Homo deus. Yuval Noah Harari

Чтение книги онлайн.

Читать онлайн книгу Homo deus - Yuval Noah Harari страница 23

Homo deus - Yuval Noah Harari

Скачать книгу

„Algorytm” to zapewne najważniejsze pojęcie w naszym świecie. Jeśli chcemy zrozumieć własne życie i własną przyszłość, powinniśmy ze wszystkich sił postarać się zrozumieć, co to jest algorytm oraz w jaki sposób algorytmy wiążą się z emocjami.

      Algorytm to metodyczny zestaw kroków, którego można użyć do wykonywania obliczeń, rozwiązywania problemów i podejmowania decyzji. Algorytm nie jest jakimś konkretnym obliczeniem, lecz metodą, którą się stosuje podczas dokonywania jakiegoś obliczenia. Jeśli na przykład chcesz obliczyć średnią z dwóch liczb, możesz użyć prostego algorytmu. Ten algorytm mówi: „Krok pierwszy: dodaj te dwie liczby. Krok drugi: podziel sumę przez dwa”. Kiedy wprowadzisz liczby 4 i 8, otrzymasz 6. Kiedy wprowadzisz 117 i 231, otrzymasz 174.

      Bardziej skomplikowanym przykładem jest przepis kuchenny. Algorytm dotyczący przygotowania zupy jarzynowej może kazać nam:

      1. Podgrzać w garnku pół filiżanki oliwy.

      2. Pokroić cztery cebule na cienkie plasterki.

      3. Podsmażyć cebulę na złoty kolor.

      4. Pokroić trzy ziemniaki i wrzucić do garnka.

      5. Poszatkować kapustę i dodać do garnka.

      I tak dalej. Ten sam algorytm można stosować dziesiątki razy, każdorazowo używając nieco innych warzyw i uzyskując dzięki temu nieco inną zupę. Jednak algorytm pozostaje ten sam.

      Przepis sam z siebie nie zrobi zupy. Ktoś musi go przeczytać i wykonać zapisany zestaw kroków. Można jednak skonstruować maszynę, która będzie automatycznie wykonywała ten algorytm. Wtedy wystarczy tylko zapewnić takiej maszynie wodę, prąd i warzywa – a ona sama przygotuje zupę. Maszyny robiące zupę nie są częstym widokiem, ale znacie pewnie inne, w których można kupić napoje. Tego rodzaju automaty mają zwykle otwór na monety, okienko na kubek i całe rzędy przycisków. W pierwszym rzędzie mogą się znajdować przyciski do wyboru kawy, herbaty i kakao. W drugim: bez cukru, porcja cukru, dwie porcje cukru. Trzeci rząd pozwala wybrać opcje: mleko, mleko sojowe, bez mleka. Człowiek podchodzi do takiej maszyny, wrzuca monetę do otworu i naciska przyciski: „herbata”, „porcja cukru” i „mleko”. Automat zaczyna pracę, wykonując określony zestaw kroków. Do podstawionego kubka wrzuca torebkę herbaty, zalewa ją wrzątkiem, dodaje porcję cukru i mleko, po czym: dzyń! – i mamy kubek dobrej herbaty. Tak właśnie działają algorytmy69.

      W ciągu paru ostatnich dziesięcioleci biologowie doszli do przekonania, że naciskający przyciski i pijący herbatę człowiek również jest algorytmem. Znacznie bardziej skomplikowanym algorytmem niż automat z napojami, ale jednak algorytmem. Ludzie są algorytmami, które wytwarzają nie kubki herbaty, ale kopie samych siebie (niczym automat, który po wciśnięciu odpowiedniej kombinacji przycisków wytwarza kolejny automat).

      Algorytmy sterujące pracą automatów z napojami działają dzięki mechanicznym kołom zębatym i obwodom elektrycznym. Algorytmy sterujące ludźmi działają dzięki doznaniom, emocjom i myślom. Identyczne algorytmy sterują świniami, pawianami, wydrami i kurami. Rozważmy na przykład taki oto problem dotyczący przetrwania: pawian widzi wiszącą w pewnej odległości kiść bananów, ale równocześnie dostrzega czającego się w pobliżu lwa. Czy pawian powinien zaryzykować życie i spróbować zerwać te banany?

      Sprowadza się to do problemu matematycznego w postaci obliczenia i porównania prawdopodobieństw: prawdopodobieństwa, że pawian umrze z głodu, jeśli nie zje tych bananów, oraz prawdopodobieństwa, że lew złapie pawiana. Aby rozwiązać ten problem, pawian musi uwzględnić mnóstwo danych. Jak daleko jest do bananów? Jak daleko jest lew? Jak szybko potrafię biegać? Jak szybko potrafi biegać lew? Czuwa czy śpi? Wygląda na głodnego czy na najedzonego? Ile tam jest bananów? Czy są duże, czy małe? Zielone czy dojrzałe? Oprócz danych zewnętrznych pawian musi również wziąć pod uwagę to, co wie na temat stanu własnego organizmu. Jeśli umiera z głodu, to bez względu na to, jakie ma szanse, dla tych bananów powinien zaryzykować wszystko. Natomiast jeśli dopiero co jadł, a o bananach pomyślał tylko przez łakomstwo, to po co w ogóle podejmować jakiekolwiek ryzyko?

