Во второй половине XIX века Герберт Спенсер вновь обратился к структуре ситуаций, вызывающих смех. По Спенсеру, смех может быть вызван различными чувствами, не всегда приятными (сардонический и истерический смех). Сильные эмоциональные встряски приводят к накоплению избытка нервной энергии. Волна энергии ищет выхода и в первую очередь освобождается через те мышцы, которые из-за малой массы обладают малой инертностью: мышцы рта, мимические мышцы, речевой аппарат, дыхательную мускулатуру. Если этих каналов оказывается недостаточно для разрядки нервной энергии, то используются и другие двигательные каналы, и все тело начинает подергиваться в судорогах. Таков механизм смеха, вызываемого простыми чувствами. Смех при восприятии комического Спенсер объясняет по-другому. Комическое непременно означает какую-то несовместимость, но эта несовместимость должна носить нисходящий характер. Иными словами, в комической ситуации мы ждем чего-то большого, а обнаруживаем маленькое. Это и есть нисходящая несовместимость. В противном случае если вместо ожидаемого маленького обнаруживается неожиданно большое, то возникает чувство удивления от восходящей несовместимости.

Быть может, иным признанным остроумцам покажется обидным, что их «священный дар» пытаются разложить на элементарные операции, почти анатомировать. Однако что же можно возразить против права человеческой мысля вторгаться даже в такие заповедные области психики, как остроумие и юмор?

«Было бы стыдом для человека, если бы области материального мира, как моря и звезды, были неизмеримо расширены, изучены и истолкованы, в то время как области умственного мира, напротив, были бы ограничены тем, что было открыто древними»[38]. Добавим еще, что недостаточное знание собственной психологии может превратиться в серьезное препятствие па пути познания человеком окружающего мира.

Итак, нас прежде всего интересуют алгоритмы мышления. Но почему мы обратились к поискам алгоритмов остроумия? Ведь это не единственный из возможных путей.

Ньюэлл, Саймон и Шоу^{12} изучают алгоритмы мышления в процессе решения человеком задач по математической логике. Гелернтер с сотрудниками изучают алгоритмы мышления в процессе доказательства теорем, евклидовой геометрии. В. Н. Пушкин исследовал алгоритмы мышления при решении шахматных задач. Причем все эти исследователи довели свою работу до уровня, когда найденные алгоритмы мышления могут быть выражены на строгом языке программ, которые можно «проиграть», то есть проверить на вычислительной машине. Однако описание психических явлений формализованным математическим языком и «проигрывание» на вычислительной машине не могут сами по себе быть целью работы.

Против переоценки роли математики предостерегал еще Н. Винер.

Уместно также вспомнить, что академик А. Н. Крылов, выдающийся математик, настойчиво повторял слова Т. Гексли: «Математика, подобно жернову, перемалывает то, что под него засыпают, и как, засыпав лебеду, вы не получите пшеничной муки, так, исписав целые страницы формулами, вы не получите истины из ложных предпосылок».

Сами по себе математические методы записи не приблизят нас к истине. Нужно прежде всего заботиться о качестве той «засыпки», которую мы собираемся перемолоть на мельнице математической обработки. Продолжая метафору Гексли, следует сказать, что математическая обработка поможет быстро и верно отличить лебеду от полноценного пшеничного зерна — обстоятельство более чем существенное. На символическом языке, по словам Р. Карнапа, «легче и точнее проверить строгость и правильность того или иного вывода».

Таким образом, символическое представление выделенных нами приемов и их моделирование на электронно-вычислительной машине явится лишь верификацией, проверкой доброкачественности той «засыпки», о которой идет речь в книге. По результатам моделирования потребуется внести поправки и уточнения в предложенную классификацию, либо понадобится ее переработать, либо отбросить и заменить другой классификацией. Последняя возможность не исключена.

Всякая классификация временна и условна. Углубляются наши познания — и меняются классификации, поскольку они отражают не только объективную реальность, но и уровень нащих знаний об этой реальности.

Нам кажется, что изучение алгоритмов мышления не должно ограничиваться двумя-тремя классами задач. Фронт исследований должен быть как можно шире.

Тогда мы будем в состоянии ответить на немаловажный вопрос: можно ли правила мышления, выработанные при решении одного класса задач, с успехом применить к решению задач совсем в другой области? Интуитивно ясно, что да, можно. Но следует это доказать на конкретных примерах.

Мы обратились к изучению алгоритмов мышления при создании остроты. Это не случайно. Нас интересует взаимодействие чувства и мысли, а нигде, как нам кажется, не проявляется столь демонстративно неразрывное единство мысли и чувства, как бэтой специфической области словесного поведения.

Правда, задачи исследования в этой области трудны и неблагодарны. Мы писали, что остроту можно рассматривать как элементарную модель творческого акта. Но слово «элементарную» не должно ввести нас в заблуждение. Творческий процесс очень сложен в любых своих проявлениях. Не каждому дано открыть закон природы или изобрести новый механизм. Острота — наиболее распространенный акт творчества, наиболее общедоступный и простой, но все-таки еще достаточно сложный. А всеобщее мнение заключается в том, что на современных электронно-вычислительных машинах можно моделировать лишь простейшие психические функции человека; за сложные лучше пока не браться.

Оправдана ли такая чрезмерная осторожность? Сошлемся на один пример, который кажется нам весьма поучительным. Речь пойдет о работах Кларксона.[39]

Кларксон — представитель молодого поколения американских ученых, которые получили разностороннюю подготовку и являются специалистами в области психологии, вычислительной техники и программирования. Он задался целью промоделировать мышление финансового работника, опытного и квалифицированного руководителя одного из банков, человека, на обязанности которого — принимать благоразумные и наивыгоднейшие решения о покупке акций, о вложении (инвестиции) капитала в ту или иную отрасль промышленности.

Мы уже привыкли к высказываниям, что современные вычислительные машины моделируют лишь простейшие психические функции мозга, а сложная интеллектуальная деятельность, где огромную роль играет интуиция, машинам пока недоступна. Точно так же считали и коллеги Кларксона. Они скептически отнеслись к планам молодого ученого, причем доводы их выглядели довольно вескими: опытный банковский работник, давая совет своим клиентам о покупке тех или иных акций, руководствуется знанием финансового дела вообще, состоянием биржи, рыночной конъюнктурой, тенденциями подъема или спада в дайной отрасли промышленности. При этом он опирается на свой богатый опыт, у него есть особое финансовое «чутье». Все это слишком сложно. Недаром эти люди так высоко оплачиваются — их интеллектуальная деятельность считается весьма квалифицированной.

Но Кларксон не послушал скептиков. Он добился разрешения и три месяца провел в кабинете финансового «туза», внимательно приглядывался и прислушивался ко всему, записывал, размышлял и наконец пришел к выводу, что опытный финансист, давая советы клиентам банка о вложении капитала, учитывает всего 14 факторов.

Например, в банк обратилась вдова 46 лет, мать троих детей. Она хочет поместить капитал наилучшим образом, причем максимум прибыли ей нужен немедленно, сегодня же надо дать образование детям, платить за обучение в колледже. А если через 7 — 10 лет доходы снизятся, то это для нее не так важно.

А вот обращается одинокий пожилой мужчина. Он пока работает и в деньгах не нуждается. Но через 5 лет собирается выходить на пенсию и хочет отправиться путешествовать — повидать мир. Значит, ему нужны акции, которые пока пусть и не дают высоких дивидендов, по имеют хорошие перспективы через 4–5 лет.