ГЛАВА 4

МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ ЛЮДЕЙ

Пока невозможно указать на единую теорию человеческого поведения, которая была бы успешно сформулирована и проверена в различных условиях.

Элинор Остром

В этой главе мы рассмотрим вопрос, лежащий в основе книги: как мы моделируем поведение людей? Во многих из описанных ниже моделях люди выступают в качестве базовой единицы анализа. Мы создадим модели людей, которые участвуют в голосовании, поддерживают кооперацию, поднимают восстания, поддаются модным увлечениям, вносят деньги на пенсионные счета и подсаживаются на наркотики. В рамках каждой модели нам предстоит сделать предположения о людях. Каковы их цели? Они заботятся только о себе или действуют из альтруистических побуждений? Каковы их вероятные действия? Как они их выбирают, или у них нет выбора?

Мы могли бы выдвинуть специальные предположения для каждой модели, но это вызвало бы путаницу и привело к потере благоприятных возможностей. Нам пришлось бы иметь дело с уникальной совокупностью конструкций. Каждая новая модель требовала бы новых представлений о человеческом поведении. Возникающая в связи с этим разнородность ограничивала бы нашу способность широко мыслить и объединять модели. Мы не смогли бы эффективно использовать принцип многомодельного мышления.

Подход, которого мы будем придерживаться, ставит во главу угла согласованность наряду с разнообразием. Мы будем моделировать людей либо как агентов, действующих на основе правил, либо как рациональных агентов. В рамках множества агентов, действующих на основе правил, мы будем рассматривать тех, кто действует на основе простых фиксированных правил, и тех, кто действует на основе адаптивных правил. Агент, действующий на основе адаптивного правила, может изменить свое поведение исходя из полученной информации, прошлых успехов или наблюдений за другими. Как мы увидим, между этими случаями нет четкого разграничения: адаптивное правило иногда можно интерпретировать как фиксированное, а рациональные действия порой принимают форму простых правил.

То, как именно мы решим моделировать людей, будет зависеть от контекста и наших целей. Мы прогнозируем или объясняем? Оцениваем те или иные политические меры? Пытаемся разработать тот или иной институт? Или занимаемся исследованием? В среде с низкой степенью важности (такой как моделирование того, какой цвет курток предпочитают люди, или аплодируют ли они стоя после спектакля) мы чаще всего будем исходить из того, что люди применяют фиксированные правила. Когда люди решают, стоит ли сотрудничать в рамках какого-то предприятия и доверять ли другому человеку, мы будем считать, что они учатся и адаптируются. И наконец, в среде с высокой степенью важности мы будем исходить из предположения, что информированные, опытные люди делают оптимальный выбор.

Прежде чем подробно описывать наш подход, рассмотрим ряд распространенных заблуждений. Многие люди впервые сталкиваются с формальными моделями социальных явлений на вводных курсах по экономике. Эти модели часто основаны на простейшей модели рационального агента, согласно которой все руководствуются личными интересами и способны делать оптимальный выбор. Модель также может исходить из того, что у всех одинаковые предпочтения и уровень дохода. Затем экономисты находят равновесие в рамках этих моделей, что позволяет им оценивать последствия рыночных потрясений или изменения политического курса. Хотя подобные модели и основаны на ошибочных предположениях, они полезны, поскольку помогают экономистам коммуницировать, а студентам — понимать изучаемый материал.

На основе такого опыта многие люди приходят к выводу, что формальное моделирование требует узкого, нереалистичного взгляда на человеческую природу, согласно которому люди руководствуются личными интересами и никогда не ошибаются. Однако это не так. На самом деле даже экономисты так не думают. В передовых областях экономики используются модели с недостаточно информированными, разнородными агентами, которые адаптируются в соответствии с новыми знаниями и иногда (хотя и не всегда) заботятся о выигрыше других людей. Степень, в которой люди склонны учитывать интересы окружающих, также зависит от ситуации. Например, при пожертвовании в благотворительный фонд или волонтерстве человек может быть более участливым, чем при покупке дома.

