Предсказания дофамина 4 страница

Подавая сигнал тревоги сознанию, ППК одновременно посылает импульс в гипоталамус, регулирующий важные аспекты физических функций. Когда ППК обеспокоена какой-то аномалией — например, неправильной точкой на экране радара, — ее беспокойство немедленно переводится в соматический сигнал и мышцы готовятся к действию. За несколько секунд частота сердцебиения увеличивается и в кровь вбрасывается адреналин. Эти физические ощущения заставляют нас реагировать на ситуацию немедленно. Посредством учащенного пульса и влажных ладоней мозг сообщает нам, что медлить нельзя. С этой ошибкой предсказания нужно разбираться немедленно.

Но ППК не только следит за ошибочными предсказаниями. Она также помогает запоминать, чему дофаминовые клетки только что обучились, чтобы быстро адаптировать ожидания к новым условиям. Она усваивает уроки реальной жизни, следя за оперативным обновлением нейронных цепочек. Если, согласно предсказанию, сок должен был появиться после звука, но этого так и не произошло, ППК проследит за тем, чтобы в будущие предсказания были внесены соответствующие коррективы. Краткосрочное ощущение преобразуется в долгосрочный урок. Даже если обезьяна не знает, что именно запомнила ППК, в следующий раз, когда она будет ждать струи сока, ее мозговые клетки окажутся наготове. Они точно знают, когда появится приз.

Это ключевой аспект принятия решений. Если мы не сможем использовать прошлые уроки для будущих решений, нам придется бесконечно повторять собственные ошибки. Если хирургическим образом удалить ППК из мозга обезьяны, поведение примата станет сумасбродным и неэффективным. Обезьяны больше не смогут предсказывать появление награды или разбираться в окружающем мире. Исследователи из Оксфорда провели изящный эксперимент, выявивший это нарушение. Обезьяна держала джойстик, который двигался в двух направлениях: либо снизу вверх, либо вокруг своей оси. В каждый конкретный момент только одно из этих движений приводило к получению награды (кусочка еды). Чтобы сделать эксперимент еще интереснее, ученые изменяли направление, за которое полагалась награда, через каждые двадцать пять попыток. Обезьяне, привыкшей поднимать джойстик для получения награды, теперь нужно было изменить свою стратегию.

Что же делали обезьяны? У животных с неповрежденной ППК это задание не вызывало никаких проблем. Как только они прекращали получать награду за поднятие джойстика, они начинали поворачивать его в другом направлении. Проблема быстро решалась, и обезьяны продолжали получать еду. Однако обезьяны с удаленной ППК демонстрировали важный поведенческий дефект. Когда их переставали награждать за перемещение джойстика в определенном направлении, они все еще могли (в большинстве случаев) изменить траекторию его движения, как нормальные обезьяны. Однако они не могли продолжать пользоваться этой успешной стратегией и скоро начинали двигать джойстик в том направлении, которое не приносило им награды. Они были не в состоянии понять, как постоянно получать еду и как извлечь из ошибки долгосрочный урок. Так как эти обезьяны не имели возможности усовершенствовать свои клеточные предсказания, простой эксперимент приводил их в состояние безнадежного замешательства.

Люди с генетической мутацией, приведшей к сокращению числа дофаминовых рецепторов в ППК, страдают от схожей проблемы: совсем как обезьяны, они по большей части не способны учиться на негативном опыте. Этот, казалось бы, мелкий недостаток имеет большие последствия. К примеру, согласно исследованиям, люди с такой мутацией имеют гораздо больше шансов попасть в зависимость от наркотиков и алкоголя. Так как им сложно учиться на своих ошибках, они совершают одни и те же ошибки снова и снова. Они не могут изменить свое поведение, даже если оно вредит им самим.

У ППК имеется и еще одна важная особенность, которая в полной мере проясняет ее значение: в ней содержится много клеток очень редкого типа, известных как веретенообразные нейроны. В отличие от остальных клеток нашего мозга, обычно являющихся короткими и кустистыми, эти мозговые клетки длинные и тонкие. Они есть только у людей и человекообразных приматов, и это позволяет предположить, что их эволюция была связана с более высоким уровнем познания. У людей примерно в сорок раз больше веретенообразных клеток, чем у любых других приматов.

