NB: Skrevet av Espen Folmo i 2008 (på en tid hvor mannesket fortsatt slo maskiner i sjakk – og Go). Innholdet er likevel like relevant i dag.
Den japanske admiral Isoroku Yamamoto regnes som en av de største sjøkrigsstrateger i historien, dette til tross for at slagplanen hans under slaget ved Midway i slutten av Andre verdenskrig førte til et stort nederlag, en japansk ydmykelse, som av mange anses for å være selve vendepunktet i Stillehavskrigen. Yamamoto er ikke enestående i en slik paradoksal dobbeltrolle. I mange tilfeller viser det seg å være kort vei mellom suksess og katastrofe, og lederne som er ansvarlige for å ha tippet vekten i den ene eller den andre retningen, foretar en rekke valg underveis som er så komplekse at ingen logikk kan gi noen endelig begrunnelse for dem. Ettersom man i krisesituasjoner trenger en leder som er ekspert, og som kan treffe valg ut fra en høyere mønstergjenkjennelse, øker også sannsynligheten for at nettopp disse valgene, dersom de er ukloke, får skjebnesvangre følger. Hva må til for å sikre at prosessen som fører frem til lederens beslutning luker ut så mange kognitive feller som mulig?
Den vitenskapelige litteraturen på dette området er omfattende, og sentralt i denne står for eksempel Irving Janis' "groupthink"-konsept (1983). Groupthink er relevant for den japanske planleggingsprosessen av slaget ved Midway, blant annet fordi Yamamoto i de forberedende krigslekene (wargames) nektet soldatene sine å spille ut fiendens mest fordelaktige strategier:
When the officers playing the red team (American forces) chose tactics that exposed weaknesses in the battle plan, the umpire, Admiral Yamamoto's chief staff, ruled against them.[...] The game’s umpire ruled that these tactics were impossible, reversed the damage, and insisted that the red team follow a plan closer to the one the Japanese navy was expecting (Finkelstein, Whitehead & Campbell, 2008, s. 57–58.)
Yamamoto ville med andre ord bare spille ut den planen han selv forventet at amerikanerne ville følge. Det kan argumenteres for at denne situasjonen faller under Janis' femte symptom på groupthink: "Direct pressure to conform placed on any member who questions the group, couched in terms of 'disloyalty'" (1983). Her vil vi likevel velge å se bort fra dette aspektet, og fokusere på den mer logiske og matematiske siden ved Yamamotos lederstil. Vi vil søke å vise at saboteringen av disse krigssimuleringene kanskje var et av Yamamotos største feilgrep. Til admiralens forsvar vil vi deretter argumentere for at en god leder er nødt til å foreta valg som ofte kan virke ulogiske. Yamamoto gjorde med andre ord det Finkelstein et al. (2008) mener dyktige ledere oftest gjør, nemlig å følge en intuitiv plan. Vi vil blant annet bruke sjakk som arena for å finne støtte for dette standpunktet.
Kalkulering og mønstergjenkjenning
En av grunnene til at vi i krisesituasjoner gir roret til én kommandant, er antakelsen om at enkelte individer har utviklet evner andre ikke har:
Our civilization has always recognized exceptional individuals, whose performance in sports, the arts, and science is vastly superior to that of the rest of the population. Speculations on the causes of these individuals' extraordinary abilities and performance are as old as the first records of their achievements. (Charness, Tuffiash, Krampe, Reingold & Vasyukova, 2005, s. 363.)
Studiene til Charness et al. (2005) antyder at en ekspert har brukt minst 10.000 timer over mer enn 10 år på å nå sitt kunnskapsnivå. Hvis vi ser bort fra fysiske prestasjoner og fokuserer på det kognitive perspektivet, kan det se ut til at noe av det viktigste en ekspert utvikler under sin trening, er en automatisering av en rekke tankeprosesser. Den akademiske litteraturen om forskjellen på hjerneaktivitet hos sjakkspillere på ulike nivåer kan brukes til å illustrere og underbygge dette argumentet: Blant amatørspillere ser det ut til at det først og fremst er medial temporallapp og hippocampus som aktiveres, noe som tyder på at mye ny informasjon om sjakkbrettet analyseres og innkodes i kort- og langtidshukommelsen. Dette står i kontrast til hjerneaktivering hos ekspertspillere:
[A]mong expert chess players, chess playing seems to involve the activation of the frontal lobe suggesting higher-order reasoning and the utilization of expert memory chunks from well-organized chess knowledge memory stores. (Bart & Atherton, 2003, s. 2.)