Тем не менее продолжает бытовать мнение, что моделирование исходит из эгоистичности и нереалистичной рациональности людей. Мы должны избавиться от него. Проведем аналогию: сделав несколько шагов в океан, вы можете подумать, что он мелкий, но отплывая все дальше и дальше, начнете ощущать его глубину. В данном случае мы стартуем с берега, но время от времени будем двигаться дальше и покажем, что модели могут включать сфокусированных на других, ограниченно рациональных людей.

Какие бы предположения мы ни делали, нам не удастся избежать их последствий. Мы привязаны к мачте логической согласованности и не можем фабриковать последствия. Если мы предполагаем сильное социальное влияние на выбор потребителей, наша модель даст ряд продуктов с большой рыночной долей. Если мы исходим из того, что люди получают информацию из сетей, то властью будут обладать те, кто заполняет структурные пустоты.

В оставшейся части главы мы сначала кратко опишем ряд проблем, связанных с моделированием поведения людей: все мы разные, подвержены социальному влиянию и склонны к ошибкам, нацелены на результат, адаптивны и способны действовать. Мы не можем включить все эти характеристики в одну модель, не создавая запутанный хаос, поэтому должны выбирать.

Если неоднородность мало что значит, мы можем исходить из идентичности агентов. Если проблема проста или люди имеют богатый опыт, мы предполагаем, что они не совершают ошибок.

Далее мы проанализируем модель рационального агента и обсудим ее тео­ретические аспекты и обоснования применения, несмотря на ее описательную неточность. Что именно представляет собой модель рационального агента — золотой стандарт, соломенное чучело или нечто среднее, — зависит от задачи нашей модели. Модель рационального агента будет менее эффективна в области прогнозирования человеческого поведения, чем в качестве инструмента коммуникации, оценки действий и разработки политики.

Затем мы продемонстрируем, как включить психологическое смещение и альтруистические предпочтения в стандартную модель рационального агента. Решение об их включении зависит от того, что именно мы изучаем. Иногда потребуется включить в модель определенные человеческие предубеждения, такие как страх потери и презентистский подход (когда человек больше озабочен срывом сроков в настоящем, чем в будущем). Например, они могут быть важны в моделях пенсионных накоплений или массовых волнений и менее значимы в моделях манеры вождения или распространения заболеваний.

В четвертом разделе рассказывается о поведении, основанном на правилах. Преимущество этой категории моделей — в их гибкости (любая линия поведения, поддающаяся описанию, в большинстве случаев представляет собой игру по правилам) и разрешимости. Достаточно описать такое поведение с помощью компьютерной программы (выполнить агентное моделирование) — и наблюдать за развитием событий. Подобная свобода действий подразумевает ответственность. Поскольку мы можем выбрать любое правило поведения, нам следует остерегаться специальных предположений. Иногда правила поведения можно считать обоснованными с учетом их целевой функции, хотя так бывает не всегда.

Глава заканчивается пересмотром значения рациональности как эталонного поведения. Даже не принимая оптимальных решений, люди все равно адаптируются к меняющимся обстоятельствам и новым знаниям. Это наблюдение порождает своего рода парадокс. Когда мы разрабатываем тот или иной общественный институт или политику, исходя из предположения, что людям свойственна предвзятость или они действуют не в своих интересах, остается риск того, что люди могут изменить свое поведение. Людей можно обмануть один раз, но одурачить два или три раза гораздо труднее. Мы не должны считать, что рациональность — единственное правдоподобное предположение, но логика все же говорит в ее пользу как значимого эталона. Кроме того, логика также поддерживает рассмотрение простых правил поведения как нижней границы рациональности. Помимо всего прочего, при моделировании конкретной ситуации мы можем применить любое количество адаптивных и психологических правил в качестве способа, позволяющего исследовать огромное пространство между этими двумя крайностями.

