Уильям Паундстоун - Камень ломает ножницы. Как перехитрить кого угодно: практическое руководство

• Название: Камень ломает ножницы. Как перехитрить кого угодно: практическое руководство
• Автор: Уильям Паундстоун
• Жанр: Управление, подбор персонала
• Год: 2015
• ISBN: 978-5-389-09449-9

Перед вами практическое руководство: как получать выгоду от предсказуемого поведения других людей и использовать это умение в повседневной жизни. Прочитав эту книгу, вы узнаете, как предугадывать действия друзей, начальников, преподавателей, конкурентов и просто окружающих. Большинство людей запрограммированы совершать определенный «выбор» и следовать простым тенденциям, а потому их поведение предсказуемо даже тогда, когда они стараются быть оригинальными.

Уильям Паундстоун обладает даром извлекать из психологии и поведенческой экономики практические советы и доказывает: прогнозировать легко, приятно, а иногда и прибыльно!

---

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.