Заслуженный собеседник. Искусство диалога с искусственным интеллектом - Андрей Владимирович Курпатов

В 1950-х годах психолог Леон Фестингер изучал религиозную группу, которая верила в скорый конец света. Когда предсказанное пророчество не сбылось, многие её члены, вместо того чтобы признать ошибку, ещё сильнее укрепились в своей вере, решив, что их преданность и их молитвы «спасли мир».

Когнитивный диссонанс – это психологический дискомфорт, возникающий при столкновении с информацией, противоречащей нашим убеждениям. И мы готовы на многое, чтобы его избежать – даже на отрицание очевидного. Поэтому когда ИИ предлагает нам идею, противоречащую нашим убеждениям, мы её отвергаем, чтобы не разрушить свои представления.

Допустим, вы спрашиваете: «Почему наша традиционная модель маркетинга перестала работать? Что мы делаем не так?». Система даёт ответ – и вы буквально холкой чувствуете, что он вам не нравится. Почему? Вы найдете тысячу объяснений! Но ваши объяснения часть «неработающей модели», которую вы зачем-то принялись защищать.

Более продуктивный подход: «Рассмотрим ситуацию, когда наша традиционная модель маркетинга перестаёт работать не из-за ошибок в её применении, а из-за фундаментального изменения экономической ситуации, потребительского поведения, способов восприятия контента и т. д. Какие противоречия в наших базовых предположениях может выявить? И как эти противоречия могут стать источником новых идей, а не проблемой, требующей немедленного разрешения?».

Когнитивный диссонанс вызывает мощный психологический дискомфорт, потому что мы бессознательно ассоциируем свою правоту, своё представление о мире с личной безопасностью. И мозг стремится минимизировать эту мнимую угрозу – это, по сути, защитный механизм, направленный лишь на поддержание стабильности наших ментальных моделей.

2. Ложная дихотомия: искусственное упрощение сложного мира

«Ты либо с нами, либо против нас» – классический пример ложной дихотомии, логической ошибки, которая представляет сложную ситуацию как выбор между двумя крайностями, игнорируя множество промежуточных или альтернативных вариантов.

Этот тип мышления особенно распространён в поляризованных дискуссиях – политических, религиозных, этических – где сложные вопросы упрощаются до «за» или «против». Например, вы спрашиваете у ИИ: «Что лучше: создать новый продукт или улучшить существующий?». Имеет ли смысл ждать от интересный ответ на вопрос?

Более продуктивный подход: «Давай исследуем континуум возможностей между улучшением существующего продукта и созданием нового. Какие гибридные решения могут возникнуть? Какие новые измерения проблемы мы обнаружим, если откажемся от бинарной постановки вопроса?».

Да, бинарное мышление требует меньше когнитивных ресурсов и создаёт иллюзию контроля, но оно значительно обедняет спектр возможных решений.

3. Преждевременная конкретизация: боязнь остаться в неопределённости

Вспомните совещания, на которых команда спешит принять конкретное решение, даже если проблему ещё даже не разобрали на составные части, чтобы и в самом деле понять, что идёт не так. Или, например, маркетинговую кампанию, которая запускается без глубокого понимания целевой аудитории, просто потому что «надо уже что-то делать».

Преждевременная конкретизация – это стремление как можно быстрее перейти от абстрактного к конкретному, от исследования к реализации, часто пропуская важный этап глубокого понимания проблемы.

Бессмысленно требовать от ИИ конкретные рекомендации об улучшении системы управления проектами, – до того, как вы сами разобрались в том, в чём суть проблемы.

Более продуктивный подход: «Давай сначала исследуем различные концептуальные подходы к управлению проектами и посмотрим, как от этого зависят конкретные рекомендации по улучшению. Какие метафоры и модели мы могли бы рассмотреть, чтобы увидеть возможные аналогии? Как изменится наше понимание, если мы будем думать об управлении проектами как, например, о живой системе или о системе коммуникации, а не как о механизме?».

Понятно, что неопределённость вызывает у нас тревогу, а конкретные ответы создают иллюзию прогресса и понимания. Но цена за это снижение субъективного чувства дискомфорта – это поспешные решения, которые не учитывают всего пространства существующих возможностей.

Подведём промежуточный итог

Каким образом паттерны закрыто-системного мышления снижают эффективность нашего взаимодействия с искусственным интеллектом?

1. Мы задаём узкие, закрытые, конкретные вопросы, предполагающие однозначные ответы, что активирует лишь малую часть семантического пространства ИИ, не позволяя ему задействовать богатство его внутренних связей и ассоциаций.

