Но предсказательный механизм не заработает даже после того, как мы загрузим в машину все эти справочные сведения. Информация, имеющаяся у нас, описывает стандартного, обычного человека. Мы не знаем, как поведет себя в данном случае конкретный экземпляр, Кевин. Давайте еще поможем Предсказателю-5000 и дадим ему совокупный инструментарий традиционной модели психического состояния. Например, если мы знаем, что Кевин десять часов не ел, можно предположить повышенную вероятность пожирания пончика. Если знать, что у него диабет, можно предположить, что пончик он есть не станет. Если известно, что у Кевина проблемы с самоконтролем или он сильно рассержен, можно предположить, что повышена вероятность топанья по луже. Уже упоминавшийся философ Дэниел Деннет называет такие знания о человеке интенциональными установками[100]. Глядя на других, мы всегда автоматически задаем себе вопрос: “Могу ли я разгадать мотивацию этого человека, чтобы предсказать, что он будет делать дальше?”
В последнее время исследователи стали строить искусственные системы в попытке решить задачу предсказания поведения, используя интенциональные установки[101]. Чтобы угадать чью-то такую установку, предположительно требуется накопить затейливые знания о человеческой природе – о типичных мотивациях и особенно о выражении эмоций через мимику. Однако я хочу отойти от интенциональных установок и обратить внимание на кое-что попроще, но, как мне кажется, принципиально более важное.
Предположим, я возьму доступную статистическую информацию о человеческом поведении в целом, добавлю к ней сведения о конкретном Кевине и его особой интенциональной установке на сегодняшнее утро и все это загружу в общий набор цифр. Тогда можно будет вычислить вероятность реализации каждого аффорданса в комнате. Съесть пончик: 30 %. Осторожно переступить через лужу: 50 %. Забрать чей-то забытый на полке телефон: 3 %. Я проделал всю подготовительную работу, которая обычно считается сущностью социального познания, и выдал эту информацию Предсказателю-5000. Кажется, я выполнил за него его должностные обязанности.
Тем не менее даже со всей этой загруженной в нее полезной информацией машина все еще не в силах предсказать поведение Кевина в каждый конкретный момент. Ей нужны данные по определяющей скрытой переменной, которая варьирует во времени: куда Кевин направляет внимание. Ресурсы Кевина по обработке данных постоянно перемещаются, двигаются по комнате. В результате этого вероятности действий с пончиком, лужей и телефоном постоянно меняются.