Эффект фрейминга. Как управлять вниманием потребителя в цифровую эпоху?

Отталкиваясь от подходящих ограничений, люди способны определять практически оправданные варианты решений. Это полезно для нас как личностей, но выгода достигается и на уровне общества в целом. Чем эффективнее мы определяем варианты для выбора, достигаем своих целей и влияем на мир в целом, тем больше меняется реальность для других. Например, Томас Эдисон не просто нашел подходящий материал для электрической лампочки, чтобы обеспечить свет себе самому: от его успеха выиграло все общество. Чем активнее люди устанавливают разумные ограничения для своих фреймов, тем лучше нам всем.

Фреймы дают нам возможность понять (благодаря каузальным рассуждениям), действовать (благодаря контрфактическим предположениям), а кроме того, гарантируют, что действия будут значимыми (благодаря ограничениям). Беря мечту в рамки ограничений, мы тем самым делаем акцент на результате, на эффективности. То, чего мы достигаем в своей жизни, оставляет следы, по которым могут пройти другие, – фреймы, которые они смогут принять, приспособить, применить.

В отношении решений, выработанных машиной, это неверно. Мы уже видели, что машины неспособны принимать во внимание причинно-следственные связи и придумывать варианты решения задачи. Кроме того, они не умеют создавать ограничения. Алгоритмы не умеют устанавливать пределы и ограничения сами по себе. На самом деле, это удивительно. В конце концов, принимая во внимание огромную вычислительную мощность, доступную человечеству, за один и тот же промежуток времени машины способны обработать значительно большее пространство решений, причем куда эффективнее и быстрее людей.

Но проблема не в недостатке вычислительной мощности или способности ИИ механически генерировать возможные варианты. Она в том, что еще большее количество вариантов потребует граничных условий и путей перебора, которые ради экономии времени следует отсекать, не рассматривать. Без таких граничных условий машина оказывается перед лицом неограниченного пространства решений и не может прийти к оптимальному решению в отведенное время. Тот факт, что люди и их фрейминг способны справляться с подобными трудностями, подчеркивает превосходство людей в машинную эпоху.

Возьмите для примера музыку. На протяжении десятилетий ученые пытались научить компьютеры писать ее, и в последние годы сгенерированная ИИ музыка стала столь хороша, что зачастую ее невозможно отличить от мелодий, написанных человеком. Но при более тщательном рассмотрении оказывается, что эти системы зависят от человеческих фреймов и ограничений, которые те накладывают. Например, система машинного обучения Coconet, разработанная Чен-Чжи Анной Хуан и другими учеными из Google, обучалась на наборе данных, включающем в себя 306 гармоний из четырехголосных хоралов Иоганна Себастьяна Баха.

Coconet создает музыку, прекрасную на человеческий вкус. Но благодарить за это следует не ИИ, а Баха. Краткость его мелодических линий и богатые гармонии оказались идеальными для использования в качестве учебных данных. Принцип работы системы основан на случайном удалении нот с тем, чтобы модель предсказывала, какие тона подойдут лучше всего. В результате получаются полные гармонические мелодии с плавными переходами, и при этом исходными данными служат всего несколько нот. Тем не менее ИИ работает только потому, что включает в себя ограничения в виде выбора из 306 музыкальных фрагментов, в него заложенных. А сами данные – это музыка Баха из 1700-х годов, представляющая собой его ментальные модели, в которых воплощены сознательно выбранные, «хорошо темперированные» ограничения.

Компьютеры вычисляют, умы воображают. Люди могут приводить свои мечты в соответствие с текущей реальностью и представлять себе новые в той мере, в какой они модифицируют ограничения. Поступая таким образом, можно улучшить мир – не принимать то, что есть, а создавать то, что только может быть.

Каузальность, контрфактическое мышление, ограничения

Очень часто фреймы совершенствуются, когда контрфактические предположения, то есть созданные нами варианты решения, сталкиваются с ограничениями. Наши альтернативные реальности приобретают значимость только тогда, когда мы ужесточаем и смягчаем ограничения, которые считаем самыми важными в данной ситуации. Таким образом возникают новые, самые значительные варианты.

Возьмем в качестве примера индийский стартап Flipcart, главный конкурент Amazon в стране. Он занял 40 % рынка электронной коммерции, что само по себе было настолько выдающимся достижением, что Walmart приобрел контрольный пакет фирмы в 2018 году. Секрет успеха Flipcart заключался не в новом фрейме для продаж онлайн, а в четко выверенном ослаблении одного из основных ограничений электронной коммерции: они разрешили оплату наличными при получении, что идеально отвечало потребностям населения страны, где у многих просто нет дебетовых карт.