Hva skiller disse to måtene å tenke på, og hvorfor er den ene sterkt korrelert med bedre prestasjon på sjakkbrettets 64 felter? For å svare på dette må vi først se hvordan en datamaskin evaluerer et sjakkbrett. En datamaskin har ikke det vi kaller mønstergjenkjennende tenkning – "(...) memory chunks from well-organized chess knowledge memory stores" (Atherton et al. 2003). Computeren følger utelukkende en programmert algoritme som matematisk vurderer brikkenes stilling i en gitt posisjon, og som deretter kalkulerer tilsvarende numeriske verdier for en rekke tenkelige trekk som logisk kan følge fra denne posisjonen. For hver slik "tankerekke" sammenlikner den deretter de numeriske verdiene, og ser om stillingen er blitt bedre eller verre ifølge algoritmen. Dette gjør at mesterspillere snakker om anticomputersjakk, som innebærer at spilleren tvinger maskinen inn i posisjonelle og taktiske (i motsetning til strategiske) stillinger for å dra nytte av menneskets overlegne evne til å se mønstre. I mer skarpt spill (strategisk), hvor maskinen kan se uventede trekk og kombinasjoner, er derimot mennesket underlegent. Hvis man tenker seg at den underliggende taktikken er hovedveien man kjører på, er strategien alle de små unnvikelsesmanøvrene bilen gjøre for å svinge unna steiner, hull i veien, fotgjengere og så videre. Et eksempel på en stilling hvor en sjakkcomputer typisk ikke har regnekraft til å "oppdage det underliggende mønsteret" er vist i figur 1 (se figur nedenfor).
Figur 1: Eldre sjakkcomputere slo det sorte tårnet i posisjonen over – og taper derved en uavgjort stilling: partiet er i figurstillingen remis, uavgjort, fordi de sorte og hvite troppene er atskilt av bondekjeden. Nyere maskiner blir programmert til ikke å slå brikker i liknende situasjoner, men uten denne eksplisitte instruksen taper maskinen. (Bildet er et problem av William Hartston og er hentet fra en artikkel av Jane Seymore og David Norwood (1993, s. 23).
Maskinen (hvit) følger algoritmen, og ser at stillingen blir bedre i en hel del trekk fremover dersom den slår det sorte tårnet. Ettersom den må regne et svimlende antall trekk fremover for faktisk å se at stillingen blir drastisk forverret ved å slå det sorte tårnet, klarer ikke engang maskiner som kalkulerer seks millioner trekk per sekund å "se" at trekket fører til tap i en uavgjort posisjon. Derfor programmeres i dag en del slike regler inn i maskinens algoritme: "So, both computers and humans must search selectively among the alternatives using a variety of heuristics (Newell & Simon, 1972) to decide when a node reached in search can be properly evaluated" (Gobet & Charness, 2006, s. 5). Likevel kan mennesket dra nytte av sin evne til umiddelbart å se konsekvensen av å slå eller ikke slå det sorte tårnet i stillingen over, fordi det er begrenset hvor mange slike regler sjakkprogrammerere klarer å legge inn i programvaren, og fordi en rekke trekk faktisk ikke kan forklares ved hjelp av noen generell algoritme (jf. argumentet om Gödels teorem i avsnittet "Kraften i simuleringer belyst ved logikkens ufullstendighet"). Mange sjakkmestre har vunnet avgjørende partier nettopp fordi de har gjort trekk de der og da ikke har kunnet forklare (for eksempel Fischer, Tal og Carlsen). Dette er også trekk en datamaskin svært sjelden klarer å regne seg frem til, fordi de er basert på mønstergjenkjennelse, ikke på regnekraft. Den tidligere verdensmesteren Garry Kasparov uttalte for eksempel til CNN (10. februar 2003) etter å ha spilt uavgjort med maskinen Deep Junior: “I think people recognize that chess offers a unique field to compare man and machine. It's our intuition versus the brute force of calculation”. Calderwood, Klein & Crandall (1988) har funnet støtte for hypotesen om at sjakkmestre har mindre hjerneaktivitet enn den gjennomsnittlige utøver mens de spiller, altså at deres beslutninger for det meste er ubevisste prosesser. Denne konklusjonen er blant annet basert på den observasjonen at sjakkeksperter – i motsetning til spillere med lavere rating – spiller tilnærmet like godt med svært kort, som med lang, betenkningstid:
Gobet and Simon (1996) presented data to support their view that pattern recognition is much more important, because when Gary Kasparov had to play chess fairly rapidly (an average of less than a minute per move) in timed simultaneous-chess exhibitions against masters, the rated quality of his play did not suffer greatly, compared to that in serious, slow tournaments (an average of about 3 min per move). The international ELO system (...) provided an objective method of calculating ratings. (Chabris & Hearst, 2003, s. 638).
