В предыдущем разделе мы рассмотрели тип рассуждения, при котором достоверность вывода можно проверить путем дедуктивной логики. Этот метод предполагает, что если посылки силлогизма истинны и верна его форма, то вывод также верен, т.е. что есть уверенность в правильности полученного заключения.
Еще одна форма рассуждения называется индуктивной. При индуктивном рассуждении вывод скрыто или явно выражается на языке вероятности. В повседневной жизни мы обычно принимаем решения не столько в результате хорошо продуманной силлогистической парадигмы, сколько путем индуктивного рассуждения, когда решения основываются на прошлом опыте, а выводы основываны на том, что мы считаем наилучшим вариантом из всех возможных. Рассмотрим следующее утверждение:
Если в течение недели я поработаю в библиотеке, у меня будет достаточно денег, чтобы покататься в воскресенье на лыжах.
В течение недели я буду работать в библиотеке.
Следовательно, у меня будет достаточно денег, чтобы покататься в воскресенье на лыжах.
Приведенная аргументация дедуктивно верна. А теперь предположим, что второе утверждение выглядит так: "В течение одной недели я не буду работать в библиотеке". Тогда вывод "У меня не будет достаточно денег, чтобы покататься на лыжах" будет истинным при условии соблюдения ограничений силлогистической логики, но не обязательно будет истинным в реальной жизни. Возможно, например, что ваш богатый дядюшка Гарри пошлет вам немного деньжат, чтоб хватило на лыжи. Оценить достоверность заключения, основанного на индуктивном рассуждении, можно путем рассмотрения иных, не структурных форм аргументации. В вышеприведенном случае это можно сделать, исходя из вероятности того, что дядюшка Гарри одарит вас деньгами или что какие-нибудь благотворительные фонды не замедлят встретиться на вашем пути. Решения такого типа принимаются каждый день и однажды стали предметом изучения когнитивных психологов.
С принятием решений на основе индуктивного рассуждения вы могли столкнуться, когда выбирали колледж. Предположим, что вас приняли в три колледжа7— большой главный частный университет (S), малый частный колледж (Н) и средний государственный университет (N). Как бы вы решали, в какой колледж вам пойти? Один из способов —• это оценить относительную ценность каждого из возможных вариантов по их существенным параметрам. Среди существенных параметров может быть: (1 Качество преподавания, (2)стоимость обучения, (З)близость к дому и (^социальные возможности. Каждому параметру присваивается оценка от 0 до 10.
7В США часто не проводятся вступительные экзамены, и прием определяется конкурсом документов. Соответственно, многие абитуриенты подают документы на поступление сразу в несколько учебных заведений.—Прим, перев.
Мышление и интеллект - естественный и искусственный 442
1. Преподавание
2. Стоимость
3. Близость к дому
4. Социальная жизнь
Итого:
Университет S 9 | Колледж H 7 | Университет N 6 |
ь 8 |
Если все эти факторы равно важны для принятия решения и если весовые коэффициенты присвоены точно, то желательный выбор — это средний государственный университет. Практически, можно принимать решения, исходя из определенной организации факторов, но как легко видеть из вышеприведенного примера, сделать определенное суждение о реальной проблеме не так просто.
Во многих случаях суть такой задачи несовместима с математическим анализом. Тверски (1972) считает, что, принимая решение, мы выбираем нужный вариант, постепенно отбрасывая менее привлекательные. Он назвал это устранением по аспектам, поскольку предполагается, что человек устраняет менее привлекательные варианты, проводя последовательную оценку признаков или аспектов этих вариантов. Если какие-либо варианты не удовлетворяет минимальному критерию, они устраняются из рассматриваемого набора альтернативных решений.
