Реальность на кону: Как игры объясняют человеческую природу - Келли Клэнси
Позже Улам получил письмо с приглашением присоединиться к некому проекту, «имеющему отношение к физике процессов, происходящих в звездах»[416]. Улам немедленно согласился. Ему сообщили лишь пункт назначения: Нью-Мексико. Поскольку он никогда не слышал о таком месте, он пошел в библиотеку и взял путеводитель по этому штату. «На приложенной к концу книги полоске бумаги, на которой читатели обычно пишут свои фамилии, я нашел имена… всех тех других, кто загадочным образом исчез, не сказав куда, чтобы заняться секретной военной работой»[417]. Улам присоединялся к Манхэттенскому проекту.
Уламу поручили обсчет процесса взрыва бомбы, требовавший колоссального числа вычислений для описания твердого тела, которое вело себя подобно жидкости. Ему предстояло найти способ смоделировать экспоненциально нарастающий каскад сталкивающихся и возбуждающих друг друга частиц. Коллегам Улам в шутку представлялся как «чистый математик, которого математика затянула так, что в своей последней научной статье он не смог обойтись без десятичных дробей!»[418]. Фон Нейман считал, что эти вычисления потребуют «столько умножений, сколько не было сделано человечеством за всю его историю»[419]. Улам не согласился: «Когда я грубо прикинул, сколько операций умножения выполнили все школьники мира за последние пятьдесят лет, то увидел, что полученное мною число было в десять раз больше!» И тем не менее возможности компьютеров того времени были крайне ограниченны. Пока не появились более мощные машины, Уламу приходилось как-то ужимать свои модели до более удобоваримых размеров.
В 1946 г. Улам оказался прикован к больничной койке, восстанавливаясь после загадочного приступа энцефалита – возможно, побочного эффекта от радиационного облучения в Лос-Аламосе. После того как врачи просверлили в его черепе отверстие, чтобы снять отек, он несколько дней пробыл в коме. Это был самый травматичный опыт в его жизни. Он временно потерял дар речи и приходил в ужас от мысли, что его умственные способности уже никогда не будут прежними. Вторя совету, данному Паскалю лекарями тремястами годами ранее, лечащий врач Улама настоятельно рекомендовал ему избегать интеллектуальной деятельности. Улам, как и Паскаль, решил расслабляться с помощью игр. Он раскладывал бесконечные пасьянсы и размышлял, как можно оценить вероятность выигрыша в середине партии – примерно так же, как Паскаль обдумывал задачу о разделе ставки. Тут он и внес свой самый весомый вклад в развитие информатики. Нельзя было и надеяться исчерпывающе просчитать все комбинации каждой возможной игры – их число экспоненциально нарастало и было настолько огромным, что не поддавалось оценке. Улам находил, что это «вызывает неприятное удивление, в каком-то смысле даже унижает умственные способности человека, заставляя почувствовать, насколько узки границы рационального и традиционного мышления»[420].
Вместо этого, понял он, можно было разыграть некоторое количество случайных партий – относительно репрезентативную выборку из всех возможных, а затем на основе этой ограниченной симуляции оценить общую вероятность выигрыша. Улам тут же осознал, что этот метод можно применить к любому ветвящемуся процессу, в том числе и к ядерным реакциям. В случае, например, урана за судьбой отдельного нейтрона можно было следить так же, как мысленно представлять себе возможные расклады в пасьянсе. В каждый конкретный момент могло произойти одно из нескольких событий: нейтрон мог отразиться под определенным углом, поглотиться, ускориться или замедлиться. Вероятности каждого из этих событий были ученым известны. С их помощью можно смоделировать дальнейшую участь миллионов нейтронов, где каждый из них влиял на судьбу своих соседей. Вместо того чтобы прослеживать квадриллионы траекторий, ведущих ко всем возможным исходам, ученые брали случайный их набор, сформированный пропорционально заранее известным вероятностям событий. Вычисляя статистические показатели для непредвзятой репрезентативной выборки, они получали их оценку для всей совокупности. Так появился мощный метод, позволяющий справляться с расчетами неподъемной, казалось бы, сложности.
Фон Нейман дал этому изобретению название «метод Монте-Карло» в честь рая для азартных игроков – того самого «солнечного места для темных личностей»[421], где покончил с собой обожавший рулетку дядя Улама, Михал. В его наиболее известной на сегодняшний день форме алгоритм был реализован в 1953 г. физиком Арианной Розенблют, и сейчас это один из самых популярных методов моделирования поведения сложных систем[422]. Береговая охрана США использует его для оценки местоположения пропавших в море судов, а страховые компании – для расчета рисков в своих продуктах. Астрономы с его помощью оценивают возможные траектории астероидов, климатологи прогнозируют геологические процессы, а инженеры проектируют датчики. По сути, это метод ориентирования в неизвестном будущем, идеально подходящий для предсказания исходов в сферах, где действуют определенные правила, – от естественных наук до игр.
Учитывая нынешнее повсеместное распространение этого метода, нам легко принять как должное саму мысль, что правдоподобность того или иного исхода можно измерить. Метеорологи прогнозируют сорокапроцентную вероятность дождя, букмекерские конторы предлагают клиентам тщательно рассчитанные коэффициенты, статистики публикуют прогнозы итогов выборов. Но этой ментальной конструкции всего несколько сотен лет. От слепой веры в богов и судьбу люди перешли к науке принятия решений на основе данных. Игра в кости помогла математикам постичь законы случая, сделав более предсказуемым то, что когда-то казалось лишь удачей. Более совершенные статистические методы позволили распространить этот когнитивный сдвиг на сферы, устроенные куда сложнее. Одним из ранних примеров тому стал кригшпиль, а также первые программы массовой вакцинации. Теория игр давала формальную основу для науки о принятии решений, а исследователи ИИ трудились над созданием систем, способных производить колоссальные вычисления для обоснования выбора в крайне запутанных ситуациях. Когда мы оперируем количественно измеримым существованием альтернативных исходов, на нас ложится бо́льшая ответственность за принятие наилучших решений. У нас нет способа проверить, верны эти оценки или нет, поскольку нет контрфактических вселенных, из которых можно было бы собрать выборку. Выборы либо выигрываются, либо проигрываются, и все облака вероятных исходов схлопываются в единственную реальность. Моделирование – это как минимум удобная иллюзия контроля, которая рисует наше будущее управляемым и тем самым позволяет снижать уровень тревожности.
Пятьюдесятью годами позже догадка Улама поможет компьютерам овладеть игрой в го. Она, как считается, зародилась
