Салк нутром чувствовал, что здесь что-то не вполне логично. Если возможно стимулировать иммунитет человека с помощью инактивированных бактериальных токсинов, значит, можно, думал он, использовать и убитый вирус, чтобы вырабатывать у людей невосприимчивость к инфекции. Так что 20 лет спустя после тех двух лекций, когда самые выдающиеся медицинские умы использовали только живые вирусы,
Салк поверил в то, что еще раньше ему подсказывала интуиция, и продолжил работать над вакциной против полиомиелита на основе инактивированного вируса.
Интуиция не подвела Салка. Вакцина работала. Вакцины на основе живых вирусов массово использовались вплоть до 1962 года — еще целых семь лет после того, как была успешно опробована вакцина Салка. Десятки, возможно, сотни тысяч людей были спасены от полиомиелита благодаря его интуиции.
Интуиция оберегает нас от потери времени на разработку неправильного подхода и удерживает внимание нашего разума на том, что важно.
Если вы научитесь прислушиваться к своей интуиции, как это сделал Салк, вы тоже сумеете достичь успеха. Но следует проявлять осторожность.
Опасность интуиции
Если в руках эксперта природное чутье и интуиция могут стать эффективными инструментами, то для менее опытного трейдера они нередко представляют опасность. Одна из причин этого заключается в том, что люди часто подходят к торговле с определенными предубеждениями и сложившимися установками, которые далеко не всегда оправдывают ожидания и нередко приводят к обратным результатам. Взять, к примеру, склонность придавать слишком большое значение новостям. Человек делает определенные предположения о том, в какую сторону пойдет цена того или иного актива, исходя исключительно из собственной интуитивной реакции на новость. Проблема интуитивного суждения такого рода заключается в том, что в его основе лежит заведомо неверное допущение. Ведь на самом деле новости — вовсе не причина движения рынка. Они не формируют рынок, а убежденность в подобном — это упрощенческий взгляд на очень сложное явление.
Трейдер, который исходит из некорректной предпосылки о том, что можно предсказать движения рынка посредством анализа Новостей, столкнется с проблемами. Некорректная предпосылка в сочетании с интуицией приведет к плохим последствиям. Ведь результат успешен настолько, насколько хорош фундамент, на который он опирается.
Неопытные трейдеры обычно применяют определенные методы какого-то гуру. Они часто следуют советам этого гуру, не утруждая себя поисками разумного объяснения того, как работают подобные методы. Они пытаются узнать, что делать на рынке, а не почему и на основании какой методики. Проблема такого подхода заключается в том, что он статичен, то есть не адаптируется к изменяющимся рынкам и не оставляет места для интуиции.
Самый лучший подход — использовать по назначению оба полушария головного мозга.
Левое полушарие позволяет создавать модели и понимать, как устроен мир биржевой торговли, правое же призвано генерировать идеи и распознавать благоприятные возможности.
Чтобы интуиция, за которую отвечает правое полушарие, срабатывала эффективно, в ее распоряжении должен быть полный комплект всевозможных сценариев из левого полушария, позволяющий правильно понять контекст ситуации или явления. Если контекст некорректен, интуитивное прозрение также окажется в лучшем случае безрезультатным.
Это объясняет, почему лучшие трейдеры, торгуя на бирже, используют оба полушария. Правое полушарие головного мозга они обеспечивают моделями, которые понимает и классифицирует левое полушарие посредством тщательного мотивированного анализа. Интуитивный процесс базируется на анализе, который, в свою очередь, гарантирует непредвзятость и объективность, предоставляя трейдеру достаточное количество умозрительных моделей и позволяя ему выносить здравые суждения. Кроме того, аналитическое мышление выполняет функцию оценки и ранжирования, что критически важно для «тренировки» интуиции.
Думайте головой и чувствуйте нутром
Чтобы лучше понять, как тренировать интуицию, рассмотрим процесс развития нейронных сетей, которые обеспечивают связи между нейронами головного мозга. Принцип их работы лег в основу интеллектуальных компьютерных систем. Нейронные сети превосходно позволяют классифицировать и распознавать паттерны, но прежде человек должен развить эти навыки.
