Быть собой: новая теория сознания - Анил Сет

первичным качествам предмета он относил те, что существуют независимо от наблюдателя, в частности протяженность, плотность, подвижность[124]. Поезд на полном ходу этими первичными качествами обладает в избытке, поэтому лучше под него не прыгать, независимо от того, наблюдаете вы его или нет и каких взглядов на природу восприятия придерживаетесь. Вторичные качества — соответственно те, существование которых зависит от наблюдателя. Это свойства предметов, вызывающие ощущения — или «идеи» — в сознании, и существующими отдельно от объекта их назвать нельзя. Хорошим примером вторичного качества будет цвет, поскольку восприятие цвета зависит от взаимодействия определенного перцептивного аппарата с объектом.

С точки зрения контролируемой галлюцинации вызывать перцептивный опыт в ходе активного, конструктивного процесса могут как первичные, так и вторичные качества объектов. Однако ни в том ни в другом случае содержание этого перцептивного опыта не будет тождественно соответствующему качеству объекта.

Второй контраргумент касается нашей способности воспринимать новое. Может показаться, будто для всего, что нам когда-либо предстоит воспринять, необходимо сформированное заранее наиболее вероятное предположение и поэтому мы навеки заперты в перцептивном мире заведомых ожиданий. Представьте, что вы никогда не видели гориллу — ни в жизни, ни по телевизору, ни в кино, ни даже в книгах, — и вдруг она топает навстречу вам по улице. Я гарантирую, что гориллу вы в этом случае все равно увидите, и это будет новый и, вероятно, довольно пугающий перцептивный опыт. Но как он в принципе возможен в мире заведомых ожиданий?

Вкратце на этот вопрос можно ответить так: опыт «наблюдения гориллы» нельзя назвать целиком и полностью новым. Горилла — это животное с руками, ногами и шерстью, и вы — или ваши предки — непременно видели другие существа с такими же или частично такими же чертами. Если более общо, то горилла — это объект с отчетливыми (хотя и косматыми) контурами, он движется предсказуемым в разумных пределах образом, он отражает свет так же, как другие объекты схожего размера, цвета и текстуры. Новизна опыта «наблюдения гориллы» строится на перцептивных прогнозах, действующих на множестве разных уровней детализации и приобретаемых в течение разных периодов времени — от прогнозов относительно освещенности и очертаний до прогнозов относительно лиц и поз, — совокупность которых формирует новые общие наиболее вероятные перцептивные предположения, и поэтому гориллу вы видите впервые.

Чтобы ответить подробнее, нам нужно больше узнать о том, как мозг выполняет свою невероятно сложную нейронную акробатику, участвующую в перцептивных умозаключениях, этим мы и займемся в следующей главе.

Глава 5

Вероятное неочевидное[125]

Преподобный Томас Байес (1702–1761) — пресвитерианский священник, философ и статистик, проживший большую часть жизни на юге Англии, в Танбридж-Уэллсе, — так и не опубликовал теорему, которой суждено было обессмертить его имя. «Очерки к решению проблемы теории вероятностей» представил в Королевском научном обществе спустя два года после смерти Байеса его коллега — философ-проповедник Ричард Прайс, а значительную часть неподъемных вычислений выполнил позже французский математик Пьер-Симон Лаплас. Однако именно фамилия Байеса останется навеки связана с методом рассуждений, названным «вывод наилучшего объяснения», принципы которого играют главную роль в понимании того, как сознательное восприятие строится на наиболее вероятных предположениях, возникающих в мозге.

Байесовское рассуждение — это рассуждение на основе вероятностей. Если точнее, его суть в том, чтобы делать оптимальные выводы (умозаключения, которые мы до сих пор называли наиболее вероятным предположением) в условиях неопределенности. «Умозаключение» — это уже знакомый нам термин, означающий попросту выводы на основе свидетельств и логики. Байесовский вывод относится к категории абдуктивного рассуждения, которое нужно отличать от дедуктивного и индуктивного. При дедуктивном рассуждении мы руководствуемся только чистой логикой: если Джим старше Джейн, а Джейн старше Джо, значит, Джим старше Джо. Если посылки верны и логические правила применены правильно, дедуктивное умозаключение гарантированно будет истинным. Индуктивное рассуждение — это экстраполяция из серии наблюдений: на протяжении всей обозримой истории солнце вставало на востоке, значит, оно всегда встает на востоке. Индуктивные умозаключения, в отличие от дедуктивных, могут быть ошибочными: первые три шарика, которые я вытащил из сумки, были зеленые, значит, все шарики в сумке зеленые. Этот вывод может оказаться как истинным, так и ложным.

Абдуктивное рассуждение — его разновидность, формализованная байесовским выводом, — состоит в том, чтобы найти лучшее объяснение для ряда наблюдений, когда эти наблюдения неполны, недостоверны и так или иначе сомнительны. Абдуктивное рассуждение, как и индуктивное, тоже может привести к неверным выводам. Процесс поиска «лучшего объяснения» в абдукции можно представить как рассуждение не от причин к следствию, как в случае дедукции и индукции, а «наоборот», от наблюдаемых следствий к наиболее вероятным причинам.

Рассмотрим на примере. Выглянув поутру из окна своей спальни, вы видите, что газон мокрый[126]. Получается, ночью шел дождь? Возможно, а может быть, вы просто забыли выключить разбрызгиватель. Задача — найти лучшее объяснение или гипотезу для наблюдаемого вами положения дел: если газон мокрый, какова вероятность, (1) что ночью шел дождь или (2) что вы не выключили полив? Иными словами, мы хотим вывести наиболее вероятную причину наблюдаемых данных.

Как это сделать, нам укажет байесовский метод. Он предлагает оптимальный способ обновления наших представлений по мере поступления свежих данных. Байесовское правило — это математический рецепт перехода от того, что мы уже знаем (априори), к тому, в чем мы должны увериться в дальнейшем (апостериори), на основании того, что мы узнаём сейчас (условная вероятность). Априорные, апостериорные и условные вероятности часто называют байесовскими «убеждениями», поскольку они представляют собой состояние знания, а не состояние мира. (Обратите внимание, что байесовское убеждение не означает, что убеждены должны быть именно мы лично. Сказать, что наша зрительная кора «убеждена», будто находящийся передо мной объект — это чашка кофе, мы можем с таким же успехом, как сообщить о своем убеждении, что Нил Армстронг высаживался на Луне.)

Априорная вероятность определяется состоянием дел до поступления новых данных. Допустим, вы живете в Лас-Вегасе, и тогда априорная вероятность ночного дождя очень невелика. Априорная вероятность, что вы забудете выключить полив, будет зависеть от того, как часто вы используете разбрызгиватель и насколько вы забывчивы. Она тоже невелика, но все же выше, чем априорная вероятность дождя.

Условная вероятность — это (если брать в широком смысле) противоположность апостериорной. Она формализует рассуждение «направленное вперед», от причин к следствию: если ночью будет дождь или останется включенным разбрызгиватель, какова вероятность того, что газон будет мокрым? Как и априорные вероятности, условные тоже могут варьироваться, но пока давайте исходить