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

«Я думаю, что Хариш победил в живых дебатах по той простой причине, что он действительно более сильный спорщик, чем наша Project Debater, – начал Слоним. – Это, впрочем, вовсе не означает, что мы проиграли бы ему в любых дебатах. Но в большинстве случаев он справился бы лучше. Да, я согласен, что если прослушать дебаты еще раз потом и обдумать их более рационально, то увидишь ситуацию более сбалансированной. Но ведь это состязание структурировано иначе. Дебаты слушают вживую». Далее Слоним напомнил мне, что Project Debater победила оппонента по критерию обогащения знаний аудитории. И объяснил, что первоначальное распределение мнений – 80 процентов в пользу увеличения субсидирования дошкольных учреждений – несколько усложнило для машины победу в тех дебатах.

Сказав это, мой собеседник словно перезагрузился. «А вообще, честно говоря, мне все равно. Думаю, что в каком-то смысле для нас даже лучше, что мы тогда проиграли. Возможно, лучше было бы проиграть с меньшим отрывом. Но месседж был правильный, и я действительно думаю, что это полезный урок». Его команда годами вкалывала над достижением одной-единственной цели: победить чемпиона на дебатах в прямом эфире. Но уже сразу после состязания то, кто победил, интересовало людей куда меньше, чем сам обмен мнениями. «Если смотреть на все это с высоты прошедшего времени, понимаешь, что это было совершенно не важно. Словом, нас волновало не то, что надо».

«Да ладно», – подумал я. В феврале 1996 года компьютер Deep Blue проиграл свой первый шахматный матч гроссмейстеру Гарри Каспарову (Внесен Минюстом РФ в список иноагентов.)

, а через год выиграл реванш. Иногда проигрыш лишь шаг к более значимой победе.

Слоним, кстати, уже знал, на чем его команда сосредоточится, готовя машину к реваншу: на том, чтобы научиться «трогать сердце аудитории». Например, можно запрограммировать ее на поиск точек соприкосновения с людьми, вместо того чтобы сосредоточиваться только на качестве опровержения, или на более непосредственное апеллирование к слушателям. «С технологической точки зрения это не так уж и сложно», – пояснил ученый. Я увидел в его реакции некоторую иронию. Получается, его первая машина для дебатов вышла слишком уж… ну, дебатной. Если конечная цель в том, чтобы убедить аудиторию в своей правоте, то голой атаки и чистой логики недостаточно. Немалую роль играют более мягкие навыки: умение ободрять, сочувствовать, идти на компромисс.

«А можно ли по ходу дела запрограммировать машину на еще более сильную логику, на лучшие навыки опровержения и так далее? Да, все это вполне осуществимо. Над этим можно работать постепенно, и если точно решить, что ты действительно хочешь это сделать, то можно уделить этому еще несколько лет, привлечь достаточно большую команду и в конце концов победить. Так я это вижу».

Пока все это остается на уровне идей. IBM решила отказаться от дальнейших разработок Project Debater как системы для живых дебатов и сосредоточиться на других применениях этой технологии. Например, на сегодняшний день обнародованы планы интеграции возможностей системы в пакет корпоративных ИИ-продуктов. Но компания уже продемонстрировала и социально-гражданские возможности применения этой технологии, например, для сортировки больших объемов комментариев граждан и выявления и передачи перспективных идей тем, кто принимает решения.

За месяц до нашего разговора Слоним и его команда опубликовали в журнале Nature полное описание Project Debater. Кроме объяснений принципов работы, пятьдесят три соавтора попытались дать определение, представителем какой технологии стоит считать их детище. В частности, они отметили, что большинство исследований в области искусственного интеллекта сосредоточены на выполнении дискретной, узко определенной задачи с использованием монолитной системы, обученной конкретно для этой цели. А их Project Debater выполняет более сложную работу, разбивая ее на мелкие этапы, а затем интегрирует решения. Это была система «составного ИИ», или, как выразился Слоним, «аранжировщик» множества живых компонентов.

На момент нашего общения Слоним считал, что единая, так сказать, сквозная ИИ-система для дебатов – та, которая идет прямо от входа к выходу, без использования отдельно разрабатываемых промежуточных шагов, – это перспектива далекая. Такая система потребовала бы огромного количества стандартизированных данных (шахматная система Deep Blue выбрала свой победный дебют из базы данных, в которую входило семьсот тысяч гроссмейстерских игр). Более того, желаемый результат в дебатах настолько сложен, что трудно даже представить, как можно использовать для этого готовые данные. Но все это отнюдь не означало, что Слоним и его команда об этом не думали.