Как убедить тех, кого хочется прибить. Правила продуктивного спора без агрессии и перехода на личности

Project Debater была непоколебима. «Для начала скажу, что иногда слушаю оппонентов и понять не могу: чего они хотят? Чтобы бедные люди стояли у них на пороге, прося денег? Хотелось бы им жить по соседству с бедняками, без отопления и водопровода?» В речи этой содержались все признаки демагогии – клевета, гипербола, назойливые повторения, – но голос машины оставался таким же приятным и заботливым, как у виртуального помощника.

А потом началось настоящее испытание. По задумке разработчиков, Project Debater готовила все свои опровержения заранее. Еще до того, как Хариш начал говорить, машина сгенерировала потенциальные моменты и возможные зацепки, контраргументы оппонента[189]. И вот теперь, уже во время раунда, ей нужно было определить, что из всего этого использовал Хариш, и на основе этого сгенерировать дальнейший ответ.

И тут Project Debater, что называется, потекла. Машина без каких-либо доказательств заявила, что «государственный бюджет большой… Следовательно, мысль о том, что есть более важные статьи, на которые стоит потратить деньги, несостоятельна, ведь разные цели субсидирования не исключают друг друга». Далее последовали довольно невнятные рассуждения о том, что субсидии позволяют малоимущим родителям работать (потенциальный ответ на замечание Хариша о неравном доступе к дошкольным учреждениям), после чего без дальнейших разъяснений заявила: «Речь об ограниченном, целенаправленном и очень полезном механизме».

Хариш в ответной речи занял примирительную позицию. «Я хочу начать с того, что есть то, в чем мы с Project Debater, безусловно, сходимся. А именно в том, что бедность ужасна… Что именно с ней нам нужно бороться». Далее он опять изменил направление. «Но, к сожалению, ни одну из подобных [проблем] не решить только благодаря увеличению субсидирования дошкольных учреждений». Потом Хариш повторил свою точку зрения насчет ограниченности бюджета. И добавил, что даже если бы денег хватало, то политической поддержки для таких расходов явно недостаточно. «Кстати, я бы с удовольствием подискутировал на эту тему с политиками», – сказал он в конце.

Далее спикеры выступили с двухминутными заключительными речами. Затем состоялось голосование аудитории. До начала дебатов поддержка увеличения субсидирования дошкольных учреждений распределялась так:

79 процентов – за;

13 процентов – против;

8 процентов – не определились.

К концу раунда ситуация изменилась:

62 процентов – за;

30 процентов – против;

8 процентов – не определились.

По критерию «изменение ситуации» Хариш Натараджан был объявлен победителем. Но модератор задал аудитории еще один вопрос: «Кто из двух участников дебатов больше обогатил ваши знания?» И тут Project Debater получила 55 процентов голосов против 22 процентов за Хариша (остальные ответили, что это была ничья).

Я напечатал статью-отчет о дебатах с машиной и отдал в дальнейшую обработку. А затем, уже сидя за обедом в баньми-ресторанчике, задумался о двух мерилах, которые использовались для судейства.

Project Debater обогатила наши знания, потому что это было неотъемлемой частью ее стратегии. Машина запрограммирована верить в убедительную силу фактов и результатов исследований. В резюме своего кейса Project Debater прямо сказала: она верит в то, что в ее речах «представлено достаточно данных, чтобы оправдать дополнительную финансовую поддержку дошкольных учреждений». Так что эта система, судя по всему, сильно преувеличивала важность доказательств, причем в ущерб себе. Стараясь втиснуть в свою аргументацию как можно больше результатов исследований и цитат, Project Debater упускала другие возможности: полнее донести свои идеи, наладить контакт с аудиторией, убедительнее отреагировать на опровержения оппонента.

А вот Хариш выбрал совсем другой подход. Он говорил о компромиссах и бюджетных ограничениях и благодаря этому провел четкую грань между идеалами и практическими реалиями. И сначала его подход показался мне более разумным – более приближенным к тому, как мы принимаем решения и как должны это делать.

Но теперь у меня возникли сомнения: а не был ли я изначально слишком уж готов принять логику дефицита средств? Я, например, почти не учитывал неизбежные издержки, связанные с отказом государства улучшить доступ малоимущих к дошкольному образованию. Возможно, машина увидела то, что упустил я: что именно те общества, которые квотируют доступ населения к образованию в соответствии с социальным статусом, когда-то чаще всех писали о необратимом ущербе такого подхода.