Странная форма веретенообразных клеток обусловлена их уникальной функцией: их антенноподобные тела могут передавать эмоции через весь мозг. После того как ППК получает информацию от дофаминовых нейронов, веретенообразные клетки используют свою скорость — они передают электрические сигналы быстрее любых других нейронов — для того, чтобы вся остальная кора головного мозга оказалась сразу же пронизана этим особым чувством. В результате незначительные колебания одного вида нейротрансмитеров играют большую роль в управлении нашими действиями, подсказывая, какие чувства в нас должно пробудить увиденное.

«Скорее всего, в 99,9 % случаев вы даже не подозреваете о выбросе дофамина, — говорит Рид Монтагью, профессор нейробиологии в университете Бейлор. — Но при этом в 99,9 % случаев вы руководствуетесь информацией и эмоциями, которые он передает в другие части мозга».

Теперь мы можем приблизиться к пониманию удивительной мудрости наших эмоций. Активность наших дофаминовых нейронов показывает, что чувства не являются просто отражениями жестко прописанных животных инстинктов. Эти дикие лошади вовсе не своевольны. Напротив, корни человеческих эмоций кроются в предсказаниях очень легко адаптирующихся клеток мозга, которые постоянно меняют свои настройки для того, чтобы лучше отражать реальность. Каждый раз, когда вы совершаете ошибку или сталкиваетесь с чем-то новым, ваши мозговые клетки начинают меняться. Наши эмоции крайне эмпиричны.

Рассмотрим, к примеру, эксперимент Шульца. Когда он изучал своих жаждущих сока обезьян, он обнаружил, что всего лишь после нескольких экспериментальных попыток нейроны обезьян прочно усвоили, когда ожидать награды. Нейроны достигли этого, непрерывно анализируя новую информацию и превращая негативное чувство в полезный урок. Если сок не поступал, дофаминовые клетки адаптировали свои прогнозы. Обманешь меня единожды — стыд тебе и позор. Обманешь меня дважды — стыд и позор моим дофаминовым нейронам.

Тот же процесс постоянно происходит в мозгу человека. Укачивание в транспорте в значительной степени является результатом ошибочных дофаминовых предсказаний: возникает конфликт между типом происходящего движения — например, непривычный наклон лодки — и типом ожидаемого движения (твердая, неподвижная земля). В этом случае результатом могут стать тошнота и рвота. Но спустя немного времени дофаминовые нейроны начинают исправлять свои модели движения, именно поэтому морская болезнь обычно бывает временной. После нескольких ужасных часов дофаминовые нейроны корректируют свои предсказания и обучаются ожидать легкого покачивания морской волны.

Полное разрушение дофаминовой системы — при котором нейроны не способны исправлять свои ожидания с учетом реальности — может привести к психическому заболеванию. Корни шизофрении пока что остаются тайной, но одна из причин, видимо, состоит в избытке определенных типов дофаминовых рецепторов. Это делает дофаминовую систему гиперактивной и неконтролируемой, так что нейроны шизофреника не могут делать убедительные предсказания или соотносить свое возбуждение с событиями в окружающем мире. (Большинство нейролептических препаратов уменьшают активность дофаминовых нейронов.) Так как шизофреники не могут распознавать реально существующие схемы, они начинают воображать неверные. Поэтому шизофреники часто становятся параноиками и оказываются подвержены совершенно непредсказуемым перепадам настроения. Их эмоции утрачивают связь с событиями в реальном мире.

Деструктивные симптомы шизофрении помогают осознать необходимость и точность дофаминовых нейронов. Когда эти нейроны работают должным образом, они служат ключевым источником мудрости. Эмоциональный мозг без труда понимает, что происходит и как извлечь из ситуации максимальную выгоду. Каждый раз, когда вы испытываете радость или разочарование, страх или счастье, ваши нейроны занимаются перестройкой своей цепи, анализируя, какие сенсорные сигналы предшествовали эмоциям. Этот урок затем помещается в память, так что в следующий раз, когда вам придется принимать решение, ваши мозговые клетки будут наготове. Они уже научились предсказывать, что же произойдет дальше.