Недавно наш избирательный комитет рассматривал кандидатуры на старшую должность в Отделении психологии. В ряде напряженных встреч мы, наконец, выработали набор стандартов, которыми, как мы полагаем, должен обладать выигравший кандидат. Мы дали рекламу этой должности и получили большое количество заявлений. Затем мы столкнулись с трудной задачей выбрать только одного человека из набора активных кандидатов. Процесс решения прошел несколько этапов, которые в общем соответствуют модели Тверски. Во-первых, из этого набора были удалены кандидаты, имеющие минимальную квалификацию (например, те кто не имеет необходимых академических или профессиональных документов). Во-вторых, из дальнейшего рассмотрения были удалены те, чьи потребности в зарплате превышали наши ресурсы. Этот процесс продолжался, пока от первоначального набора не осталась только горсть. Они были приглашены в наш университет для предоставления нам дальнейшей информации, и процесс возобновился, пока не был сделан единственный выбор. Одно из преимуществ модели устранения по аспектам в том, что она не требует вычисления вероятности и присваивания весовых коэффициентов.
Оценка вероятностей
Признаем мы это или нет, но большинство решений связано с оценкой вероятности успеха. Мы планируем пикник, когда думаем, что будет светить солнце; мы готовим курс когнитивной психологии, когда ожидаем определенного вознаграждения; мы решаем остановиться на четырнадцати очках, когда дилер в игре блэкджек показывает, что его верхняя карта "шестерка"; мы берем с собой зонтик, когда видим на небе тучи, и покупаем — или не покупаем — страховой полис, прежде чем войти в самолет. Иногда вероятность некоторого события можно вычислить при помощи математики, а иногда событие можно определить только на основе предшествующего опыта. В таких случаях мы полагаем, что поступаем рацио-
Мышление, раздел 1: формирование понятий, логика и принятие решений
нально, поскольку наши решения основаны строго на математической вероятности, но насколько точны наши оценки? Иными словами, как это нам удается наделать столько глупостей при наличии полной уверенности в рациональности своих действий? В следующем разделе мы, возможно, немного осветим этот вопрос.
В ряде своих исследований Тверски и Канеман (Tversky and Kahneman, 1973, 1981; Kahneman and Tversky, 1983, 1984; Kahneman amd Miller, 1986) изучали, почему люди иногда приходят к неверному выводу, когда основывают свои решения на прошлом опыте. В одном из экспериментов (1974) они задавали такие вопросы:
Каких слов в английском языке больше: начинающихся с буквы К или тех, где буква К идет третьей?
Что является более вероятной причиной смерти: рак груди или диабет?
Если в семье три мальчика (М) и три девочки (Д), какая последовательность их рождений более вероятна: МММДДД или МДЦМДМ?
На все эти вопросы есть фактические ответы, и все же людская "интуиция" и "догадки" в общем ведут к ошибкам. Например, большинство людей, когда их спрашивают о появлении буквы К, говорят, что чаще она встречается в начале слова, чем на третьей позиции, что противоречит действительности. Почему люди неверно оценивают эти события? Согласно Тверски и Канеману, люди при ответе на этот вопрос пытаются сначала генерировать слова, начинающиеся с К, а затем слова, где К стоит на третьем месте. Если вы попробуете сделать это сами, вы поймете, почему люди неверно отвечают на этот вопрос. Причина переоценки частотности начальных букв кроется в том, что слова с первой буквой К более доступны, чем слова с К на третьем месте. Оценка вероятности букв основывается на обобщении, сделанном на очень ограниченном наборе слов, доступных в результате генерации.
Эта основная идея была проверена в эксперименте Тверски и Канема-на (1973); они просили испытуемых прочитать список из 39 имен хорошо известных людей. Один список содержал одинаковое количество мужчин и женщин (19 мужчин и 20 женщин), но женщины в нем были более известные, чем мужчины. В другом списке условия были обратные, т.е. в нем содержались более известные мужчины, чем женщины. Затем испытуемых спрашивали, кого в списке больше — мужчин или женщин. В обоих случаях испытуемые значительно переоценивали частоту лиц того пола, где были более известные люди. Причина такого поведения при практически одинаковой реальной частотности в том, что имена известных людей более доступны*.