      Aby wyważyć i ocenić wszystkie te zmienne i prawdopodobieństwa, pawianowi potrzebne są dużo bardziej skomplikowane algorytmy niż te, które sterują pracą automatów z napojami. Odpowiednio wyższa jest też nagroda za wykonanie poprawnych obliczeń. Nagrodą jest samo przetrwanie pawiana. Pawian lękliwy – taki, którego algorytmy przeceniają zagrożenia – umrze z głodu, a geny, które ukształtowały w nim te tchórzliwe algorytmy, zginą wraz z nim. Pawian pochopny – taki, którego algorytmy nie doceniają zagrożeń – padnie łupem lwa, a jego lekkomyślne geny również nie przejdą na następne pokolenie. Te algorytmy podlegają nieustannej kontroli jakości ze strony doboru naturalnego. Jedynie zwierzęta, które właściwie oceniają prawdopodobieństwa, zostawiają po sobie potomstwo.

      Wszystko to jednak jest bardzo abstrakcyjne. W jaki dokładnie sposób pawian oblicza prawdopodobieństwa? Z całą pewnością nie wyciąga ołówka zza ucha, a notesu z tylnej kieszeni i nie zaczyna wyliczać prędkości biegu oraz zasobów energii za pomocą kalkulatora. Kalkulatorem jest raczej całe ciało pawiana. To, co nazywamy doznaniami i emocjami, to w rzeczywistości algorytmy. Pawian c z u j e głód, c z u j e strach i drżenie na widok lwa, oraz c z u j e, jak cieknie mu ślina na widok bananów. W ułamku sekundy doświadcza burzy doznań, emocji i pragnień, które nie są niczym innym niż procesem obliczania. Jego rezultat pojawi się jako odczucie: pawian nagle dozna przypływu odwagi, poczuje, jak jeżą mu się włosy, napinają mięśnie, pierś wysuwa się do przodu – i wtedy weźmie głęboki wdech, krzyknie: „Naprzód! Dam radę! Po banany!”. Albo też może ogarnąć go strach, ramiona mu opadną, poczuje, że go mdli, nogi odmówią mu posłuszeństwa, po czym zawoła: „Mamo! Lew! Ratunku!”. Czasem prawdopodobieństwo powodzenia i klęski jest tak wyrównane, że trudno się zdecydować. Również to objawi się jako odczucie. Pawian poczuje się zdezorientowany i niezdecydowany. „Tak… Nie… Tak… Nie… Do licha! Nie wiem, co robić!”

      Aby przekazać geny kolejnemu pokoleniu, nie wystarczy rozwiązywanie problemów dotyczących przetrwania. Zwierzęta muszą również rozwiązywać problemy dotyczące rozmnażania, które także zależą od oceny prawdopodobieństwa. Dobór naturalny wykształcił namiętność i wstręt jako szybkie algorytmy pozwalające oceniać szanse na rozmnażanie. Piękno oznacza „duże szanse na posiadanie udanego potomstwa”. Kiedy kobieta widzi mężczyznę i myśli: „Wow! Cudowny!”, albo kiedy pawica widzi pawia i myśli: „Jezu! Co za ogon!”, obie robią coś podobnego do tego, jak działa automat z napojami. W chwili gdy światło odbite od ciał tych samców trafia do siatkówek oczu tych samic, zaczynają działać wyjątkowo potężne algorytmy udoskonalane przez miliony lat ewolucji. W ciągu paru milisekund algorytmy te zamieniają drobne wskazówki zawarte w zewnętrznym wyglądzie samców w dane o prawdopodobieństwie dotyczącym rozmnażania i samice dochodzą do wniosku: „Najprawdopodobniej jest to bardzo zdrowy i płodny samiec, obdarzony doskonałymi genami. Jeśli będę z nim spółkować, moje potomstwo prawdopodobnie również będzie się cieszyło dobrym zdrowiem i świetnymi genami”. Oczywiście ten wniosek nie pojawia się pod postacią słów ani liczb, lecz ognistego pociągu seksualnego. Pawice, a także większość kobiet, nie wykonują takich obliczeń długopisem na kartce papieru. Po prostu to czują.

      Nawet laureaci Nagrody Nobla z ekonomii podejmują jedynie niewielki ułamek swoich decyzji za pomocą długopisu, papieru i kalkulatora; 99 procent naszych decyzji – w tym najważniejsze życiowe

Скачать книгу


<p>69</p>

Dawid Harel, Rzecz o istocie informatyki. Algorytmika, przeł. Zbigniew Weiss, Piotr Carlson, Warszawa 1992, s. 9; David Berlinski, The Advent of the Algorithm. The 300-Year Journey from an Idea to the Computer, San Diego 2000; Hartley Rogers Jr, Theory of Recursive Functions and Effective Computability, wyd. 3, Cambridge, MA – London 1992, s. 1–5; Andreas Blass, Yuri Gurevich, Algorithms. A Quest for Absolute Definitions, „Bulletin of European Association for Theoretical Computer Science” 81 (2003), s. 195–225.