Нарды — старейшая игра в мире. Впервые в нее начали играть в древней Месопотамии, около 3000 лет до нашей эры. Она была популярным развлечением в Древнем Риме, ее воспевали персы и запрещал французский король Людовик IX как побуждающую к незаконным азартным играм. В семнадцатом веке царедворцы Елизаветы I систематизировали правила игры, и с тех пор нарды мало изменились.

Однако того же нельзя сказать об игроках. Одним из лучших игроков в нарды в мире сейчас является компьютерная программа. В начале 1990-х годов Джеральд Тезауро, программист из компании IBM, начал разрабатывать новый вид искусственного интеллекта (ИИ). В то время большинство программ ИИ основывались на примитивных вычислительных возможностях микросхем. Этот подход был использован в Deep Blue, мощном суперкомпьютере IBM, сумевшем в 1997 году побить шахматного гроссмейстера Гарри Каспарова. Deep Blue мог анализировать более двухсот миллионов возможных шахматных ходов в секунду и, таким образом, имел возможность постоянно выбирать оптимальную шахматную стратегию. (Мозг Каспарова, напротив, мог просчитывать лишь около пяти ходов в секунду.) Но вся эта стратегическая огневая мощь требовала большого количества энергии: во время шахматного матча Deep Blue был пожароопасен и требовал специального охлаждающего оборудования, чтобы не загореться. Между тем Каспаров даже практически не вспотел. Дело в том, что человеческий мозг — прекрасный образец производительности: даже когда он погружен в глубочайшие раздумья, кора головного мозга потребляет меньше энергии, чем электрическая лампочка.

В то время как массовая пресса превозносила потрясающее достижение Deep Blue — машина переиграла самого великого шахматиста в мире, — Тезауро был озадачен ограниченностью ее возможностей. Машина, способная думать в миллионы раз быстрее, чем ее человеческий противник, с трудом выиграла матч. Тезауро понял, что проблемой всех стандартных программ ИИ, даже таких блестящих, как у компьютера Deep Blue, является негибкость. Большая часть интеллекта Deep Blue была заимствована у других шахматных гроссмейстеров, чья мудрость была оцифрована и заложена в его программу. (Программисты из IBM также изучили предыдущие шахматные матчи Каспарова и настроили программу на использование его повторяющихся стратегических ошибок.) Но сама машина не могла учиться. Вместо этого она принимала решения, предсказывая вероятные последствия нескольких миллионов различных шахматных ходов. Ход с максимальной предсказанной «ценностью» был тем, который компьютер в результате и совершал. Для Deep Blue игра в шахматы была просто бесконечной серией математических задач.

Конечно, такой вид искусственного интеллекта не является точной моделью человеческого сознания. Каспаров смог соревноваться на том же уровне, что и Deep Blue, хотя его мозг обладал гораздо меньшей вычислительной мощностью. Удивительная догадка Тезауро состояла в том, что нейроны Каспарова были так эффективны потому, что они сами себя натренировали. Их усовершенствовал многолетний опыт выявления едва различимых пространственных шаблонов на шахматной доске. В отличие от Deep Blue, анализировавшего каждый возможный ход, Каспаров мог сразу взвесить возможные стратегические варианты и сосредоточить свои умственные силы на оценке только самых перспективных из них.

Тезауро решил создать программу ИИ, которая бы действовала как Гарри Каспаров. Для своей модели он выбрал нарды (backgammon) и назвал программу TD-Gammon. (TD, temporal difference, означает «временное различие»). Deep Blue был изначально запрограммирован на игру в шахматы, а программа Тезауро начинала с чистого листа. Сначала ее ходы были совершенно случайными. Она проигрывала каждый матч и делала глупые ошибки. Но компьютер недолго оставался новичком — TD-Gammon был запрограммирован так, чтобы учиться на собственном опыте. Днем и ночью он играл в нарды сам с собой, терпеливо выясняя, какие ходы наиболее эффективны. После сотен тысяч партий TD-Gammon мог выиграть у лучших человеческих игроков в мире.