Другие исследователи использовали гипотезу о доступности для объяснения ошибок при оценке "повседневных" знаний. В одном из исследований Словик, Фишхоф и Лихтенштейн (Slovic, Fischhoff, and Lichtenstein, 1977) просили людей оценить относительную вероятность 48 причин смерти. Испытуемым предъявляли две причины смерти и просили оценить, какая
8Имеется в виду доступность к содержимому в памяти.— Прим. ред. Мышление и интеллект - естественный и искусственный 444
из них является более вероятной. Наиболее серьезные ошибки в суждениях касались причин смерти, часто упоминаемых в публикациях. Например, несчастные случаи, рак, бутулизм, стихийные бедствия были оценены как частые причины смерти. Авторы заключили, что поскольку эти летальные события часто освещаются в средствах массовой информации, они более доступны, чем другие причины смерти.
Согласно Тверски и Канеману (Tversky and Kahneman, 1982), рамки реше- Рамки ния — это представления человека, принимающего решение, "о действи- решения ях, результатах и непредвиденных обстоятельствах, связанных с конкретным выбором". "Рамки", устанавливаемые человеком в связи с принятием решения, зависят от формулировки проблемы, а также от норм, привычек и личных характеристик индивидуума. Авторы этой концепции ясно продемонстрировали, насколько сильно могут повлиять рамки на выводы человека, когда одни и те же факты, имеющиеся в его распоряжении, представлены в различном контексте. Влияние рамок на решение показано в следующем примере:
Задача 1 (N=152): Представьте, что Соединенные Штаты готовятся к вспышке эпидемии необычной азиатской болезни, от которой предположительно умрут 600 человек. Предложены две различные программы по борьбе с этой болезнью. Предположим, что точные научные оценки результатов этих программ выглядят так:
В случае принятия программы А будет спасено 200 человек. В случае принятия программы В, вероятность спасения всех 600 человек составит 1/3, а вероятность того, что ни один человек из них не будет спасен составит 2/3.
Какую из двух программ вы бы выбрали?
Большинство испытуемых в этой задаче выбирают программу А (72%), и только 28% выбирают программу В. Перспектива спасения 200 жизней более привлекательна, чем более рискованный вариант. Статистически, однако, обе программы спасут одинаковое количество жизней.
Другой группе испытуемых дали эту же -задачу, но с измененной формулировкой альтернативной программы:
Задача 2 (N=155): В случае принятия программы С существует вероятность 1/3, что никто не умрет, и вероятность 2/3, что умрут 600 человек.
Какую из двух программ вы бы выбрали?
В этих рамках большинство выбирает более рискованную процедуру: верная смерть 400 человек менее приемлема, чем вероятность 2/3, что умрут 600 человек. В этих задачах в зависимости от рамок вопроса выбираются разные варианты, несмотря на идентичность вероятностей. Вообще, более выгодный вариант часто воспринимается как не содержащий риска, тогда как вариант, предусматривающий некоторую потерю, воспринимается как более рискованный.
Вот еще один пример влияния рамок, в котором предлагается несколько более реалистичная ситуация:
Мышление, раздел 1: формирование понятий, логика и принятие решений
Задача A(N=183): Представьте, что вы решили посмотреть пьесу, билет на которую стоит 10$. Подходя к театру, вы обнаружили, что потеряли купюру в 10$.
Решите ли вы тем не менее купить билет за 10$ и посмотреть пьесу? (Ответ "Да" — 88%).
Задача В (N=200): Представьте, что вы решили посмотреть пьесу и заплатили за входной билет 10$. Подходя к театру, вы обнаружили, что потеряли этот билет. Ваше место не регистрировалось, и билет нельзя восстановить.
Заплатите ли вы 10$ за новый билет? (Ответ "Да" — 46%).
В обоих случаях вы пролетели на 10$. И все же, в первом случае билет купили бы примерно вдвое больше испытуемых, чем во втором, хотя потеря денег в обоих случаях идентична9.
Репрезента- На оценку вероятности события влияет не только доступность этого собы- тивность тия, но также то, насколько характерными признаются его существенные
свойства для данной группы. Рассмотрим такой пример из исследования
Канемана и Тверски (1972):
В каждом круге игры 20 стеклянных шариков распределяются случайным образом среди пяти детей: Алана, Бена, Карла, Дэна и Эда. Рассмотрим следующие распределения:
Алан 4
Бен 4
Карл 5
Дэн 4
Эд 3
II
Алан 4
Бен 4
Карл 4
Дэн 4
Эд 4
Если кругов игры много, какого типа результатов будет больше типа I или типа II?
