Глава 6 Мечта о точных прогнозах

Люди обожают делать прогнозы – будь то движение звезд, колебания цен на фондовом рынке или модный в следующем сезоне цвет. Стоит взять любую газету, как мгновенно натыкаешься на уйму предсказаний. Собственно, их так много, что мы их даже не замечаем. В качестве примера рассмотрим одну газетную статью, выбранную более или менее случайно в New York Times. Материал, опубликованный летом 2009 года, был посвящен тенденциям в розничной торговле и содержал не менее 10 прогнозов относительно предстоящего школьного сезона. Например, согласно одному из цитируемых источников – Национальной розничной федерации, – средняя семья с детьми школьного возраста должна была потратить в этом году «примерно на 8 % меньше, чем в прошлом». Исследовательская фирма ShopperTrack утверждала, что поток покупателей снизится на 10 %. А президент консалтинговой компании Customer Growth Partners уверял, что это «будет худший школьный сезон за много, много лет»154.

Все три прогноза явно делались авторитетными источниками и были сформулированы достаточно четко, чтобы впоследствии оказаться либо верными, либо неверными. Но так ли это на самом деле? Признаться, понятия не имею. New York Times не публикует статистики по точности предсказаний, содержащихся на ее страницах, – равно как не делают этого и большинство исследовательских компаний, их предоставляющих. Я вполне уверен, что автор статьи осенью не очень-то беспокоилась о том, сбылось ли все то, о чем она писала. Да от нее этого и не ждали. Тот текст – лишь один из тысяч публикуемых каждый день. И многие из них точно так же изобилуют разнообразными прогнозами, ни один из которых позже фактически не проверяют на точность. Как ни странно, наша готовность делать заявления о будущем уравновешивается только нашим же нежеланием нести за них ответственность.

В середине 1980-х психолог Филип Тетлок заметил похожую черту в поведении тогдашних политических экспертов. Преисполнившись решимости добиться того, чтобы они отвечали за свои слова, исследователь провел удивительный эксперимент, длившийся более 20 лет. Для начала он убедил 284 политических эксперта сделать по сотне прогнозов о множестве возможных будущих событий – от результатов выборов до вероятности возникновения вооруженного конфликта между двумя странами. Специалисты должны были указать, какой из двух вариантов они считают более правдоподобным, а затем оценить предполагаемую точность своих прогнозов. Те, что были сделаны с большой долей уверенности, оказываясь верными, набирали больше баллов – но и теряли больше очков при ошибке. Собрав предсказания, Тетлок преспокойно ждал, когда произойдет то или иное событие, а затем подсчитывал результаты. 20 лет спустя он опубликовал полученные данные – они оказались поразительны! По своей точности прогнозы экспертов лишь ненамного превосходили случайное угадывание, зато уступали даже наипростейшим статистическим моделям. Однако самое интересное заключалось в том, что наилучших результатов эксперты добились, прогнозируя события, находившиеся вне их компетенции155!

Результаты Тетлока часто интерпретируются как свидетельство «бессмысленности» так называемых экспертов – и в этом, несомненно, есть доля правды. Что касается прогнозов, они оказались не лучше наших с вами. Но ведь и не хуже! Во времена моей молодости, например, многие верили, что будущее – это летающие автомобили, космические города и уйма свободного времени. Вместо этого мы ездим по перегруженным шоссе на машинах с двигателями внутреннего сгорания, терпим бесконечные неувязки в аэропортах и работаем больше времени, чем раньше. Между тем веб-поиск, мобильные телефоны, компьютеры и онлайн-торговля – технологии, оказавшие громадное влияние на нашу жизнь, – взялись практически из ниоткуда. Примерно тогда же, когда Тетлок начал свой эксперимент, специалист по менеджменту Стивен Шнаарс попытался дать количественную оценку точности прогнозов о тенденциях в развитии техники. Он просмотрел огромное количество книг, журналов и промышленных отчетов, а также записал сотни предположений, сделанных в 1970-х годах. 80 % из них – были они сделаны экспертами или нет – оказались, неверны156.

Впрочем, ошибочными, как правило, оказываются долгосрочные предсказания не только социальных или технологических тенденций. Издатели, продюсеры и маркетологи – опытные, заинтересованные профессионалы, имеющие на руках акции собственных компаний, – при вычислении того, какие книги, фильмы и продукты станут будущими хитами, испытывают точно такие же трудности, что и политические эксперты, прогнозирующие следующую революцию. На самом деле история культурных рынков изобилует примерами будущих блокбастеров – Элвис, «Звездные войны», «Сайнфелд» [33] , «Гарри Поттер», «Американский идол» [34] , – которые издатели и киностудии «проморгали», сделав ставки на то, что в итоге обернулось полным провалом157. Будь то наиболее зрелищные финансовые катастрофы последних лет (Long Term Capital Management в 1998 году, Enron в 2001-м, WorldCom в 2002-м, едва не случившийся обвал всей финансовой системы в 2008-м) или истории потрясающего успеха (невероятная популярность Google и Facebook), поражает одно: никто, казалось, не имел ни малейшего представления о том, что именно должно было вот-вот случиться. В сентябре 2008 года, например, когда крах банка Lehman Brothers был уже неминуем, представители министерства финансов и федерального резерва – финансовые эксперты, обладающие, наверное, самой полной и достоверной информацией на свете, – не смогли предвосхитить последовавшее за его банкротством замораживание мировых кредитных рынков. И, наоборот, в конце 1990-х основатели Google Сергей Брин и Ларри Пейдж попытались продать компанию за 1,6 млн долларов. К счастью для них, никто не заинтересовался, а ее рыночная стоимость теперь составляет более 160 млрд, что в 100 тысяч раз превысило сумму, в которую они – да и многие другие – оценили Google всего несколько лет назад158.

Вышеизложенные результаты явно свидетельствуют о том, что мы с вами не очень-то сильны в прогнозировании. Однако это не совсем так. В действительности существует уйма предположений, которые мы можем делать достаточно хорошо. Спорим, я сумею отлично предсказать погоду в Санта-Фе, Нью-Мексико. Вернее, я буду прав более чем в 80 % случаев. Как бы впечатляюще это ни звучало, учитывая печальные результаты экспертов в эксперименте Тетлока, моя способность предсказывать погоду в Санта-Фе не позволит мне устроиться на работу в метеорологическое бюро. Дело в том, что в этом городе солнце светит примерно 300 дней в году, поэтому из 365 заявлений о том, что завтра будет солнечно, верными окажутся 300. И думать не надо! Аналогичным образом любой может предположить, что в следующие 10 лет США не вступят в войну с Канадой или что солнце будет по-прежнему всходить на востоке. Скорее всего, так и произойдет, хотя едва ли это кого-нибудь впечатлит. Другими словами, беда не в том, что мы делаем прогнозы хорошо или плохо, а в том, что мы плохо делаем те прогнозы, которые нам бы больше всего хотелось делать хорошо.

Демон Лапласа

В некотором смысле эта проблема восходит к самому Ньютону. Опираясь на свои три закона механики и закон всемирного тяготения, он умудрился вывести не только законы планетарного движения Кеплера, но и вычислить время приливов и отливов, траектории летящих тел, а также разобраться в поистине удивительном множестве других природных явлений159. Это было уникальное научное достижение, показавшее, чего можно достичь с помощью математических законов. Движения планет, время приливов и отливов. То, что их можно предсказать, – невероятно! Однако, кроме разве что вибраций электронов или времени, за которое свет пройдет определенное расстояние, такие вещи – одни из наиболее предсказуемых явлений в природе. Увы, поскольку за прогнозирование этих явлений математики и естествоведы взялись в первую очередь и поскольку их ждал столь ошеломляющий успех, заманчивый вывод, будто все остальное устроено точно так же, напрашивался сам собой. Ньютон писал: «Рассуждая подобным же образом, было бы желательно вывести из начал механики и остальные явления природы, ибо многое заставляет меня предполагать, что все они обусловливаются некоторыми силами, с коими частицы тел, вследствие причин, покуда неизвестных, или стремятся друг к другу и сцепляются в правильные фигуры, или же взаимно отталкиваются и удаляются друг от друга» [35] .

Век спустя французский математик и астроном Пьер-Симон Лаплас [36] довел мысль Ньютона до ее логической крайности, заявив, по сути, что ньютоновская механика сводит прогнозирование будущего – даже будущего вселенной – к простым расчетам. Лаплас придумал некий «разум», которому были известны все силы, «приводящие природу в движение, а также положения всех тел, из которых природа состоит». И далее «для такого разума не было бы ничего неясного, и будущее существовало бы в его глазах точно так же, как прошлое».

Этот воображаемый «разум» в итоге получил название «демон Лапласа» и с тех пор таится у границ человеческого видения будущего. Среди философов он вызвал ожесточенные споры: сведя прогнозирование будущего к механическим действиям, он, казалось, похитил у человечества свободную волю. Как выяснилось, однако, волноваться об этом не стоило. Начиная со второго закона термодинамики вплоть до квантовой механики и, наконец, теории хаоса представление о Вселенной как о некоем часовом механизме рушится уже больше столетия160. Впрочем, это не означает, что сама идея канула в Лету. Несмотря на дискуссию о свободной воле, было что-то невероятно притягательное в концепции использования законов природы (при условии их применения к соответствующим данным, конечно) для прогнозирования будущего. Люди, разумеется, предсказывали его с момента зарождения цивилизации. Однако, в отличие от них, Лаплас не опирался ни на магические силы, ни на собственные особые познания. Все зависело от научных законов, которыми в принципе мог овладеть каждый. Таким образом, прогнозирование, некогда являвшееся прерогативой оракулов и мистиков, пришло в объективную, рациональную область современной науки.

При этом, однако, демон успешно затушевывал ключевое различие между двумя типами процессов, которые я для удобства буду называть «простыми» и «сложными»161. Простые системы – это те, в которых та или иная модель может охватить все или почти все вариации наблюдаемого. Колебания маятника и орбиты спутников в этом смысле просты, хотя смоделировать или спрогнозировать их довольно сложно. Как это ни парадоксально, но часто наиболее сложные модели – предсказывающие траектории межпланетных космических зондов или определяющие местоположение устройств GPS – основаны на относительно простых процессах. Основными уравнениями движения, управляющими орбитой спутника связи или подъемной силой крыла самолета, может овладеть любой старшеклассник. Но, поскольку различие в результатах, полученных с помощью хорошей и очень хорошей моделей, подчас бывает огромным, настоящие модели – используемые инженерами для создания спутниковой системы навигации и «Боинга-747» – учитывают всевозможные крошечные коррекции. Поэтому-то они в итоге и оказываются гораздо более сложными.

Когда в 1999 году запущенный NASA Mars Climate Orbiter вспыхнул и развалился в марсианской атмосфере, неудачу приписали простой ошибке в программировании (вместо метрических использовались единицы британской системы): спутник вышел на орбиту на высоте примерно 60 км от поверхности Марса вместо надлежавших 140. Если учесть, что, прежде чем попасть туда, он должен был преодолеть более 50 млн км, величина ошибки кажется незначительной. И все же именно она решила исход запуска: вместо триумфального успеха NASA ждал постыдный провал. Выходит, даже для таких «простых» систем, как небесная механика, самые совершенные модели представляют собой лишь сносные репрезентации реальности и являются необходимыми для достижения хотя бы посредственных результатов.

Комплексные системы – совсем другая песня. Никто точно не знает, что именно делает сложную систему «сложной», но обычно считается, что это зависит от нелинейного взаимодействия многих независимых компонентов. Экономика США, например, есть продукт действий миллионов человек, а также сотен тысяч компаний, тысяч государственных учреждений и бесчисленного множества других внешних и внутренних факторов – от погоды в Техасе до процентных ставок в Китае. Моделирование траектории ее развития, следовательно, не похоже на моделирование траектории полета ракеты. В сложных системах крошечные нарушения в одной части могут повлечь за собой изменения в другой – «эффект бабочки» из теории хаоса, упоминавшийся во второй главе в ходе обсуждения кумулятивного преимущества и непредсказуемости. Если каждый крошечный фактор в сложной системе может привести к непредсказуемым последствиям, то что может спрогнозировать модель? Только это. В результате модели сложных систем, как правило, довольно просты – и не потому, что они хорошо работают, а потому, что незначительные улучшения едва ли помогут делу, если нельзя исправить грубейшие ошибки. Экономисты, например, могут только мечтать о прогнозировании уровня безработицы в следующем году с той же точностью, каковая привела к гибели Mars Climate Orbiter. Беда, однако, не столько в том, что плохи именно эти модели, сколько в том, что плохи все модели сложных систем162.

Почти все, о чем мы говорили, – от воздействия маркетинговой кампании до последствий некой экономической политики и корпоративных результатов – относится к категории сложных систем. Стоит людям собраться вместе – будь то общественные мероприятия, толпы болельщиков, фирмы, добровольческие организации, рынки, политические партии и даже целые общества, – как они начинают оказывать влияние на мышление и поведение друг друга: взаимодействуют, делятся информацией, распространяют слухи, дают советы и рекомендации, сравнивают себя с друзьями, поощряют и наказывают, учатся на чужом опыте, влияют на представления о том, что хорошо, плохо, дешево, дорого, правильно и неправильно. Как я уже говорил во второй главе, именно эти взаимодействия и делают социальные системы «социальными». Именно они превращают некую совокупность людей в нечто большее. И именно эти взаимодействия и порождают громадную сложность.

Будущее не такое, как прошлое

Различие между простыми и сложными системами важно, ибо они предусматривают разные типы прогнозов. В первых можно предсказать: нечто действительно случится с большой долей уверенности – например, когда в следующий раз вернется комета Галлея или на какую орбиту выйдет данный конкретный спутник. Во вторых же, напротив, лучшее, на что мы можем надеяться, – верно предсказать вероятность того, что нечто произойдет163. На первый взгляд звучит почти одинаково, однако здесь есть фундаментальное различие. Представьте, что вы подбрасываете монетку. Поскольку это событие случайное, лучшее, что можно сделать, – предсказать, что в среднем в 50 % случаев выпадет решка. Правило, гласящее, что «в 50 % случаев выпадает решка, а в 50 % – орел», на самом деле идеально точное: и то, и другое в среднем действительно выпадают именно с вероятностью 50 %. Но даже зная это, верно предсказать результат одного-единственного броска монеты чаще, чем в 50 % случаев, невозможно – какую бы стратегию мы ни выбрали164.

Сложные системы не так случайны, как подбрасывания монеты, однако на практике установить, в чем же заключается различие, крайне сложно. Как показал эксперимент «Музыкальная лаборатория», описанный во второй главе, можно узнать все о каждом участнике рынка – задать тысячи вопросов, проследить за каждым действием, да хоть просканировать мозги, – но в лучшем случае удастся предсказать лишь вероятность победы данной конкретной песни в данном конкретном виртуальном мире. В среднем у одних песен она выше, чем у других. Однако в любом отдельно взятом мире крошечные случайные колебания усиливают взаимодействия между индивидами, что в итоге приводит к совершенно непредсказуемым результатам.

Если вы когда-нибудь пробовали бросить игральную кость так, чтобы она покатилась в точности как в прошлый раз, – например, держали ее в том же положении, прикладывали ту же силу, выполняли те же движения, – то знаете, как быстро меняются даже кажущиеся идентичными первоначальные условия. Физические законы, управляющие броском кости, сами по себе не случайны. Но крошечные ошибки множатся так быстро, что отличие каждого нового броска от всех предыдущих фактически непредсказуемо. Сложные системы непрогнозируемы так же, как результаты броска игральной кости, – и в основном по той же причине. Как бы тщательно ни были измерены первоначальные условия, в лучшем случае удастся предсказать лишь вероятность того или иного результата.

Погода – классический пример сложной системы, по поводу которой мы обожаем делать прогнозы. Касательно самого ближайшего будущего – обычно это следующие 48 часов – они весьма точны или, как говорят метеорологи, «надежны». Иными словами, из всех дней, когда метеорологическая служба утверждает, что вероятность дождя составляет 60 %, дождь идет примерно в 60 % из них165. Так почему же люди жалуются на неточность прогнозов погоды? Причина не в том, что они ненадежны – хотя, возможно, могли бы сбываться чаще, чем сейчас, – а в том, что эта надежность – вовсе не та точность, которой бы нам хотелось. Мы не хотим знать ни о каких 60 %. Мы хотим знать, что именно произойдет завтра. А завтра дождь либо будет, либо нет. Поэтому, когда мы слышим заявление: «Вероятность того, что завтра пойдет дождь, составляет 60 %», мы делаем вывод: скорее всего, завтра дождь будет. И когда в половине случаев дождь не идет, а мы тащим на работу зонт, большинство из нас, естественно, заключает: метеорологи сами не знают, о чем говорят.

Размышлять о будущем с точки зрения его вероятности достаточно трудно даже в случаях с прогнозом погоды или с подбрасыванием монеты – когда снова и снова происходят более или менее одинаковые события. Но если речь идет о чем-то, случающемся лишь раз в жизни – таких событиях, как начало войны, выборы президента или колледжа, – уловить различие между самим результатом и его вероятностью практически невозможно. Что означает сказанная в 2008 году накануне президентских выборов в США фраза «Вероятность победы Барака Обамы составляет 90 %»? Что он выиграл бы в девяти из десяти попыток? Конечно, нет, ведь выборы пройдут один-единственный раз, и, в отличие от последовательных бросков монеты, любая попытка их повторения – скажем, на следующих выборах, – не сравнится с этой. Давайте переведем фразу на язык пари. Чтобы выиграть 10 долларов в случае избрания Обамы, надо поставить 9, а в случае его поражения можно получить 10 долларов, поставив всего один? Но откуда нам знать, какова вероятность выигрыша, если подобное пари заключалось лишь однажды? Если ответ вам не ясен, то вы не одиноки – математики тоже не могут прийти к единому мнению о том, что значит приписывать вероятность единичному событию166. А если уж даже они ломают головы над смыслом заявления «вероятность того, что завтра пойдет дождь, составляет 60 %», то что же говорить о нас, обычных людях?

Трудности, с которыми мы сталкиваемся, размышляя о будущем как о наборе вероятностей, являются обратной стороной того, каким именно образом мы извлекаем уроки из прошлого. Как вы помните из предыдущей главы, глядя назад, мы видим лишь последовательность неких эпизодов. Вчера шел дождь, три года назад Барак Обама был избран президентом Соединенных Штатов и так далее. Но в какой-то момент мы понимаем, что события могли разыграться иначе. Однако, сколько ни напоминай себе о том, что все могло сложиться по-другому, то, что произошло, – произошло. Не в 40 % случаев и не в 60 %, а в 100 %. Значит, когда мы думаем о будущем, нас в основном интересует то, что действительно случится. Следовательно, чтобы сделать прогноз, необходимо учесть весь спектр возможных альтернативных вариантов. Очень может статься, нам даже удастся определить, какие из них более вероятны, а какие – менее. Но в конце концов наступит только одно будущее – и нам очень хочется знать, какое именно.

Различие между нашим видением прошлого и будущего в графической форме представлено ниже. На рисунке показано, как со временем изменяется курс акций некой вымышленной компании. Глядя в прошлое из настоящего, мы видим его историю, следующую по уникальной кривой. Смотря из настоящего в будущее, все, что мы можем предположить об этом курсе, – вероятность его снижения в рамках определенного диапазона. Мои коллеги по Yahoo! Дэвид Пеннок и Дэн Нильсон написали специальное приложение, генерирующее похожие картинки путем анализа стоимости акционерных опционов. Поскольку ценность последних зависит от стоимости лежащих в их основе акций, текущие цены могут интерпретироваться как прогнозы о стоимости акций на день погашения опционов. То есть цену опционов можно использовать для выявления различных «конвертов вероятности» – как те, что показаны на рисунке. Например, внутренний конверт показывает диапазон цен, внутри которого стоимость акций может упасть с 20 %-ной вероятностью, тогда как в рамках внешнего конверта эта вероятность составляет 40 %.

Мы также знаем, однако, что позже стоимость акций станет известна – «будущая» траектория, обозначенная пунктиром. В тот момент «облако» вероятностей, определенных конвертом, заменит единая точная цена, подобная тем, которые мы видим в прошлом. Зная это, весьма соблазнительно предположить, что будущая траектория – пусть пока неизвестная – в некотором смысле предопределена. Но такая мысль будет ошибочной. Пока будущее не наступило, все, что мы можем сказать о дальнейшем курсе акций, – с определенной вероятностью он будет находиться в определенном диапазоне. Дело не в том, что он и в самом деле лежит в этом диапазоне (только мы не знаем, где именно). Дело в том, что будущая стоимость акций вообще существует только как диапазон возможностей. Другими словами, неопределенность относительно будущего не есть то же самое, что неопределенное будущее. Первое – это просто отсутствие информации (что-то, чего мы не знаем), тогда как второе подразумевает, что информация недоступна в принципе. Первое – это упорядоченная вселенная демона Лапласа, в которой, если мы постараемся и окажемся достаточно умны, сможем прогнозировать будущее. Второе – по сути своей случайный мир, где лучшее, на что можно надеяться, – это лишь предсказание вероятности неких событий.

Прогнозирование того, что прогнозировать

Различие между прогнозированием самих результатов и прогнозированием их вероятности является фундаментальным и должно изменить представление о том, какие типы предсказаний нам доступны. Увы, способ, при помощи которого мы делаем выводы из прошлого, ставит перед нами очередную проблему – еще более алогичную: мы не можем знать заранее, какой результат следует прогнозировать в первую очередь. По правде говоря, как ранее уже «произошло» бесчисленное множество событий, так и в любой момент настоящего можно сделать бесконечное множество предположений. Но как мы не интересуемся почти всеми этими прошлыми событиями, так не думаем и почти обо всех потенциальных предсказаниях. Все, что нам нужно, – это очень небольшое количество прогнозов, которые, будь мы способны делать их правильно, могли бы значительно изменить ход событий. Если бы сотрудники авиационной службы безопасности спрогнозировали угон самолетов вооруженными канцелярскими ножами террористами – чтобы направить их в башни Всемирного торгового центра и Пентагон, – они бы предприняли соответствующие превентивные меры (усиление двери кабины пилотов или ужесточение процедуры досмотра в аэропорту). Если бы в конце 1970-х инвесторы знали, что крошечная молодая компания под названием Microsoft однажды превратится в настоящего колосса в сфере программного обеспечения, они бы сколотили на ней целое состояние.

При взгляде в прошлое из настоящего кажется, будто предсказать эти события все-таки было можно. При этом мы недооцениваем тот факт, что ретроспекция показывает, во-первых, гораздо больше, чем результаты прогнозов, которые мы могли сделать в прошлом, а во-вторых, какие предсказания следовало делать вообще. Откуда нам было знать, что в ноябре 1963 года во время визита Кеннеди в Даллас следует опасаться не отравленной пищи, а выстрелов? Откуда нам было знать, что 11 сентября 2011 года именно крепость дверей кабины пилотов, а не натасканные на взрывчатку собаки являлась ключом к предотвращению угона самолетов? Откуда нам было знать, что именно эти угнанные самолеты, а вовсе не бомбы и не нервно-паралитический газ в метро представляют для США основную террористическую угрозу? Откуда нам было знать, что интернет-поисковики станут зарабатывать деньги на рекламе, а не воспользуются какой-нибудь иной моделью ведения бизнеса? Откуда нам было знать, что следует интересоваться монетизацией поисковых машин, а не контентом сайтов, электронной коммерцией или чем-либо другим?

В сущности, данная проблема – это обратная сторона аргумента Данто, о котором мы говорили в предыдущей главе: что именно релевантно, станет известно лишь позднее. Иными словами, типы прогнозов, к которым мы больше всего стремимся, требуют знания о том, какие события из тех, что могут произойти в будущем, окажутся релевантными для того, чтобы обратить на них внимание уже в настоящем. Казалось бы, мы должны быть способны делать это точно так же, как Идеальный Хроникер должен был констатировать происходящее. Но, попытайся мы предсказать все, что только может случиться, просто утонули бы в море возможностей. Стоит ли беспокоиться о том, в какое время приезжает мусороуборочная машина сегодня вечером? Наверное, нет. С другой стороны, если наша собака срывается с поводка и выбегает на улицу именно в этот момент, нам бы очень хотелось знать об этом до того, как мы вышли гулять. Стоит ли прогнозировать отмену завтрашнего рейса? Опять-таки, наверное, нет. Но если нас посадят на другой самолет, который в итоге разобьется, или мы будем сидеть рядом с человеком, с которым однажды сыграем свадьбу, то это событие покажется нам чрезвычайно значимым.

Проблема релевантности фундаментальна и не может быть исключена более четким алгоритмом. В своей книге о прогнозировании политолог и «ясновидящий» Брюс Буэно де Мескита, например, расхваливает потенциал теории игр для прогнозирования результатов сложных политических переговоров167. После всего вышесказанного о сложных системах едва ли его компьютерные модели действительно способны предсказывать то, что, по его словам, могут. Впрочем, пока оставим это. Сейчас нас интересует, что они могли бы спрогнозировать, если бы работали идеально. В качестве примера возьмем его утверждение, будто они успешно предсказали результат соглашения, подписанного в 1993 году в Осло Израилем и тогдашней Организацией освобождения Палестины. В то время это казалось настоящим подвигом. Но алгоритм не позволил предсказать, что то соглашение, по сути, было всего лишь миражом, временным проблеском надежды, который быстро угас. Дальнейшие события четко показывают: результат переговоров в Осло – не самый важный результат, который стоило предсказывать.

Разумеется, модели Буэно де Мескита не были предназначены для таких типов прогнозов. Но в этом-то и заключается смысл: предмет предсказания так же важен, как и его точность. Глядя назад в прошлое, мы не сожалеем, что не предсказали ни курс акций Google в 1999 году, ни количество дней, требующихся американским солдатам, чтобы добраться до Багдада в ходе войны в Персидском заливе. Бесспорно, это ценные прогнозы, и мы вполне могли бы их сделать. Но в какой-то момент стало бы ясно: верны они или нет, по сути, совершенно не имеет значения, ибо не очень-то они и важны. Зато нам бы хотелось предсказать, что за несколько лет курс акций Google превысит отметку в 500 долларов. Зная это в день их выхода на рынок ценных бумаг, мы могли бы инвестировать в них и разбогатеть. Нам бы очень хотелось предвидеть резню, последовавшую за свержением Саддама Хусейна и роспуском его службы безопасности, – тогда мы могли бы применить иную стратегию, а то и вовсе избежать всего этого кошмара.

Даже когда речь идет о более приземленных типах прогнозов – как потребители отреагируют на тот или иной цвет или дизайн, станут ли доктора уделять больше времени профилактике, если их компенсация будет зависеть от здоровья пациентов, а не от количества и стоимости прописываемых процедур, – проблема остается той же. На первый взгляд, такие предсказания делать легче, чем о следующей грандиозной кампании или крупном конфликте между цивилизациями. Но стоит задуматься о том, почему эти прогнозы так важны, как тут же приходится делать новые – на этот раз о влиянии предсказаний, которые мы делаем сейчас. Например, нас интересует реакция потребителя на цвет не из-за озабоченности ею как таковой – мы хотим, чтобы наш продукт был успешен, и думаем, что цвет в этом играет не последнюю роль. Аналогичным образом важна реакция докторов на поощрение. Во-первых, мы хотим контролировать цены в сфере здравоохранения, а во-вторых, разработать систему, которая обеспечит доступ к лечению для всех и при этом не обанкротит всю страну. Если прогнозы не помогают добиться серьезных результатов, тогда они не представляет ценности. Опять-таки, нас интересует то, что действительно важно, но, к сожалению, как раз эти самые значимые предсказания будущего мы сделать не в состоянии.

Черные лебеди и другие «события»

Нигде проблема прогнозирования не стоит более остро, нежели в случаях так называемых черных лебедей. Этот термин был предложен Нассимом Талебом и относится к событиям – изобретению печатного станка, штурму Бастилии или террористической атаке на Всемирный торговый центр, – которые происходят редко, но оказывают огромное влияние на всю последующую историю. Что же делает некое происшествие «черным лебедем»? Вот тут-то и начинается путаница. Обычно мы говорим о «событиях» так, словно они отдельны и независимы друг от друга и, следовательно, в некотором роде схожи с природными катаклизмами. Как мы описываем землетрясения, лавины и ураганы с точки зрения их силы и масштабов, так и различным «происшествиям» может быть придана та или иная степень важности. Однако, как выясняется, многие природные явления характеризуются не «нормальным», а сильно скошенным распределением. Рост людей, например, отличается нормальным распределением: у среднестатистического американца он составляет примерно 175 см – в сущности, никогда не встречаются взрослые ростом в полметра или в 3,5 м. Землетрясения наряду с лавинами, ураганами и лесными пожарами, напротив, характеризуются распределением с медленно убывающим «хвостом». То есть большинство из них – относительно небольшие и привлекают мало внимания, и лишь немногие – очень крупные.

Предполагать, будто исторические события также отличаются распределением с медленно убывающим «хвостом» (в котором и находятся «черные лебеди» Талеба), безусловно, крайне заманчиво. Одни ураганы больше других, и одни исторические события «больше» других. Однако, как объясняет социолог Уильям Сьюэлл, это вовсе не одно и то же. Скорее, происшествия в историческом смысле приобретают свою значимость через трансформации, вызываемые ими в более широких социальных устройствах. Для иллюстрации Сьюэлл обращается к взятию Бастилии 14 июля 1789 года – событию, несомненно, удовлетворяющему определению «черных лебедей» Талеба. Тем не менее, как указывает ученый, оно представляло собой не просто очередность сражений, произошедших в Париже 14 июля. В те дни имело место и множество других событий – таких, как штурм Дома Инвалидов. Причем последний мог казаться куда более важным с военной точки зрения168. Скорее, оно включало весь период между 14 июля и 23 июля, в течение которого король пытался подавить восстание в столице, а Национальная ассамблея в Версале спорила: то ли ей осудить насилие, то ли счесть его выражением воли народа169. Лишь после того, как король отозвал войска с окраин города и, раскаиваясь, вернулся в Париж, Ассамблея заявила о себе, и падение Бастилии стало «событием» в историческом смысле.

Впрочем, и здесь достаточно сложно поставить точку, ибо, разумеется, единственная причина, почему нас вообще интересует Бастилия, – это последствия ее взятия. К ним относятся сама Французская революция и, как следствие, трансформация понятия власти как права короля, помазанника божьего, которое передается по наследству, в право, присущее всему народу. Это событие включало не только штурм Бастилии. И даже не штурм Бастилии и дни до 23 июля. Сюда следует отнести и их отголоски. Например, странная массовая паника, часто называемая «великим страхом», охватившая провинции на следующей неделе. Или знаменитое законодательное собрание, длившееся всю ночь 4 августа и фактически уничтожившее весь социальный и политический порядок старого режима170.

Чем подробнее вы хотите объяснить «черного лебедя» вроде штурма Бастилии, тем шире должны быть границы самого «происшествия». Это справедливо не только для политических событий, но и для «технологических черных лебедей» – таких, как компьютеры, Интернет и лазер. Например, второй из них, возможно, и является «черным лебедем», но что это означает? Что изобретение сетей с пакетной коммутацией – «черный лебедь»? Или что «черный лебедь» – это превращение первоначальной сети в нечто большее, в итоге приведшее к возникновению ARPANET, а впоследствии и штуки под названием «Интернет»? Являлся ли Интернет физической инфраструктурой, на основе которой строились другие технологические инновации – такие, как веб и IP-телефония? Или же эти технологии, в свою очередь, привели к появлению новых бизнес-моделей и способов социального взаимодействия? По-видимому, статус «черного лебедя» Интернету придают все эти достижения в совокупности. Но тогда он – вообще не вещь. Скорее, это условное обозначение целого исторического периода и всех произошедших в его рамках взаимосвязанных технологических, экономических и социальных изменений.

По большей части то же касается и приобретающих статус «черного лебедя» природных катаклизмов. Ураган «Катрина», например, был, бесспорно, большим, но не самым крупным в истории и даже не самым крупным в то лето. Следовательно, то, что сделало его «черным лебедем», имело отношение не к нему самому, а к его последствиям: прорыв дамбы, затопление большей части города, медленное и неэффективное реагирование на чрезвычайную ситуацию, ненужные страдания и унижение тысяч жителей, 1800 погибших, сотни тысяч эвакуированных. Отказ большей части населения вернуться в Новый Орлеан, нанесший урон экономике города. Впечатление, сложившееся в общественном сознании, о череде событий как о чудовищной катастрофе, усугубляемой скрытой расовой и классовой дискриминацией. Некомпетентность администрации и равнодушное отношение власть имущих и привилегированных к слабым и уязвимым. Упоминая об урагане «Катрина» как о «черном лебеде», мы говорим в основном не о нем самом, а обо всем комплексе событий, развернувшихся вокруг него, – наряду со сложными сериями социальных, культурных и политических последствий.

Прогнозирование «черных лебедей» в корне отличается от предсказывания таких событий, как авиакатастрофы или изменения уровня занятости населения. Последний тип событий, может статься, вообще невозможно прогнозировать точно – и нам придется довольствоваться вычислением не самих результатов, а их вероятности. Однако в этом случае хотя бы заранее знаешь, что именно пытаешься узнать. «Черные лебеди», напротив, могут быть распознаны только в ретроспективе, ибо лишь тогда возможен синтез всех элементов истории и снабжение их аккуратными ярлыками. Прогнозирование «черных лебедей», следовательно, требует от нас видения не только будущего результата, который мы прогнозируем, но и следующей после этого ситуации, поскольку лишь тогда станет известна его истинная важность. Выходит, такие прогнозы – на самом деле и не прогнозы вовсе. Это пророчества – то есть речь здесь идет о способности предвидеть не только то, что случится, но и каково будет значение этого171.