Как машина превратилась в эксперта? Хотя математические подробности программы Тезауро утомительно сложны, базовый подход крайне прост[13]. TD-Gammon порождал набор предсказаний о том, как будет развиваться игра в нарды. В отличие от Deep Blue, это компьютерная программа не исследовала каждое возможное перемещение. Вместо этого она действовала как Гарри Каспаров и порождала предсказания, основываясь на своем прошлом опыте. Программное обеспечение сравнивало эти предсказания с реальным ходом игры. Выявленные несоответствия становились материалом для обучения, и программа стремилась постоянно сокращать «ложный сигнал». В результате точность предсказаний постоянно росла, и, следовательно, стратегические решения программы становились все более эффективными и разумными.

В последние годы та же стратегия использовалась для решения всевозможных сложных задач от программирования работы групп лифтов в небоскребах до составления расписания полетов. «Эти самообучающиеся программы доказали свою полезность для решения любых задач с, казалось бы, бесконечным количеством возможностей, — говорит Рид Монтагью. — Ведь лифты и самолеты можно распределить в самых разных последовательностях». Самое главное различие между программами обучения с подкреплением и традиционными подходами состоит в том, что эти новые программы сами находят оптимальные решения. Никто не говорит компьютеру, как организовать работу лифтов. Вместо этого он систематически обучается методом проб и ошибок, пока после определенного числа проб лифты не начинают ездить с максимально возможной эффективностью. Ошибки, казавшиеся неизбежными, успешно устранены.

Этот метод программирования довольно точно отражает действие дофаминовых нейронов. Клетки мозга тоже измеряют несоответствие ожидания конечному результату. Они используют свои неизбежные ошибки для повышения производительности, в конечном счете обращая неудачу в успех. Рассмотрим, к примеру, эксперимент, известный как «айовский игровой тест». Он был разработан нейробиологами Антонио Дамасио и Антуаном Бекара. Игра проводилась следующим образом: человеку — «игроку» — выдавалось четыре колоды карт, две черных и две красных, и 2000 долларов на игру. Каждая карта сообщала игроку, выиграл он деньги или проиграл. Общая рекомендация состояла в том, чтобы переворачивать карты из одной из четырех колод и выиграть как можно больше денег.

Но карты были распределены по колодам не случайным образом. Ученые их подтасовали. Две колоды состояли из крайне рискованных карт. Выигрыши там были больше (100 долларов), но штрафы в них тоже были непомерные (1250 долларов). Две другие колоды были сравнительно сбалансированными и умеренными. Хотя выигрыши в них были меньше (50 долларов), они реже штрафовали игрока. Если бы игрок тянул только из этих колод, он бы в результате оказался в неплохом выигрыше.

Сначала процесс выбора оставался совершенно случайным. Не было никакой причины отдавать предпочтение ка-кой-то конкретной колоде, так что большинство людей пробовало брать из каждой стопки, ища наиболее прибыльные карты. В среднем людям требовалось перевернуть около пятидесяти карт для того, чтобы начать тянуть исключительно из прибыльных стопок. И в среднем около восьмидесяти карт уходило на то, чтобы проходивший эксперимент человек смог объяснить, почему он или она отдают предпочтение этим колодам. Логика медлительна.

Но Дамасио интересовала не логика, а эмоции. Все время игры участники эксперимента были подсоединены к компьютеру, который измерял электрическую проводимость их кожи. Обычно более высокие уровни проводимости свидетельствуют о нервозности и беспокойстве. Ученые выяснили, что уже после десятка карт рука игрока становилась более «нервной», когда тянулась к опасной колоде. Хотя сам игрок все еще не очень понимал, какие стопки наиболее прибыльны, его эмоции сформировали вполне определенное чувство страха. Эмоции знали, какие колоды таили в себе риск. Чувства человека разгадали игру первыми.

Пациенты с неврологическими расстройствами, которые не могли испытывать вообще никаких эмоций — обычно из-за повреждений орбитофронтальной коры, — оказались не способны выбирать правильные карты. В то время как большинство выиграло во время эксперимента значительные суммы, эти исключительно рациональные люди часто становились банкротами и вынуждены были брать «ссуды» у проводящего эксперимент. Так как эти пациенты не могли проассоциировать плохие колоды с негативными чувствами — их ладони не проявляли никаких признаков нервозности, — они продолжали брать равное число карт из всех четырех колод. Пока мозг не получит эмоционального укола от проигрыша, он никогда не поймет, как выигрывать.