ПРОБЛЕМЫ МОДЕЛИРОВАНИЯ ПОВЕДЕНИЯ ЛЮДЕЙ

Моделирование поведения людей — сложная задача, поскольку модели требуют низкоразмерного представления, а люди не поддаются простому описанию. Все мы разные, подвержены социальному влиянию, склонны к ошибкам, целеустремленны и обучаемы. Кроме того, мы обладаем агентивностью — способностью действовать.

Напротив, физические объекты, такие как атомы углерода или бильярдные шары, не демонстрируют ни одного из этих свойств. Атомам углерода не присуще многообразие (хотя они могут занимать различные позиции в соединениях, например в пропане). Они никогда не нарушают законов физики и не живут целеустремленной жизнью. Они не меняют свое поведение с учетом прошлого опыта и лишены агентивности; они не решают возглавить восстание или сменить сферу деятельности. Отсюда и проистекает часто повторяемый шуточный комментарий социологов: насколько сложной была бы физика, если бы электроны могли думать. Физика была бы еще сложнее, если бы электроны могли описывать модели.

Мы можем начать с проблем, обусловленных многообразием. Люди отличаются по предпочтениям, способности действовать, сети социальных связей, уровню альтруизма и уровню когнитивного внимания, которое они уделяют действиям. Моделирование было бы проще, если бы все мы были одинаковыми. Иногда мы прибегаем к статистической логике и предположению, что поведенческое многообразие уравновешивается. Например, мы могли бы построить модель, которая прогнозирует благотворительные пожертвования как функцию дохода. При определенном уровне дохода и налоговой ставки некоторые люди могут быть более, а другие менее альтруистичными, чем мы предполагаем. Если отклонения от модели исключаются путем усреднения (в  мы поговорим о моделях распределений, объясняющих, почему это происходит), то наша модель может быть точной. Такое уравновешивание многообразия возможно только в случае независимых действий. Когда поведение формируется под влиянием социальных факторов, экстремальные действия могут привести к побочным эффектам. Так происходит, когда политические активисты побуждают избирателей к действиям. Мы столкнемся с этим при моделировании массовых волнений.

Произойдет ли взаимоисключение ошибок в их общей совокупности, зависит от контекста. Ошибки, возникающие из-за отсутствия когнитивной привязанности, могут быть случайными и независимыми. Ошибки, обусловленные когнитивными искажениями, могут быть систематическими и коррелированными. Например, люди могут придавать чрезмерное значение недавним событиям и вспоминать описательную информацию лучше, чем статистические данные. Общее смещение такого рода не уравновешивается.

Следующая проблема связана с желаниями людей. Самая большая трудность в описании моделей людей — дать точную оценку их целей и задач. Одни люди жаждут богатства и славы. Другие хотят внести вклад в улучшение жизни своих общин и мира в целом. В модели рационального агента мы представляем выигрыш человека непосредственно в виде функции. В моделях, основанных на правилах, цели носят более имплицитный характер. Правило поведения, согласно которому люди стремятся жить в интегрированных районах, но покидают район, если доля людей их расы падает ниже 10 процентов, отражает определенные убеждения в отношении стремлений людей.

И наконец, последняя проблема моделирования людей связана с их агентивностью — способностью действовать, менять то, что они делают, и учиться. Вместе с тем в некоторых контекстах людей лучше охарактеризовать как рабов привычек. Действия могут быть нам неподвластны. Мало кто стремится к зависимости от опиоидов или к бедности. Тем не менее люди совершают действия, приводящие к таким результатам.

Когда действия человека влекут за собой негативные последствия, он во многих случаях адаптирует свое поведение. Мы можем учесть это, включив в свои модели обучение. То, как люди учатся, зависит от контекста. Сколько часов нужно готовиться к экзамену, чтобы получить хорошую оценку, или сколько раз в неделю тренироваться — этому люди учатся на основе личного опыта и самоанализа. В каких продуктовых магазинах делать покупки и жертвовать ли на благотворительность — об этом люди узнают, наблюдая за другими. В  мы покажем, как обычно работает обучение в нестратегических контекстах. Люди осваивают наиболее подходящие действия. Кроме того, мы продемонстрируем, что в стратегических контекстах, которые мы моделируем как игры, все ставки аннулируются. Однако индивидуальное и социальное обучение не обязательно обеспечивает хорошие результаты.