Atherton, Zhuang, Bart, Hu, & He (2003, s. 26) vektlegger at fMRI-studier av sjakkspillere gir helt ny og viktig kunnskap, man at det er farlig å trekke for entydige konklusjoner før det foreligger nok data på området. Sjakkspillere har vært gjenstand for oppmerksomhet i et halvt århundre, men det er først det siste tiåret ny teknologi har åpnet for empiriske studier av slike høyere mentale prosesser.
Den intuitive leder
Vi har sett at mønstergjenkjennelse utviklet ved årelang trening er overlegen en mer vanlig, rasjonell logikk under tidspress, fordi den tar snarveier til konklusjoner man enten ikke vil kunne nå, eller som det vil ta svært lang tid å komme frem til ved å følge rasjonell logikk. Store ledere kan derfor se ut til å ha et sterkt intuitivt aspekt felles, noe også Finkelstein et al. argumenterer for: "We believe that leaders, like Admiral Yamamoto, when facing an important decision, use a mainly unconscious process involving pattern recognition and emotional tagging both to assess the situation and to identify a suitable action plan" (2008, s. 70). En svensk studie av 16 brigadeoffiserer gir også støtte til dette standpunktet: "The results indicate that team leaders tended to be more spontaneous and less rational, dependent and avoidant in their style configuration than their team members" (Thunholm, 2009, s. 317). Thunholms studie baserte seg på et instrument utviklet av Scott & Bruce i 1995 for å måle fem ulike lederstiler:
- A rational style emphasizes "a thorough search for and logical evaluation of alternatives."
- An avoidant style emphasizes postponing and avoiding decisions.
- A dependent style emphasizes "a search for advice and direction from others."
- An intuitive style emphasizes "a reliance on hunches and feelings."
- A spontaneous style emphasizes "a sense of immediacy and a desire to get through the decision-making process as soon as possible." (Scott & Bruce, 1995).
Det er mye som tyder på at Yamamotos lederstil faller inn under den intuitive lederstil-kategorien. Yamamoto hadde da også svært godt grunnlag for sine intuitive valg i kampene mot de allierte: "Yamamoto, and other senior naval officers had spent considerable time in the United States; in fact, half of all IJN officers with the rank of captain or above had served abroad, most of them in Britain or the United States" (Snyder, 1991, s. 133). Mye av kjernen i Yamamotos beslutning ved Midway var altså hans gode kjennskap til USA, og hans mønstergjenkjennelse var muligens grunnlaget for konklusjonen han trakk:
As Yamamoto remarked to a colleague, the “fact that [the United States] has brought a great fleet to Hawaii to show us that it’s within striking distance of Japan means, conversely, that we’re within striking distance too. In trying to intimidate us, America has put itself in a vulnerable position. If you ask me, they’re just that bit too confident.” (Agawa, 1979, s. 227–228).