Как наши эмоции становятся такими безошибочными? Как им удается так быстро научиться определять прибыльные колоды? Ответ возвращает нас к дофамину, молекулярному источнику наших чувств. Проводя айовский тест у человека, которому для лечения эпилепсии делали операцию на головном мозге (пациенту ввели местную анестезию, но он оставался в сознании), ученые из Университета Айовы и Калифорнийского технологического института смогли пронаблюдать за тем, как процесс обучения проходит в реальном времени. Ученые обнаружили, что клетки мозга человека программируются так же, как и TD-Gammon\ они формируют предсказания того, что произойдет, и определяют различия между своими ожиданиями и реальными результатами. В ходе айовского игрового эксперимента, если клеточное предсказание было неверным — например, если игрок выбирал плохую колоду, — дофаминовые нейроны немедленно прекращали возбуждаться. Игрок испытывал неприятное чувство и учился больше не брать из этой колоды (разочарование поучительно). Однако если предсказание было точным — если он вознаграждался за выбор прибыльной карты, — тогда игрок испытывал удовольствие от того, что был прав, и эта конкретная связь оказывалась подкреплена. В результате его нейроны быстро обучились зарабатывать деньги. Они раскрыли секрет выигрыша в этой игре еще до того, как игрок смог понять и объяснить собственное решение.

В этом и состоит ключевой когнитивный талант. Дофаминовые нейроны автоматически определяют едва различимые схемы, которые мы иначе заметить не сможем, они усваивают всю информацию, которую мы не можем осмыслить на сознательном уровне. А затем, составив набор усовершенствованных прогнозов предстоящих событий, они переводят эти предсказания в эмоции. Представьте, к примеру, что вы получили много информации о том, как двадцать различных акций вели себя за некоторый период времени. (Разные курсы акций показывают бегущей строкой внизу телеэкрана, например, на канале CNBC.) Очень скоро вы обнаружите, что вам сложно вспомнить всю финансовую информацию. Если вас спросят, какие акции показали наилучшие результаты, вы, скорее всего, не сможете дать точный ответ. Вы не можете обработать всю информацию. Однако если вас спросят, какие акции вызывают у вас наилучшие чувства, — теперь вопрос задают вашему эмоциональному мозгу, — вы неожиданно для себя сможете определить лучшие акции. Согласно Тилману Бетчу, психологу, который провел этот изящный эксперимент, эмоции «обнаруживают потрясающий уровень чувствительности» к реальному поведению различных ценных бумаг. Акции, которые поднялись в цене, будут ассоциироваться у вас с наиболее позитивными эмоциями, тогда как бумаги, стоимость которых упала, вызовут смутное беспокойство. Эти мудрые, хотя и необъяснимые чувства являются важнейшей составляющей процесса принятия решений. Даже когда нам кажется, что мы ничего не знаем, нашему мозгу что-то известно. Именно об этом нам и пытаются сказать наши чувства.

Это не означает, что можно бездумно полагаться на эти клеточные эмоции. Дофаминовые нейроны должны все время учиться и переучиваться, иначе точность их предсказаний будет снижаться. Чтобы иметь возможность доверять своим эмоциям, мы должны постоянно проявлять бдительность, ведь разумная интуиция является результатом сознательных упражнений. Сказанное Сервантесом о пословицах — «Эти короткие фразы порождены долгим опытом» — также применимо и к клеткам мозга, но только если мы их ими правильно пользуемся.

Возьмем, к примеру, Билла Роберти. Он один из немногих людей в мире, которым удалось стать экспертами мирового класса сразу в трех различных играх (для сравнения представьте себе, что, скажем, Бо Джексон начал бы выступать одновременно в Национальной баскетбольной, Национальной футбольной и высшей бейсбольной лигах…). Роберти — гроссмейстер и бывший чемпион США по быстрым шахматам. Он очень уважаемый эксперт по покеру и автор нескольких популярных книг по Техасскому холдему. Однако наибольшую известность Роберти получил благодаря игре в нарды. Он дважды выигрывал мировой чемпионат по нардам (кроме него это удалось всего одному человеку) и регулярно попадает в топ-10 игроков в мире. В начале 1990-х годов, когда Джеральд Тезауро искал эксперта в этой игре для состязания с TD-Gammon, он выбрал Роберти. «Он хотел, чтобы его компьютер учился у лучшего, — говорит Роберти, — а я и был лучшим».