Каждая из шести характеристик является потенциальным свойством модели. Включая то или иное свойство в модель, мы должны решить, в каком объеме это делать. Насколько разноплановыми должны быть наши агенты? Какое социальное влияние мы учитываем? Учатся ли люди у других? Как мы определяем задачи? В какой степени людям свойственна активность? Мы можем обладать меньшей свободой действий, чем думаем. Джонатан Хайдт описывает отсутствие способности действовать с помощью метафоры о наезднике и слоне. «Образ, который я придумал для себя, когда поражался своей слабости, — что я наездник, сидящий на спине слона. Я держу в руках поводья и, потянув их в ту или иную сторону, могу велеть слону повернуть, остановиться или двигаться дальше. Я могу управлять происходящим, но только если у слона нет собственных желаний. Если же слон действительно захочет что-то сделать, мне его не одолеть» . Иногда нам удается прокатиться верхом на слоне, а иногда нет. Ни один подход к моделированию людей не может быть применим при любых обстоятельствах, поэтому мы моделируем их разными способами.

МОДЕЛЬ РАЦИОНАЛЬНОГО АГЕНТА

Модель рационального агента предполагает, что люди делают оптимальный выбор с учетом функции выигрыша или полезности. Действиями могут выступать решения — тогда выигрыш зависит только от действий человека, или осуществляться в рамках игры — тогда выигрыш зависит от действий других игроков. В игре с одновременным выбором или неполной информа­цией модель также определяет убеждения в отношении действий других агентов.

Давайте построим в качестве примера простую модель рационального агента, отражающую индивидуальное решение о том, какую часть дохода выделять на жилье. Модель отражает полезность как функцию от затрат на жилье и все остальные виды потребления, в том числе продукты питания, одежду и развлечения (см. врезку). В данной модели делается предположение в отношении цены на жилье и цены всех остальных товаров. Модель далека от реалистичности: она одинаково подходит ко всем вариантам жилья, объединяет все остальные товары в одну категорию «потребление» и устанавливает на них одну и ту же цену. Мы можем игнорировать какое-то время все эти неточности, поскольку задача модели — объяснить долю дохода, выделенную на жилье.

В этой модели доля дохода, выделяемая человеком на жилье, не зависит от цены жилья или дохода. Оба результата представляют собой достаточно точное приближение данных . За исключением тех, кто находится на концах шкалы распределения доходов, большинство людей тратят на жилье около трети дохода. Этот вывод имеет политические последствия: если цены на жилье упадут на 10 процентов, люди будут покупать его на 10 процентов больше. Кроме того, он также обосновывает предположение об идентичности агентов. Если люди тратят на жилье фиксированный процент дохода, то общий объем расходов на жилье зависит только от среднего дохода.

Использование функции полезности делает модели разрешимыми, поддающимися анализу и проверке. Мы можем оценить такие функции с помощью данных, вывести оптимальные действия, а также задать вопросы типа «что, если», изменив значения параметров. Делая предположение относительно функции полезности, мы подразумеваем согласованность предпочтений, которой может не существовать. Для того чтобы предпочтения были представимы посредством функции полезности, они должны удовлетворять определенным аксиомам. Теоремы, доказывающие существование функций полезности, предполагают наличие совокупности альтернатив в сочетании с упорядочением предпочтений. Представьте, что мы можем перечислить все возможные группы товаров, которые может купить человек. Упорядочение предпочтений ранжирует эти группы от наиболее до наименее предпочтительных. Человек может предпочесть кофе с молоком чаю с лимоном и тогда разместит группу {кофе, молоко} выше группы {чай, лимон}.

