В главе 7 мы обсуждали одно из самых фундаментальных – и при этом безосновательных – предположений, лежащих в основе имитационного обучения. Оно заключается в том, что интерактивный мир, где каждый ваш выбор меняет то, что вы видите и переживаете, можно рассматривать как классическую задачу контролируемого обучения. В последней данные, с которыми вы работаете, считаются независимыми и одинаково распределенными. Если вы ошибочно пометили изображение кошки как изображение собаки, это никак не повлияет на то, какая картинка появится следующей. Но в случае с управлением автомобилем ситуация иная: если вы неверно интерпретируете изображение дороги (например, посчитаете, что нужно повернуть направо, хотя на самом деле следует ехать прямо), то вскоре окажетесь на незнакомой дороге, ведущей вбок.

Именно это порождает так называемые каскадные ошибки – и методы вроде DAgger призваны их минимизировать. В некотором смысле ситуацию можно сравнить с аэродинамикой современных стелс-истребителей, таких как F‐117 Nighthawk. Эти самолеты нестабильны по всем трех осям: для их устойчивого полета требуется абсолютная точность, иначе они мгновенно становятся катастрофически неустойчивыми. Однако в нашем случае автопилот – не средство решения проблемы, а ее источник.

Кроме того, имитационное обучение обычно исходит из предположения, что эксперт и имитатор обладают в целом одинаковыми возможностями: у них схожее «тело» и, по сути, аналогичный «разум» (по крайней мере, потенциально). Автомобиль – удачный пример, где это допущение работает. Водитель-человек и автопилот действительно делят одно тело. Они оба посылают электронные сигналы в одну и ту же колонку рулевого управления, у них общая поперечная балка моста, одни и те же шины и тормоза. Однако в других ситуациях такое предположение не срабатывает. Если кто‐то существенно быстрее, сильнее, крупнее или меньше вас либо мысли намного быстрее, чем вы способны, идеальная имитация его действий может оказаться невозможной. Более того, она может привести к катастрофе. Вы делаете то, что сделал бы он, если бы оказался на вашем месте. Но вы не он – и то, что делаете вы, не совпадает с тем, что сделал бы он на вашем месте.