2. Мы ожидаем линейных, одномерных ответов, к которым привыкли в рамках человеческой коммуникации, что значительно ограничивает потенциал ИИ, который способен удерживать многомерные связи и работать с континуумом возможностей.

3. Мы используем ИИ как инструмент расчётов, а не как партнёра по мышлению – как продвинутый калькулятор или поисковик, инструмент для получения ответов на конкретные вопросы, – но только партнёр по решению нашей задачи поможет нам увидеть проблему с неожиданных сторон и расширить наше собственное видение.

4. Мы фиксируемся на первом полученном ответе – получив ответ от ИИ, мы часто принимаем его как окончательный, тогда как он, на самом деле, лишь отправная точка для дальнейшего исследования. Это превращает потенциально открытый процесс познания в функцию получения информации.

Забавно, наверное, прийти к мудрецу с вопросом, и получив простой ответ, вместо того чтобы подумать над ним, задать уточняющие вопросы, поделиться своими мыслями и углубить своё понимание, – просто поблагодарить и выйти вон.

Осознание наших ограничений – это лишь первый шаг к их преодолению. Вот несколько практических стратегий, которые помогут вам начать выход за пределы закрыто-системного мышления:

1. Практикуйте метапознание: регулярно задавайтесь вопросами – «Какие предположения лежат в основе моего понимания этой проблемы?», «Из какой профессиональной парадигмы я сейчас мыслю?», «Какие аспекты проблемы я могу не замечать из-за своей экспертизы?». Эти вопросы помогают вам подняться на метауровень и увидеть не только содержание своего мышления, но и его структуру, его ограничения, его слепые пятна.

2. Культивируйте интеллектуальное смирение: мы все страдаем иллюзией понимания, а потому нам необходимо постоянное осознание ограниченности любого знания, даже экспертного. Это открывает возможность для непрерывного обучения и пересмотра базовых предположений.

3. Формулируйте открытые, многомерные запросы к ИИ: используйте принципы несодержательной методологии при формулировании своих запросов – задавайте вопросы, которые активируют не только релевантные знания, но и неожиданные связи, противоречия, альтернативные перспективы.

Вместо: «Какие есть методы повышения продуктивности команды?», попробуйте: «Как понятие продуктивности команды меняется в зависимости от контекста, целей и ценностей? Какие противоречия возникают при разных подходах к продуктивности? Какие неожиданные факторы могут влиять на командную динамику, если мы выйдем за рамки стандартных представлений о продуктивности?».

4. Используйте метафоры и аналогии из разных областей: метафоры и аналогии – мощные инструменты для преодоления функциональной фиксированности. Сознательно применяйте метафоры из областей, далёких от вашей профессиональной сферы: «Как бы биолог посмотрел на эту бизнес-проблему?», «Что если рассматривать этот технический процесс как экосистему?», «Какие параллели можно провести между этим маркетинговым вызовом и процессами в квантовой физике?». Этот подход помогает увидеть проблему в совершенно новом свете, выявить неочевидные паттерны и связи.

Закрыто-системное мышление – это не просто набор когнитивных ошибок, а способ думать, который глубоко укоренён в нашей психике, образовании и профессиональной идентичности. Он формируется и закрепляется годами, позволяя нам эффективно решать стандартные задачи в стабильной среде.

Но мир изменился и требует нового подхода к мышлению. Взаимодействие с ИИ – это не просто использование нового инструмента, а возможность выйти за пределы собственных когнитивных ограничений, увидеть проблемы в их сложности и найти решения, невозможные в рамках закрытых систем.

Преодоление привычных паттернов мышления – это не одноразовое действие, а непрерывный процесс. Это практика, которая требует осознанности, усилий и готовности выйти из зоны комфорта. Но награда стоит этих усилий: за пределами наших когнитивных клеток лежит мир возможностей – новых идей, глубоких прозрений, творческих решений, которые невозможно найти внутри закрытых систем мышления.

В следующей главе мы рассмотрим, как перейти от фактов к принципам – следующий шаг в развитии открыто-системного мышления, необходимого для подлинного диалога с искусственным интеллектом.

А пока подумайте:

• Какие из описанных паттернов мышления вы замечаете у себя?

• В каких ситуациях ваше профессиональное мышление становится ограничением, а не преимуществом?

• Как вы могли бы использовать искусственный интеллект не как инструмент, а как партнёра в преодолении этих ограничений?

Пятая глава

От вещей к принципам: или как выйти за границы языка

Система понятий, хотя и ограничивает