Функция полезности отражает предпочтения, если она присваивает группе A более высокое значение, чем группе B, тогда и только тогда, когда порядок предпочтений ставит группу A выше группы B. Для того чтобы предпочтения можно было представить в виде функции полезности, они должны удовлетворять таким условиям, как полнота, транзитивность, независимость и непрерывность. Полнота требует, чтобы порядок предпочтений был определен на всех парах альтернатив. Транзитивность исключает циклы предпочтений. Если человек предпочитает группу A группе B, а группу B группе C, то он должен также отдавать предпочтение группе A перед группой C. Иначе говоря, если человек предпочитает яблоки бананам, а бананы сыру, то он должен также отдавать предпочтение яблокам перед сыром. Это условие исключает противоречивые предпочтения.

Независимость требует, чтобы люди оценивали результаты лотереи по отдельности. Лотерея — это распределение вероятностей по совокупности альтернатив, например, вероятность результата A составляет 60 процентов, а результата B — 40 процентов. Предпочтения удовлетворяют условию независимости, если, когда A находится в порядке предпочтений выше B, в любой лотерее, включающей в себя B в качестве результата, человек отдает предпочтение альтернативной лотерее, где место B занимает A. Условие независимости исключает сильное неприятие риска. Человек, не склонный рисковать, может ставить поездку в Новый Орлеан выше поездки в Disney World, но предпочитает точно знать, что поедет в Disney World, чем участвовать в лотерее, которая отправит его в Новый Орлеан с вероятностью и в Disney World в остальных случаях. Последнее условие, непрерывность, гласит, что если человек ставит A выше B, а B выше C, то существует лотерея, в которой он получит A с вероятностью p и C с вероятностью (1 − p), которая нравится ему точно так же, как и лотерея B. Это предположение исключает сильные предпочтения в отношении определенных результатов .

Условия независимости и транзитивности, которые люди нарушают, в дополнение к спорным утверждениям, что люди склонны к оптимизации, побуждают многих ставить под сомнение модель рационального агента, особенно популярную среди экономистов. Тем не менее существуют веские основания исходить из рациональности. Во-первых, люди могут действовать, «как будто» они склонны к оптимизации, и могут применять правила, обеспечивающие почти оптимальное поведение. Когда люди играют в бильярд, ловят летающий диск фрисби или водят автомобиль, они не составляют математических уравнений. Математические расчеты времени прыжка, необходимого, чтобы поймать фрисби, озадачат практически любого. Тем не менее люди ловят фрисби. Кстати, собаки тоже это умеют. Таким образом, люди и собаки действуют так, будто решают сложную задачу оптимизации.

Эта же логика распространяется и на задачи высокой размерности. Анализ действий Гарольда Зерчера, директора отдела технического обслуживания муниципальной автобусной компании в Мэдисоне, показал, что он принял почти оптимальное решение относительно замены двигателей автобусов . Зерчер не делал никаких математических расчетов, а полагался на эвристику, основанную на опыте, а это означало, что он действовал (почти) как рациональный агент.

Во-вторых, даже если люди действительно совершают ошибки, при повторении подобной ситуации способность учиться должна подталкивать нас к оптимальным действиям. В-третьих, в тех случаях, когда ставки высоки, люди должны вкладывать время и силы в принятие почти оптимальных решений. Люди могут переплачивать 30 процентов за кофе или батарейки, но они не переплачивают 30 процентов за автомобили или дома. Утверждение, что обучение и высокие ставки повышают уровень рациональности, подкреплено большим объемом эмпирических и экспериментальных данных .

Как ни парадоксально, четвертое основание для принятия модели рационального агента состоит в том, что она упрощает анализ. В случае большинства функций полезности есть единственное оптимальное действие. Человек может вести себя неоптимально тысячами способов. Утверждение, что люди не склонны к оптимизации, открывает огромное окно возможностей. Исходя из предположения, что люди делают выбор в пользу сохранения своей идентичности или соблюдения культурных норм, мы можем не получить одного четкого ответа. Рациональный выбор не реалистичен, но реализм имеет свою цену — он порождает путаницу. Ответ, пусть и заведомо неправильный, может быть полезнее, чем отсутствие ответа вообще, поскольку это позволяет применить модель к данным и проанализировать последствия изменения переменных .