Dette kan teoretisk sett ses som en tankefeil hvor man antar at fremtiden vil bygge på fortiden: "Bayesian inference is used to infer the probability of a hypothesis or the probability of a state of the world, based on previously collected evidence or data (Busemeyera & Pleskac 2009, s. 129). Men ettersom enhver mønstergjenkjennelse stort sett er basert på denne antakelsen er det mer hensiktsmessig å anse Yamamotos manglende interesse for utfallet av krigssimuleringene som et utslag av simulasjons-heuristikk: Det er enkelt å se for seg at ting kan gå, eller kunne gått, annerledes. Vi vil i avsnittet under forsøke å belyse Yamamotos styrker og svakheter som intuitiv leder ved å se hvordan utfallet av simuleringer aldri må undervurderes.
Kraften i simuleringer belyst ved logikkens ufullstendighet
Den Harvard-utdannede Yamamoto gjorde en alvorlig feil da han overså problemene soldatene fikk da de simulerte strategien hans. Som leder løste han problemene ved å endre reglene, og ved å forby de som representerte fienden i krigsleken å gjøre de beste trekkene. Det virker sannsynlig at denne håndteringen var en viktig grunn til det japanske nederlaget.
Dersom Yamamoto hadde kjent til beviset den 25 år gamle tsjekkiske matematikeren Kurt Gödel publiserte i 1931, ville han muligens visst hvorfor han ikke skulle undervurdere kraften av en simulering: Ved å skrive en sann setning som selv sier at den lyver, i matematisk formalspråk, viste Kurt Gödel noe så, i ordets dobbelte forstand, uhørt i vestlig kultur, som at det ikke finnes noe system som kan bevise seg selv.
La oss besvare dette spørsmålet ved å se på noe Chris Langton oppdaget i 1986. Langton lagde en enkel algoritme, en regel, for hvordan en "maur" i et kvadratsystem skal oppføre seg. Regelen består rett og slett bare av de to følgende punktene:
- At a white square, turn 90° right, flip the color of the square, move forward one unit
- At a black square, turn 90° left, flip the color of the square, move forward one unit
I motsetning til Yamamotos angrepsplaner, ser jo dette barnslig enkelt ut, og man skulle tro at maurens bevegelser lett kan forutsies.
Men der er svaret negativt. Faktisk er det som skjer når man simulerer denne enkle regelen så avansert, at det ikke finnes noen algoritme i hele universet som kan predikere maurens atferd ved å se på reglene i seg selv. La oss se hvordan mauren vil bevege seg når vi simulerer reglene ved å kjøre programmet:
Figur 2: Langtons maur. På figuren er sort og hvitt erstattet med rødt og sort.
Vi ser altså at mauren går i den samme loopen en lang stund (omtrent 10.500 ganger) i kjernen nede til høyre, før den plutselig "bestemmer seg" for å skyte ut i en tilsynelatende evig loop (bestående av 106 trekk) rundt en rett linje bort fra startpunktet.
The ant may be seen as a cellular automaton [...] or as the head of a two-dimensional Turingmachine. Interesting behavior follows: a single ant, starting with all cells in to-left state, has a more or less symmetric trajectory in the first 500 steps; then it goes seemingly randomly for about 10,000 steps, until it suddenly starts building an infinite diagonal “highway” (a periodic motion with drift). (Gajardo, Moreira & Goles, 2002, s. 41.)
Det finnes altså ingen annen måte å finne ut dette på enn ved å kjøre programmet. Dette kan man, dersom man er like logikkyndig som den britiske matematikeren Alan Turing, utlede fra Gödels teorem. Turing har nemlig, enkelt forklart, et bevis for at det ikke finnes noen algoritme/program som kan predikere utfallet av et sett slike programregler.
Det betyr helt enkelt – og for mange er det overraskende – at det ikke finnes noen annen måte å forutse utfallet av et sett regler på, enn ved å gjøre en simulering. Et godt råd til en god leder er derfor å gjøre så realistiske simuleringer som mulig, og å ta utfallet av disse på alvor.
