать нечто такое, что привлечет внимание старика.

Это случилось 10 ноября 1999 г. Компания United Parcel Service впервые провела открытую эмиссию 109,4 миллиона акций. Трейдеры по всему миру пытались перехитрить друг друга. Никто не знал, по какой цене продавать акции UPS. В течение нескольких часов цену на акции должен был установить рынок. На неопределенности можно было заработать состояние.

Марк сидел за терминалом в офисе, пристально вглядываясь в мелькающие цифры. Ему платили – и немало – за то, чтобы он читал чужие мысли, предсказывая, как поведет себя большинство, которое еще само ни о чем не знает. До начала торгов акции UPS стоили 25,5 доллара. На первых торгах, в 10:03 утра, цена взлетела до 63 долларов. Через полтора часа за акцию давали 70 долларов.

Марк считал, что стремительное движение вверх продолжится. Это имело большое значение, поскольку – еще одна причина неизменной удачливости – он был сыном владельца фирмы. И Марк начал торги большим пакетом акций UPS за счет средств фирмы.

Он покупал акции не для того, чтобы ими владеть. Марк был сотрудником отдела, торговавшего ценными бумагами за счет собственных средств компании, и его цель состояла в том, чтобы продать пакет чуть дороже и как можно быстрее. Однако тенденции на рынке оказались неблагоприятными. Как только Марк купил акции UPS, их цена начала падать. Вскоре потери Марка стали огромными.

Отреагировал он так: раньше покупка была очень успешной стратегией, и нужно продолжать покупать. Он пошел ва-банк, купив еще акции UPS.

Цена продолжала падать. Собралась толпа: от рискованной игры зависели бонусы и летние домики сотрудников. Марк стал настоящей звездой этой маленькой драмы, но когда принимаешь решение, свет софитов вреден. Он твердо решил покупать, чтобы предотвратить дальнейшее падение рынка. Он сам станет определять движение рынка.

Ситуация стала известна отцу Марка. Все закончилось: Берни выключил компьютер сына.

По оценкам специалистов, действия Марка обошлись владельцу фирмы Investment Securities Бернарду Мэдоффу более чем в 4 миллиона долларов. Седовласый, дотошный Берни стал задавать вопросы. Под угрозу была поставлена его репутация, а не Марка. «Возможно, нам удастся это использовать на 17-м этаже, – вслух размышлял он. На 17-м этаже здания велись работы над секретным проектом, о котором он никому не рассказывал. – Да, подойдет, – объявил Берни. – Это может быть хорошо для 17-го этажа».

Благодаря искусству Берни катастрофа размером в 4 миллиона долларов прошла незамеченной. Воспоминания о ней больше не преследовали Марка. Удача вернулась к нему и не покидала еще девять лет, до того самого дня, когда они с братом признались, что отец возглавлял самую крупную финансовую пирамиду в истории. Еще через два года непрекращающийся скандал положил конец некогда идеальной жизни Марка.

Предсказать судьбоносные случайности кажется делом несложным. На самом деле это не так, и одна из причин в том, что в вопросах почти случайных последовательностей интуиция часто обманывает нас. Неверное предсказание может привести к трагедии.

В последние десятилетия психологи исследовали предмет, который на первый взгляд кажется абстрактным – восприятие человеком случайности. Они изучали, как мы делаем случайный, или произвольный, выбор, и как мы предсказываем события, не поддающиеся предсказанию (например, ситуацию на рынке акций, исход баскетбольного матча и «будущее»). Выяснилось, что этот предмет имеет огромное практическое значение. Так или иначе, мы все занимаемся предсказаниями. Они могут быть простыми, как в игре «камень, ножницы, бумага», когда проигравший оплачивает счет в баре. Камень ломает ножницы. Лучший предсказатель выигрывает. Предвосхищение мыслей и действий других людей очень важно для победы в споре или в игре, для того чтобы добиться свидания или повышения по службе, чтобы разбогатеть. Успех личной жизни или бизнеса часто зависит от того, окажетесь ли вы точнее других в своих прогнозах.

Из этой книги вы узнаете, как использовать психологию для улучшения качества предсказаний. В частности, показано, как предсказывать поведение людей, пытающихся быть непредсказуемыми. Это потребует практического подхода, в частности, описания того, как несколько простых принципов можно применить к большому количеству повседневных ситуаций. Вы узнаете, что перехитрить человека – легко, весело и зачастую прибыльно. Вот несколько примеров.

• Тесты с выбором из нескольких возможных ответов. Составители теста пытаются расположить ответы в случайном порядке. В большинстве случаев это не удается, что дает возможность получить преимущество при угадывании.

• Тотализатор. Ваши коллеги делают ставки на результат футбольных матчей, на положение в турнирной таблице Национальной студенческой спортивной ассоциации, на присуждение премии «Оскар». Их выбор более или менее предсказуем. Вы можете выиграть пари, предсказав, какие ставки сделают другие, и построив на этом свою стратегию.

• Игры и стратегия. Почти в каждой игре – от тенниса до покера и «камень, ножницы, бумага» – имеется элемент предугадывания. Игрок, предвидящий стратегию соперника, может заработать очки и одержать победу.

• Распознавание финансового мошенничества. «Беловоротничковая преступность» всегда связана с вымышленными цифрами: раздутые средства на представительские расходы, фальшивые отчеты о прибылях и убытках, искаженные налоговые декларации. Когда люди придумывают цифры, эти цифры подчиняются предсказуемой закономерности. Тот, кто распознает эту закономерность, может быстро проверить достоверность финансовых документов.

• Инвестиции. Инвестор или покупатель недвижимости, осознавший, что колебания рынка за очень длительные периоды вполне предсказуемы, сможет переиграть большинство и превзойти средние показатели рынка.

Все практические приложения из данной книги основаны на одной простой идее. Когда люди делают произвольный, случайный или стратегический выбор, они подсознательно придерживаются определенных закономерностей, которые можно предсказать.