В-пятых, предположение о рациональном агенте обеспечивает внутреннюю непротиворечивость. Если модель предполагает субоптимальное поведение и находится в открытом доступе, ее можно изучить. Люди могут менять поведение. Они могут не быть оптимальны, однако любое предположение, отличное от предположения об оптимальности, подвергается критике за отсутствие непротиворечивости. Мы вернемся к этому вопросу в конце главы.

И последнее, по мнению некоторых, самое важное: рациональность может выступать в качестве эталона . При разработке политики, составлении прогноза или выборе действия мы должны анализировать, что бы произошло, если бы у людей были рациональные предпочтения и склонность к оптимизации. Это указало бы на изъяны в наших рассуждениях. Кроме того, мы должны быть готовы к тому, что это действие приведет нас к выводу, что модель рационального агента неприменима и нам следует использовать другие модели. К этому списку можно добавить и седьмую причину: многомодельное мышление. Когда люди применяют множество моделей, вероятность ошибок снижается.

ПСИХОЛОГИЧЕСКИЕ СМЕЩЕНИЯ

Модель рационального агента ставят под сомнение психологи, экономисты и нейроученые, заявляя, что она не соответствует поведению людей. Эмпирические результаты лабораторных и естественных экспериментов указывают на то, что люди подвержены различным искажениям и смещениям, в том числе и смещению в отношении статус-кво. При вычислении вероятностей мы игнорируем базовые ставки, придаем слишком большое значение беспро­игрышным вариантам и стараемся избегать потерь.

По мере того как исследователи начинают связывать поведение и убеждения с процессами, протекающими в головном мозге, доказательства предрасположенности людей к психологическим смещениям становятся все более убедительными. Например, нейроэкономика использует исследования мозга для изучения экономически значимых аспектов поведения, таких как отношение к риску, уровень доверия и реакция на информацию . По утверждению Канемана, то, что нам известно на данный момент, позволяет провести различие между двумя типами мышления: быстрые, интуитивные правила (быстрое мышление) и неторопливые размышления (медленное мышление). Быстрое мышление более подвержено такого рода смещениям . В долгосрочной перспективе мы можем определить некоторые поведенческие шаблоны на основе структур головного мозга, но следует помнить, что мозг обладает огромной пластичностью — и способен преодолеть смещения посредством медленного мышления.

Кроме того, мы должны проявлять осмотрительность и не считать универсальным любой вывод, задокументированный всего в нескольких исследованиях. Результаты многих психологических исследований не подтвердились. В ходе одного из последних исследований не удалось воспроизвести и половины из сотни результатов, опубликованных в ведущих психологических журналах . Кроме того, воспроизводимость не всегда подразумевает универсальность. Во многих исследованиях совокупность объектов исследования лишена экономического и культурного многообразия . Можно предположить, что в более разнообразной выборке поведенческих закономерностей будет еще меньше, что дает еще больше оснований избегать обобщений в отношении поведения.

Наконец, при создании более реалистичных моделей мы должны помнить о разрешимости. К тому же они могут потребовать более сложной математики . Однако ни одна из этих причин не убедительна настолько, чтобы отказаться от моделей с психологически реалистичным поведением, но в совокупности они указывают на то, что мы должны действовать осмотрительно и уделять особое внимание документально подтвержденным поведенческим закономерностям.

Два неоднократно воспроизведенных отклонения — это неприятие потерь и гиперболическое дисконтирование. Неприятие потерь означает, что люди не склонны рисковать в случае потенциальной выгоды и готовы рискнуть в случае возможных потерь. Канеман и Тверски обозначают эту общую теорию как «теорию перспектив» . Неприятие потерь поначалу не кажется иррациональным, но говорит о том, что люди выбирают разные действия, если один и тот же сценарий представлен как потенциальная потеря или потенциальный выигрыш.