Logikk var en stor oppdagelse i antikken, innsikten om at det finnes logiske lover, altså lover for gyldig tenkning, som ble antatt å gjelde alle mennesker til alle tider, gjorde at man kunne vinne viktige slag på filosofiens arena. Aristoteles' tre logiske lover torpederte blant annet sofistenes tomme retorikk:
1: A=A
2: A≠B
3: A≠A+B
Aristoteles’ tre lover dannet grunnlaget for logisk tenkning helt frem til Hegel, og regnes fortsatt av mange som innlysende aksiomer. Men heller ikke denne logikken unnslipper ufullstendighetsprinsippet (Gödel), for loven om at A≠A+B, er for eksempel bare gyldig så lenge vi opererer med et endelig tallsett. Likningen x+1= x er ifølge Aristoteles’ lov usann så lenge x er endelig. Dersom x derimot er uendelig, kollapser loven – uendelig + 1 er fortsatt bare uendelig. Loven kollapser også dersom B i formelen er null (1=1+0 er sant, men skulle ifølge antikkens store logiker Aristoteles vært usant).
Yamamoto hadde på en eller annen måte en slags kunnskap om dette, for hans strategier var ofte ulogiske – hans tidligere operasjoner er eksempler på det – noe som merkelig nok ikke trenger være en svakhet. Grunnen til dette er at man, selv om man skulle hete Aristoteles, ikke klarer å lage logiske lover som overgår aksiomene de er basert på. Grekerne hadde for eksempel ikke tallet null, og derfor så loven A≠A+B sann ut for dem. Det kan være interessant å bemerke at den klassiske, indiske logikken har fire logiske lover, hvorav de fleste vestlige mennesker vil kalle minst tre av dem rene paradokser. Likevel har lovene eksistert i flere tusen år, og dersom vi tenker på denne logikken som et evolverende mem, så er det urgamle tetralemmaets eksistens i seg selv argument godt nok for det neste rådet til en god leder: En god leder bør i tråd med Yamamoto tørre å gjøre tilsynelatende ulogiske valg.
Diskusjon
En leder vil aldri kunne bli allvitende, og utfallet i de fleste situasjoner avhenger ikke alene av hans eller hennes strategiske og taktiske valg – de avhenger også av situasjonen. En god leder vet at han/hun ikke er gud, og er derfor åpen for at uventede ting kan skje. En god leder må altså være fleksibel, og kunne endre planene sine når det oppstår uventede situasjoner. Det kan for eksempel se ut til at det var flere vesentlige faktorer enn Yamamotos lederskap som førte til nederlaget ved Midway. Alan Turing løste tyskernes såkalte "Enigma-kode, noe som skapte store problemer for nazistene, og det kan se ut som Yamamoto ble utsatt for noe av det samme:
Unfortunately for Yamamoto, something extraordinary had happened. The worst fear of any commander is for an enemy to learn his battle plan in advance, which was exactly what American cryptographers had done, thanks to breaking the Japanese naval code D (known to the U.S. as JN-25). (http://en.wikipedia.org/wiki/Isoroku_Yamamoto#The_Battle_of_Midway.2C_June_1942)
Yamamoto var, som vi har sett, antakelig en intuitiv leder (Scott & Bruce, 1995), og hans beslutningsprosesser var derfor stort sett basert på ubevisste prosesser. Dette er i tråd med Kleins (1999) naturalistiske studier av eksperter på en rekke områder. Dette kjennetegner altså alle gode ledere, men for Yamamoto og Japan ble dette et tveegget sverd under slaget ved Midway. Admiralen hadde våget å stole på sin intuisjon, noe en leder må gjøre: En ekspert besitter kunnskap som overgår ren logikk. Sjakkcomputeren "Deep Blue" kalkulerte 200 millioner posisjoner per sekund, likevel tapte den 4–2 mot Garry Kasparov i 1996. Maskinen skapte sensasjon da den slo den regjerende verdensmesteren i ett av de totalt seks partiene (10. februar 1996). Dagens beste maskiner regner tre ganger så mange trekk som "Deep Blue" per sekund, likevel klarer ikke disse maskinene å utkonkurrere menneskets intuitive heuristikker og mønstergjenkjennelse.