Сейчас Роберти немного за шестьдесят, у него копна седеющих волос, глаза с тяжелыми веками и очки с толстыми стеклами. Он смог превратить свое детское увлечение шахматами в прибыльную работу. Когда Роберти говорит об играх, в его голосе все еще звучит мальчишеский энтузиазм человека, который до конца не верит в то, что может зарабатывать себе на жизнь, играя. «В первый раз, когда я играл против TD-Gammon, я был под сильным впечатлением, — говорит он. — Он заметно превосходил все остальные компьютерные программы, с которыми я сталкивался. Но я чувствовал, что все равно играю лучше. Однако на следующий год все изменилось. Теперь компьютер стал грозным противником. Он научился играть, играя со мной».

Компьютерная программа достигла мастерства в нардах, изучив собственные ошибки в предсказаниях. Совершив несколько миллионов ошибок, TD-Gammon сравнялся с Deep Blue, способным бросить вызов лучшим противникам среди людей. Однако все эти потрясающие машины имеют одно строгое ограничение: каждый может овладеть лишь одной игрой. TD-Gammon не может играть в шахматы, a Deep Blue — в нарды. И пока ни один компьютер не смог добиться совершенства в покере.

Как же Роберти удалось так хорошо освоить настолько разные игры? На первый взгляд кажется, что шахматы, нарды и покер опираются на совершенно разные когнитивные навыки. Именно поэтому большинство чемпионов по нардам обычно играют только в эту игру, большинство гроссмейстеров не интересуются карточными играми, а большинство игроков в покер не могут отличить латвийский гамбит от французской защиты. И тем не менее Роберти смог преуспеть во всех трех областях. По его словам, его успех объясняется просто. «Я умею учиться, — говорит он. — Я знаю, как сделать себя лучше».

В начале 1970-х годов, когда Роберти был всего лишь шахматным вундеркиндом и зарабатывал на жизнь, выигрывая чемпионаты по быстрым шахматам, он познакомился с нардами. «Я сразу же влюбился в эту игру, — вспоминает он. — Кроме того, на ней можно было заработать больше, чем на быстрых шахматах». Роберти купил книгу по стратегии игры в нарды, запомнил несколько начальных ходов и начал играть. А потом снова играть. И снова. «Нужно стать одержимым, — говорит он. — Необходимо достичь такого состояния, когда игра начинает тебе сниться».

После нескольких лет напряженных тренировок Роберти превратился в одного из лучших игроков в нарды в мире. «Я понял, что начал хорошо играть, когда по одному взгляду на доску уже мог понять, что должен сделать, — говорит Роберти. — Игра начала обретать для меня эстетический смысл. Мои решения все больше зависели от того, как все выглядит: стоило мне только подумать о том или ином ходе, как я уже знал, улучшит он мое положение или ухудшит. Знаете, как искусствоведы смотрят на картину и просто знают, хорошая ли это работа? У меня было точно так же, только моей картиной была доска для игры в нарды».

Но Роберти стал чемпионом мира не просто потому, что много играл в нарды. «Дело не в количестве тренировок, а в их качестве», — говорит он. По его словам, самый эффективный способ улучшить свою игру — сосредоточиться на своих ошибках. Другими словами, нужно сознательно обдумывать ошибки, усвоенные вашими дофаминовыми нейронами. После каждого шахматного матча, партии в покер или нарды Роберти тщательно разбирает произошедшее. Каждое решение оценивается и анализируется. Должен ли он был пойти ферзем раньше? Стоило ли блефовать с парой семерок? Что если бы он раньше собрал все шашки в доме? Даже когда Роберти выигрывает — а выигрывает он практически всегда, — он настойчиво ищет у себя ошибки, анализируя те решения, которые могли быть чуть-чуть лучше. Он знает, что самокритика — ключ к самосовершенствованию, а негативный отзыв — самый лучший. «Это то, чему я научился у TD-Gammon, — говорит Роберти. — Этот компьютер только и делал, что оценивал мои ошибки. И все. При этом он играл так же хорошо, как и я».