Например, люди предпочитают выиграть 400 долларов наверняка, чем участвовать в лотерее с равными шансами выиграть 1000 долларов. Тем не менее они примут участие в лотерее с равными шансами проиграть 1000 долларов, чем наверняка потерять 600 долларов. Такая непоследовательность распространяется и на неденежные сферы. Врачи, которым дают варианты выбора, представленные в виде выгоды, избегают риска. Когда эти варианты представлены в виде потерь, врачи в основном идут на риск .

Гиперболическое дисконтирование подразумевает более высокий коэффициент дисконтирования для ближайшего будущего. Стандартные экономические модели опираются на экспоненциальное дисконтирование, при котором ценность будущих благ убывает по экспоненте. Человек с годовой ставкой дисконтирования 10 процентов оценивает сумму в 1000 долларов в следующем году как эквивалентную 900 долларам сегодня. Этот человек дисконтировал бы деньги следующего года на 10 процентов каждый очередной год. Однако опыт показывает, что большинство людей не дисконтируют будущие доходы по фиксированной ставке дисконтирования. Напротив, они подвержены смещению в сторону безотлагательности, то есть дисконтируют ближайшее будущее в гораздо большей степени, чем более отдаленное . Например, если вы спросите людей, что они предпочли бы — 9500 долларов через двадцать лет или 10 000 долларов через двадцать лет и один день, практически каждый подождал бы еще один день ради дополнительных 500 долларов. Но если вы спросите этих же людей, что они предпочли бы — 9500 долларов сегодня или 10 000 долларов завтра, многие бы взяли 9500 долларов сейчас. Это и есть пример смещения в сторону безотлагательности .

Такое смещение порождает поведение, рассогласованное во времени. Через год большинство людей предпочтут подождать еще один день и получить 10 000 долларов. Такие предпочтения не являются логически противоречивыми. Гиперболическим дисконтированием объясняют, почему люди накапливают задолженность по кредитным картам, едят нездоровую пищу, вступают в незащищенные половые связи и не откладывают на пенсию.

Таким образом, в зависимости от того, как мы будем использовать модель, мы можем предпочесть неприятие потерь и гиперболическое дисконтирование, учитывая, что эти допущения лучше соответствуют поведению большинства людей. Основная причина этого не делать — если они усложняют модель без качественного изменения того, что мы находим, или если при допущении гиперболического дисконтирования наша модель приводит к нереалистичному поведению.

МОДЕЛИ, ОСНОВАННЫЕ НА ПРАВИЛАХ

Теперь рассмотрим модели, основанные на правилах . Тогда как модели на основе оптимизации опираются на базовую функцию полезности или выигрыша, который люди стремятся максимизировать, модели, основанные на правилах, предполагают определенное поведение. Они могут исходить из того, что во время аукциона человек предложит за тот или иной лот на 10 процентов меньше его истинной стоимости или скопирует действия друга, если этот друг неизменно получает более высокие выигрыши. Многие приравнивают модели на основе оптимизации к математике, а основанные на правилах — к вычислениям. Хотя различие между ними не столь однозначное, как может показаться на первый взгляд. Вспомните нашу модель затрат на жилье. Оптимальное поведение приняло форму простого правила: выделять на жилье треть дохода. Ключевое различие между двумя подходами заключается в их базовых предположениях. В моделях на основе оптимизации главную роль играют предпочтения или выигрыш, а в модели, основанной на правилах, — поведение.

