Книга Я, робот - Айзек Азимов

СЕВЕРНЫЙ РЕГИОН:

площадь 18 000 000 кв. миль

население 800 000 000 человек

столица – Оттава

Положение Северного региона было высоким, как в прямом, так и в переносном смысле. Его географическое положение отлично демонстрировала карта, висевшая на стене оттавского офиса вице-координатора Хирама Маккензи. В самом центре карты красовался Северный полюс. Все приполярные области, включая Скандинавский полуостров и Исландию, входили в Северный регион.

Территорию региона можно было приблизительно разделить на две части. Левая часть карты изображала Северную Америку к северу от Рио-Гранде, а правая – то, что было когда-то Советским Союзом. Вместе они составляли средоточие сил всей планеты в начале атомной эры. Великобритания, располагавшаяся примерно посередине между двумя этими территориями, вклинивалась в Европейский регион, а на самом верху карты, очерченные весьма символически, располагались Австралия и Новая Зеландия.

Никакие изменения последних десятилетий не могли скрыть тот факт, что Северный регион оставался экономическим лидером планеты.

Что-то символическое было даже в том, что из всех карт, которые Байерли видел за время своей инспекционной поездки, только на этой была представлена вся Земля: Север не боялся возможной конкуренции и ни от кого не скрывал своего превосходства.

– Это невозможно, мистер Байерли, – угрюмо пробурчал Маккензи, потягивая виски. – Насколько мне известно, у вас нет образования роботехника.

– Нет.

– Хмм… Прискорбно то, что такого образования нет ни у Чиня, ни у Нгомы, ни у Жегешовской. Слишком рано люди укрепились во мнении о том, что Координатору достаточно быть всего-навсего хорошим организатором и человеком широкого кругозора, умеющим общаться с людьми. Нет, в наши дни Координатору неплохо было бы и в роботехнике разбираться – простите, я никого не хотел обидеть.

– А никто и не обиделся. Я с вами согласен целиком и полностью.

– Судя по тому, что вы мне успели рассказать, Байерли, я понял, что вас беспокоят наметившиеся в последнее время сбои в мировой экономике. Я не знаю, какие у вас на этот счет предположения, но позволю себе заметить, что в прошлом бывали случаи, когда любопытные глупцы интересовались тем, что было бы, если бы Машине удалось подсунуть неверные данные.

– И что было бы, мистер Маккензи?

– Ну… – Шотландец сложил на груди руки и глубоко вздохнул. – Все данные проходят через сложнейшую систему скрининга, включающую проверку как людьми, так и компьютерами, так что проблема ошибочной информации не должна бы и возникать. Но это теоретически. Людям вообще свойственно ошибаться, кроме того, их можно подкупить, а любая машина не застрахована от механической поломки. Но главное не в этом. То, что мы называем «неверными данными», в действительности представляет собой некую информацию, противоречащую всем остальным известным Машине данным. Это наш единственный критерий для определения того, что правильно, а что нет. И для Машины тоже. Дайте ей, к примеру, задание составить план сельскохозяйственных работ в Айове с учетом того, что средняя температура воздуха в июле там составляет 57 градусов по Фаренгейту[1]. Машина не примет такую команду. Она не даст ответа! И вовсе не потому, что ей окажутся как-то особенно неприятны именно такие цифры, или потому, что решение в принципе невозможно. Просто, по имеющимся у нее данным, вероятность температуры 57 градусов в июле равна нулю. Вот и все. Машина отвергнет такие данные. Единственным способом заставить Машину принять неверные данные является включение их в состав непротиворечивого единого массива информации, и сделано это должно быть исключительно хитро, тонко – так, чтобы Машина не сумела уловить, что ее обманывают. Либо можно попытаться подсунуть ей такие данные, знания о которых находятся вне компетенции Машины. Первое человеку просто не под силу, а второе… почти не под силу, потому что знания Машины растут с каждой секундой.

Стивен Байерли задумчиво коснулся переносицы двумя пальцами.

– Таким образом, Машину не проведешь. Но тогда как же вы объясните все эти ошибки?

– Дорогой мой Байерли, как видно, вы совершаете обычную ошибку: вы допускаете, что Машина знает все. Позвольте, я опишу вам один случай из личного опыта. В текстильной промышленности высоко ценятся опытные закупщики хлопка. Работа их заключается в следующем: они берут на пробу пучок волокон из случайно выбранного тюка из партии – щупают его, треплют, нюхают, слушают, как он шуршит, пробуют языком – и благодаря таким процедурам в итоге определяют сортность хлопка. Сортов хлопка около дюжины. Закупщик выносит свой приговор, и от этого зависит сумма, на которую заключается сделка. И представьте себе, Байерли, по сей день этих закупщиков нельзя заменить Машиной.

– Но почему? Наверняка ведь анализируемые показатели не слишком сложны для Машины?

– Может быть, и нет. Но о каких показателях вы говорите? Ни один химик-текстильщик не может определить, какие качества хлопка оценивает закупщик, когда щупает пучок волокон. Предположительно он определяет их среднюю длину, насколько они мягки и эластичны, как слипаются, скручиваются одно с другим… Множество признаков, которые опытный закупщик определяет подсознательно, лишь на основании многолетнего опыта. Но количественная сторона такой оценки никому не известна. Нет данных, которые можно было бы заложить в Машину. Даже сами закупщики не в силах ничего объяснить. Спросишь, а они скажут: «А ты что, милок, сам не видишь? Так оно чувствуется».