Физик Нильс Бор однажды описал эксперта как «человека, который совершил все ошибки, которые только можно сделать в очень узкой области». С точки зрения мозга Бор был абсолютно прав. Мастерство — это мудрость, возникшая из ошибки на клеточном уровне. Ошибки не должны расхолаживать. Наоборот, их нужно выявлять и внимательно исследовать.

Кэрол Двек, психолог из Стэнфорда, несколько десятилетий доказывала, что одной из важнейших составляющих успешного обучения является способность учиться на ошибках. Та стратегия, которую Роберти использует, чтобы добиться успеха в играх, также является важнейшим инструментом научения. К сожалению, детей часто учат прямо противоположному. Вместо того чтобы хвалить детей за то, что они стараются, учителя обычно хвалят их за врожденные умственные способности (за то, что они умные). Двек показала, что такой тип поощрения на самом деле приводит к обратным результатам, так как ученики начинают считать ошибки признаком глупости, а не кубиками, из которых строится знание. Результат прискорбен: такие дети никогда не научатся учиться.

Самое знаменитое исследование Двек охватывало двенадцать школ Нью-Йорка, и в нем приняли участие более четырехсот пятиклассников. По очереди детей вызывали из класса и давали им относительно простой тест, состоявший из невербальных головоломок. После того как ребенок заканчивал тест, исследователи называли ему или ей набранный балл, сопровождая это одной фразой похвалы. Половину детей хвалили за их интеллект. «Ты, должно быть, в этом разбираешься», — говорил исследователь. Остальных хвалили за усилия: «Ты, наверное, очень старался».

Затем ученикам позволяли выбрать один из двух последующих тестов. Первый описывался как более сложный набор головоломок, но детям говорили, что, попытавшись его пройти, они многому научатся. Другим вариантом был простой тест, подобный тому, что они только что прошли.

Когда Двек создавала этот эксперимент, она ожидала, что разные формы похвалы будут иметь сравнительно незначительный эффект. В конце концов, это была всего лишь одна фраза. Но скоро стало ясно: то, как именно похвалили пятиклассника, сильно влияет на то, какой тест он выберет дальше. Из группы детей, которых хвалили за усилия, 90 % выбрали более сложный набор головоломок. А те дети, которых хвалили за интеллект, в основном выбрали более простой тест. «Когда мы хвалим детей за их интеллект, — писала Двек, — мы предлагаем им что-то вроде игры «притворяйся умным и не рискуй, чтобы не ошибиться».

Следующий набор экспериментов, проведенных Двек, показал, как боязнь ошибиться препятствует обучению. Она предложила тем же самым пятиклассникам еще один тест. Он был крайне сложен (изначально он предназначался для восьмиклассников), но Двек хотела посмотреть, как дети будут реагировать на стоящую перед ними трудную задачу. Ученики, которых хвалили за усилия в первоначальном тесте, очень старались решить предложенные задачи. «Они очень увлеклись, — рассказывает Двек. — Многие из них сами говорили: «Этот тест мне понравился больше всего». А дети, которых изначально хвалили за интеллект, быстро опускали руки. Неизбежные ошибки они воспринимали как знак судьбы, как свидетельство того, что, возможно, на самом деле они вовсе не умны. Пройдя этот сложный тест, две группы учеников должны были выбрать: посмотреть на результаты теста тех детей, кто справился хуже, чем они, или посмотреть результаты тех, у кого получилось лучше. Ученики, которых хвалили за интеллект, практически всегда предпочитали улучшить свою самооценку, сравнив себя с теми, кто справился с тестом хуже. Тех же, кого хвалили за усилия, напротив, больше интересовали тесты с более высокими результатами. Они хотели понять свои ошибки, научиться на них и выяснить, как сделать лучше.

На последнем этапе эксперимента детям дали тест такого же уровня, что и самый первый. Тем не менее ученики, которых похвалили за усилия, продемонстрировали значительное улучшение, увеличив свой средний балл на 30 %. Поскольку эти дети хотели испытать себя, даже если поначалу это могло привести к неудаче, они проходили тест гораздо лучше. Этот результат оказался еще более впечатляющим, когда его сравнили с показателями учеников, волей случая попавших в «умную» группу: их оценки упали в среднем почти на 20 %. Пережитая неудача оказалась для «умных» детей настолько удручающей, что они фактически регрессировали.

Не нашли, что искали? Воспользуйтесь поиском: