Как теория вероятностей управляет современным миром — от квантовых вычислений и беспилотных автомобилей до точности медицинских диагнозов? На дискуссии Всемирного фестиваля науки (World Science Festival), основанного физиком Брайаном Грином, ведущие специалисты обсудили, почему человеческая интуиция регулярно пасует перед случайностью и как математические догадки XVIII века легли в основу искусственного интеллекта. Ученые сошлись во мнении, что умение мыслить вероятностями становится главным навыком выживания в XXI веке.
🪙 От пресвитерианского пастора до ИИ: краткая история байесианства 0:00
История укрощения случайности началась в XVIII веке с неожиданной фигуры — пресвитерианского пастора Томаса Байеса. Пока Бенджамин Франклин запускал воздушных змеев, Байес пытался понять, как делать обоснованные математические предположения в ситуациях, когда данных критически не хватает. Он умер, так и не успев никому рассказать о своем открытии, но его друг, философ Ричард Прайс, обнаружил записные книжки Байеса, привел математику в порядок и опубликовал работу в 1763 году, после чего успешно применил ее для революции в страховом бизнесе.
В 1812 году французский математик Пьер-Симон Лаплас развил эти идеи в полноценную концепцию условной вероятности, которая позволяет обновлять наши прогнозы по мере поступления новых фактов. В XX веке эта концепция столкнулась с жестким сопротивлением сторонников частотной вероятности, утверждавших, что оценивать шансы можно только на основе объективных массивов твердых данных. Тем не менее, именно байесовский подход помог Алану Тьюрингу взломать шифры нацистской «Энигмы» во время Второй мировой войны. А в 1988 году ученый Джудея Перл перезапустил индустрию искусственного интеллекта, внедрив байесовские сети, что позже позволило суперкомпьютеру IBM Watson разгромить людей в викторине Jeopardy! в 2011 году.
⚛️ Квантовая вероятность: мир, где кот одновременно жив и мертв 10:49
Старший научный сотрудник квантовой лаборатории искусственного интеллекта Google Масуд Мохсени утверждает, что квантовая вероятность фундаментально отличается от всего, с чем мы сталкиваемся в классическом макромире. По его мнению, субатомные процессы не просто подчиняются абстрактным математическим законам — квантовая вероятность буквально объясняет, почему вообще существует стабильная материя и мы сами.
Для иллюстрации Мохсени приводит знаменитый двухщелевой эксперимент. В классическом сценарии с пулеметом пули летят сквозь одну из двух щелей в стене и образуют два скопления на экране позади. Но если заменить пулемет на электронную пушку, электроны начинают вести себя как волны. Они создают интерференционную картину, проходя сквозь обе щели одновременно. Это состояние одновременного существования нескольких исходов называется суперпозицией, и именно оно открывает колоссальные горизонты для вычислений.
Масуд Мохсени приводит пример с поиском в гипотетической библиотеке из миллиона книг, где на одной случайной странице оставлена пометка:
- Классическому компьютеру в среднем потребуется перебрать половину фонда — около 500 000 книг.
- Квантовый алгоритм благодаря суперпозиции проверяет все варианты параллельно и находит нужную книгу всего за 1 000 попыток.
Этот доказанный квадратичный сдвиг называют квантовым поиском. Масуд Мохсени также напомнил о мысленном эксперименте Эрвина Шрёдингера 1935 года с котом в ящике, где радиоактивный распад атома запускает смертельный механизм. Пока коробка закрыта и измерение откладывается, система находится в состоянии суперпозиции, а кот одновременно и жив, и мертв. Сегодня Google использует эти принципы на практике: компания арендует чипы у D-Wave, охлаждая их в огромных криостатах растворения до температур, близких к абсолютному нулю, чтобы решать сложнейшие задачи оптимизации и машинного обучения.
🎲 Парадоксы Монти Холла и «девочки из Флориды»: почему интуиция врет 22:47
Наше врожденное чувство вероятности несовершенно. Физик-теоретик Леонард Млодинов отмечает, что крупные технологические корпорации вроде Google постоянно просчитывают вероятность нашей реакции на рекламу, пока сами мы спотыкаемся на базовых математических задачах. Классическим примером этого служит «парадокс Монти Холла» из телешоу Let's Make a Deal.
Когда ведущий предлагает игроку выбрать одну из трех дверей, за одной из которых спрятан автомобиль, шанс на успех составляет 1/3. Затем ведущий открывает одну из оставшихся дверей, показывая, что она пуста, и предлагает изменить выбор. Большинство людей интуитивно считают, что шансы теперь равны 50 на 50, и остаются при своем мнении. Однако Леонард Млодинов математически доказывает, что стратегия смены двери удваивает шансы на победу до 2/3. Ведущий действует не случайно: он обязан избегать двери с машиной, тем самым «впрыскивая» новую информацию в систему и концентрируя вероятность за противоположной дверью.
Еще более контринтуитивным примером, подробно описанным в бестселлере Млодинова «(Не)совершенная случайность» (The Drunkard's Walk), является задача о двух детях. Для начала Млодинов разбирает классическую версию: в семье двое детей, и известно, что как минимум один ребенок — девочка. Какова вероятность, что в семье две девочки? Из четырех возможных комбинаций мы исключаем вариант с двумя мальчиками. Остаются три исхода, из которых лишь один дает двух девочек — вероятность равна 1/3 (около 33%).
Но ситуация кардинально меняется, если добавить одну «незначительную» деталь:
- В семье двое детей, и один из них — девочка по имени Флорида (редкое имя, встречающееся, допустим, у одной из тысячи девочек).
- Каковы шансы теперь, что в семье две девочки?
- Математический анализ Млодинова показывает, что вероятность возрастает почти до 1/2 (50%).
Поскольку Флорида — редкое имя, само знание о его наличии резко сокращает количество возможных вариантов в пространстве исходов, практически аннулируя пересечения. Млодинов добавляет, что если бы имя было максимально популярным (как имя Мэри в Шотландии, где им нарекали каждую четвертую девочку), вероятность плавно опустилась бы обратно к 1/3.
🧬 Медицина больших данных: ловушки генетического детерминизма 40:59
Генетик Роберт Грин подчеркивает, что медицина стремительно входит в эпоху больших данных, однако сами врачи пока очень плохо умеют мыслить вероятностно. В обществе укоренился миф о «генетическом детерминизме» — убеждении, будто гены содержат однозначную инструкцию со стопроцентным исходом. Грин утверждает, что за исключением редких высокопенетрантных заболеваний (таких как болезнь Хантингтона или фенилкетонурия), большинство генетических маркеров указывают лишь на смещение рисков.
Для демонстрации этой путаницы Грин приводит пример публичных заявлений, гласящих, что «каждая восьмая женщина (12,5%) заболевает раком груди». Эта цифра взята из накопленной за всю жизнь эпидемиологической статистики, но она вводит в заблуждение, поскольку риск кардинально зависит от возраста. По официальным данным Национального института рака (NCI):
- Для женщины в возрасте 30 лет риск заболеть в ближайшее десятилетие составляет всего 1 из 227 (0,44%).
- В 50 лет этот показатель возрастает до 1 из 44 (2,3%).
- К 70 годам вероятность достигает 1 из 26 (3,9%).
Понимание разницы между абсолютным (кумулятивным) риском и относительным критически важно. Грин продемонстрировал собственные результаты генетического тестирования, где его риск заболеть целиакией указан как «в 1,98 раза выше среднего». На первый взгляд это пугает, но поскольку само заболевание крайне редкое, его реальный абсолютный шанс заболеть все равно близок к нулю. По мнению Грина, потребуются десятилетия, чтобы наука научилась точно предсказывать болезни по генам, ведь для этого нужно наложить друг на друга слои информации об эпигенетике, протеомике, микробиоме и влиянии окружающей среды.
Леонард Млодинов поделился личной трагической историей из 1980-х годов, когда ему ошибочно диагностировали ВИЧ при сдаче анализов для страховки. Врач сокрушался и уверял, что точность теста составляет 99,9%, то есть шанс ошибки равен 1 на 1 000. Профессор Млодинов, справившись с шоком, применил байесовский анализ: false-positive rate (доля ложноположительных результатов) составляла 1 на 1 000, но сам Млодинов не входил в группы риска, и его априорная вероятность заражения была 1 на 10 000. Это означало, что среди 10 000 человек один будет реально болен, а 10 получат ложноположительный результат. Шанс того, что Млодинов действительно был заражен, составлял всего 1 из 11 (около 9%), что и подтвердил повторный тест через две недели мучительного ожидания.