Тем не менее стоит нам узнать о «черных лебедях», как мы искренне сокрушаемся, что не смогли их спрогнозировать: здравый смысл-то подсказывает, что в этом не должно быть ничего невозможного. На самом же деле – а это явствует из предыдущей главы, в которой обсуждалось, как, объясняя прошлое с точки зрения здравого смысла, мы путаем повествование с теорией, – думая о будущем с точки зрения интуиции, мы путаем прогнозы с пророчествами. Глядя в прошлое, мы видим лишь те события, которые произошли, и не видим те, которые могли случиться, но не случились. Как результат, руководствуясь в своих объяснениях здравым смыслом, мы часто принимаем за причину и следствие то, что на самом деле – просто череда происшествий. Соответственно, думая о будущем, мы воображаем его как уникальную нить событий, которая пока нам просто неизвестна. В реальности же никаких подобных нитей не существует. Скорее, будущее похоже на клубок, в котором у каждой ниточки есть определенный шанс быть вытянутой – и в лучшем случае мы можем оценить вероятность вытягивания различных ниточек. Но поскольку мы знаем, что в определенный момент будущего все эти вероятности сольются в одну-единственную нить, то, естественно, желаем сосредоточиться на той единственной, которая и окажется важной.

Аналогичным образом, смотря в прошлое из настоящего, мы точно знаем, что именно подразумевается под произошедшими «событиями», и с легкостью можем сказать, какие из них важны. Как уникальность прошлого заставляет нас верить в уникальность будущего, так и очевидность минувших событий внушает уверенность в возможности предвидения, какие события окажутся важными в будущем. При этом не учитывается, что такой взгляд на прошлое есть продукт коллективного повествования – профессиональных историков, журналистов, экспертов, политических лидеров и других лиц, формирующих общественное мнение, – целью которого является нахождение смысла в том, «что произошло». Только тогда, когда рассказ закончен, мы можем сказать, каковы были релевантные происшествия. Следовательно, прогнозирование важности событий требует предсказания не только их самих, но и результата социального процесса, который придает им смысл.

От здравого смысла к нездравому

Когда речь идет о повседневных делах, ничто из вышеизложенного не может вызвать серьезных проблем. Как я говорил во введении, здравый смысл крайне хорош в придании смысла конкретной ситуации. А поскольку повседневные решения и обстоятельства фактически разбиты на множество маленьких фрагментов, с каждым из которых мы справляемся отдельно, вовсе не обязательно, чтобы мешанина из правил, фактов, мнений, убеждений и инстинктов, на которые опирается здравый смысл, представляла собой когерентное целое. Не очень-то и важно, что, рассуждая с позиций здравого смысла, мы думаем, будто поняли причины произошедшего, тогда как на самом деле просто описали его. Не имеет значения и то, что согласно здравому смыслу мы можем делать те прогнозы, которые в действительности делать не можем. К тому времени, как наступит будущее, мы уже забудем о большинстве прогнозов, которые могли сделать, а потому нас не беспокоит тот факт, что большая их часть оказалась неверной или попросту нерелевантной. Когда мы соберемся разобраться в произошедшем, история уже замнет большую часть «неудобных» фактов, предоставив нам свободу рассказывать о том, что осталось. Выходит, мы можем перепрыгивать от одного дня и от одного наблюдения к другому, непрерывно заменяя хаос реальности успокаивающей фикцией объяснений, построенных на здравом смысле. Для повседневной жизни это очень даже хорошо, ибо ошибки, которые мы неизбежно совершаем, не влекут за собой никаких серьезных последствий.

К таковым приводит опора на здравый смысл при разработке планов в сфере государственной политики, корпоративных стратегий и бизнеса. По самой своей природе внешняя политика и планы экономического развития оказывают влияние на большое количество людей на протяжении длительных периодов времени – следовательно, они должны быть эффективны во множестве различных специфических контекстов. По самой своей природе успешность маркетинговых планов и планов в области здравоохранения зависит как от установления верной причинно-следственной связи, так и от разграничения научного объяснения и простого повествования. Стратегические планы корпораций или политических партий подразумевают прогнозирование будущего и, следовательно, должны дифференцировать реальные прогнозы и несбыточные. Наконец, все эти планы влекут за собой достаточно серьезные последствия – финансовые, политические или социальные, – а потому возникает вопрос: существует ли лучший, не здравый способ планирования? К преимуществам не здравого смысла и его роли в прогнозировании, планировании, социальной справедливости и даже в науке об обществе мы теперь и переходим.