Det er svært vanskelig å gi noen endelige råd om hvordan man kan unngå situasjoner som den ved slaget ved Midway. I denne artikkelen har vi allikevel forsøkt å vise at en god leder må handle intuitivt, men at simuleringer av disse valgene antakelig er det kraftigste verktøyet for å skue inn i fremtidens potensielle utfall. Med ny datateknologi kan slike simuleringer i dag gjøres langt bedre enn det var mulighet for på Yamamotos tid. Likevel kan en datamaskin aldri erstatte den menneskelige evne til å gjenkjenne mønstre, og viktige beslutninger under stort tidspress er derfor helt avhengig av kognitive heuristikker. Eksperter, som Yamamoto, har brukt mange år på utvikle en intuitiv evne til slik mønstergjenkjennelse, og vi har ofte ikke annet valg enn å vise dem tillitt i krisesituasjoner.
Referanser
Agawa, H. (1979). The Reluctant Admiral: Yamamoto and the Imperial Navy (J. Bester, Trans.). New York: Kodansha International Ltd.
Atherton, M., Zhuang, J., Bart, W. M., Hu, X., & He, S. (2003). A functional MRI study of high-level cognition. I. The game of chess. Cognitive Brain Research, 16, 26-31.
Bart, W. M. & Atherton, M. (2003). The neuroscientfic basis of chess playing: Implications for the development of talent and education. Paper presented at the annual meeting of the American Educational Research Association, Chicago, IL.
Busemeyera, J.R., & Pleskac, T. J. (2009). Theoretical tools for understanding and aiding dynamic decision making. Journal of Mathematical Psychology, 53, 126-138.
Calderwood, R., Klein, G.A., & Crandall, B.W. (1988). Time pressure, skill, and move quality in chess. American Journal of Psychology, 100, 481-495.
Chabris, C.F., & Hearst, E.S. (2003). Visualization, pattern recognition, and forward search: Effects of playing speed and sight of the position on grandmaster chess errors. Cognitive Science, 27, 637-648.
Charness, N., Tuffiash, M., Krampe, R., Reingold, E. M., & Vasyukova, E. (2005). The role of deliberate practice in chess expertise. Applied Cognitive Psychology, 19, 151-165.
Finkelstein, F., Whitehead, J., & Campbell, A. (2008). Think Again: Why Good Leaders Make Bad Decisions and How to Keep it From Happening to You. Boston: Harvard Business Press.
Gajardo, A., Moreira, A., & Goles, E. (2002). Complexity of Langton’s ant. Discrete Applied Mathematics, 117, 41–50.
Gobet, F., & Charness, N. (2006). Chess and games. Cambridge handbook on expertise and expert performance. Cambridge, MA: Cambridge University Press, 523–538.
Janis, I. L. (1983). Groupthink (2nd edition). Boston: Houghton Mifflin.
Klein, A. G. (1999). Sources of Power: How People Make Decisions. Cambridge. MA: MIT Press.
Rasmussen, L. J., Sieck, W. R. & Smart, P. R. (2009). What is a Good Plan? Cultural Variations in Expert Planners’ Concepts of Plan Quality. Journal of Cognitive Engineering and Decision Making, 3 228-253.
Scott, S. G., & Bruce, R. A. (1995). Decision-making style: The development and assessment of a new measure. Educational and Psychological Measurement, 55(5), 818-831.
Seymour, J., & David, N. (1993). A Game for Life. New Scientist, 139 (September, no. 1889), 23-26.
Snyder, J. (1991). Myths of Empire: Domestic Politics and International Ambition. Ithaca: Cornell University Press.
Thunholm, P. (2009). Military leaders and followers – do they have different decision styles? Scandinavian Journal of Psychology, Volume 50, Number 4, 317-324(8).
Elektroniske kilder:
CNN.com: Kasparov: Intuition versus the brute force of calculation, http://www.cnn.com/2003/TECH/fun.games/02/08/cnna.kasparov/.
http://www.dim.uchile.cl/~anmoreir/oficial/langton_dam.pdf.
http://en.wikipedia.org/wiki/Isoroku_Yamamoto#The_Battle_of_Midway.2C_June_1942.
http://en.wikipedia.org/wiki/Langton's_ant.