Каков ваш ответ? Если вы выбрали распределение I, то ваше мнение совпадает с мнением большинства испытуемых в этом эксперименте и оно, конечно же, неверно. Когда испытуемые читают слово "случайный", у них создается впечатление, что распределение должно быть хаотическим или бессистемным, и когда их просят оценить вероятность распределений I и II, они думают, что второе распределение слишком упорядочен-но, чтобы быть "случайным". Тот же тип ошибки наблюдался при оценке
9Рамки вопроса можно устанавливать и тогда, когда требуется получить желаемый ответ, как например в следующей истории; "Молодой Брат Грегори пребывал в монастыре всего несколько дней, когда ему случилось по наивности спросить у старшего монаха, можно ли ему курить, когда он молится. 'Конечно, нет',— был ответ. Через неделю молодой брат спросил этого монаха: 'Можно мне молиться, когда я курю?' "
Мышление и интеллект - естественный и искусственный 446
вероятности последовательных рождений девочек и мальчиков в вышеприведенном примере.
Еще одним, несколько неожиданным результатом при оценке вероятности было то, что люди склонны игнорировать объем выборки. Когда испытуемых спрашивали, равны ли вероятности нахождения 600 мальчиков среди 1000 детей и 60 мальчиков среди 100 детей, они отвечали, что оба случая равновероятны. На самом деле, если исходить из равного распределения полов, то первый случай гораздо менее вероятен, чем второй.
Некоторые ученые пытались найти аналогичные примеры "нерационального" поведения у животных. В одной такой работе (Rachlin et al., 1986) отмечено существенное сходство между людьми, которым вербально предъявлялись гипотетические задачи10, как в вышеприведенном случае с задачей о театральном билете. В исследованиях поведения животных крыса или голубь лишались на некоторое время пищи, и им предлагались различные задачи с пищевым подкреплением, в которых животные могли реагировать нажатием на рычаг или прикосновенем к ключу. Если в случае с людьми выбор измерялся в количестве испытуемых, выразивших предпочтение тому или иному гипотетическому следствию, то в случае с животными выбор измерялся по количеству ответных реакций животного при том или ином режиме подкрепления. Модель подкрепления в основном была следующей: "Если животное делает что-нибудь (нажимает на рычаг), тогда что-то происходит (появляется съедобный шарик)". Бихеви-ористы обычно манипулируют показателем реагирования крысы на подкрепление (например, после пяти нажатий на рычаг дается одно подкрепление), а также задержкой подкрепления: можно подкреплять реакцию немедленно, а можно через фиксированные или переменные интервалы времени. Изучение поведения животных убедительно показало, что в условиях задержки подкрепления даже если общее количество подкрепления при одном режиме больше, чем при другом, животное выбирает тот режим, при котором даются меньшие, но более частые подкрепления. Говорят, что животные действуют "импульсивно". Согласно Рахлину и др., как импульсивный когнитивный выбор у человека, так и импульсивный поведенческий выбор у других животных, хотя и кажутся оба "иррациональными", на самом деле представляют собой два типа предсказуемых тенденций поведения, имеющих общую основу. Эти исследования явились попыткой частично уладить те серьезные теоретические и методические проблемы, которые отделили бихевиористов от когнитивных психологов.
Изучение
Поведения
Животных
Мы видели, что, когда людям предоставляют новую или другую информацию, они могут пересматривать свою оценку вероятностей. В ситуации выбора между равно привлекательными возможностями, например, пойти или на концерт, или в кино, мы можем принять решение в пользу кино, если узнаем, что билеты на концерт есть только по цене 35$. Математическая модель, дающая метод оценки гипотез об изменении величины вероятности, называется Теоремой Байеса по имени ее автора Томаса Бай-еса, математика 18 века. Мы проиллюстрируем применение его теоремы на следующем примере принятия решения.