Этан Цукерман - Новые соединения. Цифровые космополиты в коммуникативную эпоху

Скотт Пэйдж, изучающий сложные системы в Мичиганском университете, большую часть своей профессиональной жизни занимался этим вопросом. В книге «The Difference» Пэйдж доносит до широкой аудитории свои сложные математические идеи и несколько провокационных открытий. В частности, Пэйдж утверждает, что при прочих равных, более разнообразная команда решит задачу лучше, чем группа одинаково талантливых единомышленников. Более того, разнообразная команда случайно отобранных людей часто покажет лучшие результаты, нежели команда, составленная из высококвалифицированных в данном вопросе специалистов. В некоторых обстоятельствах разнообразие важнее индивидуальных способностей.

Это суждение Пэйджа не является экстраполяцией из мира бизнеса или политики. Чтобы прийти к этому выводу, он со своим коллегой Лу Хонгом создал компьютерную модель, в которой соревнующиеся программы, называемые агентами, заняты поиском наилучших решений (в данном случае речь шла о больших числах, сгенерированных случайным методом, на «карте», которую изучали агенты). Следуя индивидуально заданным правилам, агент просматривает огромное количество случайных чисел, обнаруживая самые большие из них. Группа агентов может работать вместе и обмениваться полученными данными и в итоге выдавать наибольшее обнаруженное совместными усилиями число. Пэйдж и Хонг провели соревнования между командами, одна из которых была составлена из людей с наивысшими индивидуальными оценками, а другая – из случайной выборки. Команды всегда показывали лучший результат, чем отдельный участник, но, что удивительно, случайно подобранная команда регулярно показывала результаты лучше, чем их более успешные соперники. [287]

Случайно подобранные команды выигрывают вследствие так называемой проблемы локального максимума. У поставленной Хонгом и Пэйджем проблемы – нахождение наибольших значений в сетке случайных чисел – может быть много вариантов решения. Агенты за ограниченный период времени находят наивысшее значение – локальный максимум, после чего сверяются с членами своей команды, чтобы понять, кто из 20 агентов обнаружил наибольшее число. Этот метод работает, если агенты ищут в разных уголках карты, однако если все поиски сконцентрированы в одном районе, то и локальный максимум сузится, поскольку большая часть карты останется неисследованной.

Рассмотрим пример из реальной жизни. Если бы команде из двадцати человек дали задание установить флаг в самой высокой точке, до которой можно доехать в течение часа, я бы знал, что делать. Я живу недалеко от горы Грейлок, высочайшей вершины Массачусетса, и я с чувством выполненного долга установил бы свой флаг на высоте 1 063 метра над уровнем моря. Если все участники моей команды живут на западе Массачусетса, они, скорее всего, окажутся рядом со мной на той же вершине, поскольку горы выше Грейлока нет на многие мили вокруг. Если бы хоть один член команды жил в Нью-Гэмпшире, мы получили бы совсем другие результаты. Он бы добрался до горы Вашингтон и установил флаг на высоте 1 917 м. Результаты были бы еще выше, если бы кто-нибудь из нас жил недалеко от Скалистых гор или Гималаев. Если команда раллийных гонщиков и профессиональных альпинистов, собранных в одном наугад выбранном месте, будет соревноваться со случайно подобранной командой людей, разбросанных по всему свету, вторая команда будет выигрывать чаще, тем более если альпинисты окажутся в Небраске. [288]

Эксперимент Пэйджа и Хонга базируется на двух важных гипотезах. Первая состоит в том, что эта проблема слишком сложна для индивидуального решения. Для задач, которые знающий человек может решить самостоятельно, уровень разнообразия команды не имеет значения. Вторая заключается в том, что, по мнению Пэйджа и Хонга, специалисты высокого уровня чаще всего решают проблемы схожим образом. В проведенном ими эксперименте участники, добившиеся наилучших личных результатов, использовали очень схожие алгоритмы. Однако использование похожих методов приводит к тому, что все они оказываются в одном углу на карте возможных решений, что дает преимущество команде менее эффективных агентов, которые тем не менее рассматривают большую часть карты.

Это явление перекликается с проблемой «лучших из лучших». Президент Джон Ф. Кеннеди любил окружать себя умными молодыми советниками по международной политике, которых журналист и историк Дэвид Халберстам в своей книге об истоках вьетнамской войны назвал «лучшими из лучших». Это были безоговорочно умные люди, однако все они были схожего происхождения – выпускники лучших школ и университетов, занявшие полагающиеся им должности в университетах и МИДе. Если отодвинуть в сторону личностные различия, все они решали возникавшие задачи схожим образом. Более того, им нравились решения, которые предлагали их коллеги, потому что это были удобные, понятные выводы, не нарушавшие общей гармонии. В результате они перестали искать возможные решения и мнения, подкрепляя вместо этого ограниченные доводы друг друга. Психолог Ирвинг Янус назвал этот процесс «групповым мышлением». [289]