Чтобы распознавать паттерны, необходимо подготовить нейронные сети. Этот процесс включает в себя представление нейронной сети образцов тех паттернов, которые нужно научиться распознавать. В процессе обучения в нейронной сети прокладываются связи, которые отражают знания, необходимые для понимания представленного паттерна.
Что такое знание в данном случае? Если вы задумаетесь о процессе, посредством которого ваш мозг определяет, что вы видите (стул или табурет), то сможете составить некое представление о том, как мозг использует знания. Знания о стульях и табуретах — это информация, которую вы используете для того, чтобы понять, что перед вами: стул, табурет или ни то, ни другое. В частности, вы обладаете знанием, что общего у этих двух предметов мебели: и на том и на другом можно сидеть. Вы знаете и их различия: для стула характерны определенная высота, соответствующая размеру типичного стола, а также наличие спинки, в то время как табурет не имеет спинки и, как правило, либо ниже стула и вы можете на него встать, чтобы дотянуться до высоко расположенных предметов, либо выше и используется для того, чтобы сидеть у барной стойки.
Знания в нейронной сети — это идеальные модели, классифицированные в соответствии с системой конкретной предметной области (таксономия), а также отношения между этими моделями. Картинка, которая возникает у вас в голове, когда вы слышите слово «стул», и есть пример идеальной модели. То, благодаря чему вы отличаете стул от табурета, является примером знания вашего мозга об отношениях между идеальными моделями.
Нейронная сеть «обучается», получая новые примеры и сведения о ценности в иерархии внутри определенных категорий. Например, вы можете представить нейронной сети изображение десяти стульев и сказать ей, что это стулья, показать изображение десяти табуретов и сказать ей, что это табуреты, изображение десяти столов и сказать, что это столы. Данный процесс дает нейронной сети возможность выстроить внутренние модели того, что показывают ваши образцы. После тренировки сеть получает внутренние модели, которые представляют свое знание различий между стульями, табуретами и столами.
Таксономия — это система категоризации. Если вы разрабатываете нейронную сеть, которая распознает текст, среди категорий должны быть буквы сами по себе, а также наборы прописных и строчных букв. Один пример следует категоризировать как букву «А», а также отдельно как прописную букву. Другой пример следует категоризировать как букву «с» и строчную букву. Совершенная нейронная сеть обладает достаточными познаниями по каждой категории и способна определять, соответствует ли новый пример определенной категории. Знания, которые необходимы для определения принадлежности того или иного символа данной категории, называются моделью.
Так же, как вы обычно не представляете какой-то особенный стул, встречая слово «стул», модели, которые выстраивает нейронная сеть, не изображаются в виде особых букв, которые попадаются вам в написанном тексте. Вместо этого они представляют собой идеализированную форму каждой буквы. Модель английской буквы S — это идеализированная криволинейная ее форма; она подобна тому, как вы представляете букву S в своем воображении. Чтобы нейронная сеть распознавала букву S, написанную разными шрифтами, имеющаяся модель должна быть достаточно комплексной, чтобы нейросеть могла распознать S среди других букв. Модель не может быть слишком специфической, иначе она не различит S, написанную шрифтом Bookman Old Style, S, набранную жирным Comic Sans MS, и S, написанную Arial Black. Чтобы нейронная сеть функционировала должным образом, в модели, содержащейся в ее нейронных связях, должна быть зафиксирована квинтэссенция буквы в абстрактном смысле.
Представьте, что произойдет с рассматриваемой нами нейронной сетью, если мы покажем ей цифру 5. Сможет ли она найти различие между буквой S и цифрой 5? Это зависит от совершенства модели. Если модель включает в себя концепцию того, что у цифры 5 есть острые углы в верхней части и плавный изгиб в нижней, а у буквы S плавные изгибы имеются и в верхней, и в нижней частях, в модели содержится достаточно знаний для того, чтобы правильно идентифицировать их.
Чтобы научить нейронную сеть должным образом распознавать букву S и цифру 5, требуются примеры, содержащие характеристики, которые проводят различие между двумя символами. Если нейронная сеть обучалась только на примерах с буквами без цифр, она не сможет отличить S от 5. Для эффективного обучения выбор примеров должен быть достаточно широким.