🚗 Математика за рулем: как беспилотники укрощают хаос дорог 56:55
Профессор электротехники Алан Питерс заявляет: создать беспилотный автомобиль было бы невозможно, если бы инженеры продолжали считать мир детерминированным. Сам автомобиль — механизм предсказуемый, но окружающая его дорожная среда абсолютно хаотична. Робототехника Питерса опирается на фундаментальную аксиому: «Движение структурирует восприятие, а восприятие структурирует движение».
Когда беспилотник находится в статичном состоянии, его датчики видят объекты вокруг, но не могут точно определить, припаркована ли машина или она движется. Но как только робот делает небольшое движение вперед, перспектива меняется: неподвижные автомобили начинают смещаться назад относительно него, что позволяет мгновенно «сжать» вероятности и отсечь лишний шум.
Для объяснения внутренней логики ИИ Питерс приводит три классических концепта:
- Уравнение условной веры: Вера робота в то, что он находится в конкретной точке пространства, непрерывно умножается на вероятность увидеть то, что он видит, исходя из его предыдущих действий и памяти. Питерс иронизирует, что английский язык слишком плох для объяснения формул, поэтому проще представить человека, который вышел из метро на Юнион-сквер, зажмурился, увидел вывеску Walgreens и пытается по памяти восстановить, у какого именно выхода он находится.
- Задача о «похищенном роботе» (Kidnapped Robot Problem): Классический тест, когда машину внезапно переносят в незнакомую часть коридора. Сначала робот видит одну дверь — вероятность его локации распределяется по всем дверям на его внутренней карте. Он едет дальше, фиксирует расстояние до следующей двери и отсекает ложные варианты. Обнаружив третью дверь на специфическом расстоянии, робот со стопроцентной точностью понимает, где находится.
- Алгоритм SLAM (Simultaneous Localization and Mapping): Метод, используемый в условиях, когда у робота вообще нет карты. Двигаясь и наблюдая за тем, как меняется геометрия окружения под влиянием его собственных перемещений, ИИ одновременно строит карту незнакомого пространства и локализует себя в нем.
Этот подход Питерс успешно применял в работе над проектом NASA Robonaut, переводя робота с изнуряющего ручного управления через VR-очки на рельсы автономного машинного обучения.
🧠 Философия случая: параллельные вселенные, свобода воли и рецепт успеха 1:15:35
В финале дискуссии эксперты ответили на экзистенциальные вопросы зрителей. Комментируя вопрос о том, имеет ли понятие «удача» реальный смысл или свобода воли — это иллюзия, Алан Питерс отметил, что наша способность успешно структурировать свои действия в ответ на хаос внешнего мира и есть лучшее проявление того, что мы называем волей. Леонард Млодинов добавил, что «удачливые люди» существуют с точки зрения чистой статистики. По его словам, если заставить тысячи людей подбрасывать монетку, кто-то неизбежно выбросит орла тысячу раз подряд — именно так работают успешные менеджеры с Уолл-стрит, которые забирают миллионные бонусы за банальное везение, пока покупатели их взаимных фондов остаются ни с чем.
Зритель из Нью-Йорка поинтересовался, связана ли квантовая суперпозиция с гипотезой параллельных миров. Масуд Мохсени пояснил, что многомировая интерпретация действительно предполагает, что при каждом квантовом событии вселенная расщепляется на альтернативные конфигурации (в одной ветви кот жив, в другой мертв). Однако сам Мохсени признался, что не является сторонником этой идеи, предпочитая прагматичную Копенгагенскую интерпретацию, где квантовая механика — это лишь строгий математический аппарат для предсказания результатов экспериментов.
Все участники встречи согласились, что человечество переживает фундаментальный культурный сдвиг: детерминированная ньютоновская научная картина мира уступает место сложной вероятностной модели. В усложняющемся мире людям приходится осваивать стратегии хеджирования рисков, подобные методам управляющих хедж-фондами.
Главный совет экспертов для того, чтобы «побить систему» и обернуть случайность в свою пользу, сформулировал Леонард Млодинов: нужно отбросить высокомерие при успехах, не винить себя в случайных неудачах и просто продолжать работать. Млодинов процитировал пионера компьютерной индустрии Томаса Дж. Уотсона: «Если вы хотите преуспеть, удвойте количество своих неудач». Вероятность успеха — это функция от количества попыток: чем чаще вы выходите к бите, тем выше ваш шанс выбить свой главный хоум-ран.