Правила поведения могут быть фиксированными или адаптивными. Фиксированное правило подразумевает применение одного и того же алгоритма во всех случаях. Модели рационального выбора обеспечивают верхний предел когнитивных способностей людей, а модели с фиксированными правилами — нижний предел. Распространенное на рынках фиксированное правило, правило нулевого интеллекта, подразумевает принятие любого предложения, обеспечивающего более высокий выигрыш. Это правило не допускает глупых действий (например, снижающих полезность). Предположим, мы хотим оценить эффективность одностороннего рынка, на котором продавцы размещают предложения о продаже товара без возможности торга. Продавец, придерживающийся правила нулевого интеллекта, случайным образом выберет цену, превышающую ценность этого товара для него. Покупатель купит любой товар по цене ниже ценности, которую представляет для него этот товар. Проанализировав эти варианты поведения с помощью компьютерной модели, мы обнаружим, что на рынках трейдеры с нулевым интеллектом обеспечивают почти оптимальные результаты. Следовательно, эффективное функционирование фондовых рынков не зависит от наличия рациональных покупателей и продавцов .

Адаптивное правило подразумевает переключение между вариантами наборов поведения, развитие новых типов поведения или копирование поведения других. Эти действия предпринимаются ради повышения выигрыша. Следовательно, в отличие от фиксированных правил адаптивные правила требуют функции полезности или выигрыша. Сторонники этого подхода утверждают, что в любой ситуации люди склоняются к простым и эффективным правилам, а раз люди ведут себя именно так, мы должны моделировать их поведение аналогичным образом . Хотя модели, основанные на правилах, не содержат явно выраженных предположений в отношении рациональности, модели на основе адаптивных правил демонстрируют экологическую рациональность — более эффективные правила начинают доминировать .

Для того чтобы объяснить, как работают модели на основе адаптивных правил, опишем модель самоорганизованной координации под названием Эль Фароль . «Эль Фароль» — ночной клуб в Санта-Фе, в котором каждый вторник проводится вечер танцев. Каждую неделю 100 потенциальных танцоров решают, пойти в «Эль Фароль» на танцы или остаться дома. Все 100 человек любят танцевать, но не хотят идти в клуб, когда он переполнен. Модель основана на строгой системе предпочтений. Человек получит нулевой вы­игрыш, оставшись дома, выигрыш 1 — при посещении клуба при условии, что там будет 60 или менее посетителей, и выигрыш −1 — при посещении клуба, если там будет более 60 посетителей.

Если мы построим модель, основанную на фиксированных правилах, это может привести к чему угодно. Например, если бы мы предписали каждому человеку придерживаться правила «ходить каждую неделю; если в клубе будет более 60 посетителей, не идти на следующей неделе; а затем отправиться туда через неделю», то в клубе «Эль Фароль» было бы 100 посетителей в первую неделю, ноль посетителей во вторую и 100 посетителей в третью. Модель «Эль Фароль» создает адаптивные правила, позволяя каждому человеку использовать совокупность правил. Каждое правило говорит человеку о том, идти в клуб или не идти. Эти правила принимают несколько форм. Одни носят фиксированный характер: ходить в клуб каждую неделю. Другие основаны на закономерностях в количестве людей, посетивших клуб на протяжении последних недель. Третьи могут предсказывать, что количество посетителей заведения на этой неделе будет таким же, как и на прошлой. Если на прошлой неделе в клубе было меньше 60 посетителей, правило посоветует человеку посетить его на этой неделе.

Модель адаптивных правил поведения может присваивать каждому правилу оценку, эквивалентную проценту недель, на которые оно предоставило правильный совет. Тогда каждый человек мог бы использовать данную модель в своей совокупности правил с самой высокой оценкой. Лучшее правило будет меняться на протяжении нескольких недель. Моделирование такого типа показывает, что при наличии большой совокупности правил клуб каждую неделю посещают около 60 человек: координация происходит без централизованного планирования. Иначе говоря, система адаптивных правил путем самоорганизации обеспечивает почти оптимальные результаты.

Мы можем интерпретировать поведение в рамках моделей, основанных на адаптивных правилах, с помощью микро-макро цикла (см. рис. 4.1). На микроуровне группа индивидов совершают действия (обозначенные как a_i) в соответствии с правилами. Эти правила порождают явления макроуровня (обозначенные как макро₁ и макро₂), на которые указывают стрелки, направленные вверх. В задаче клуб «Эль Фароль» в качестве явлений макроуровня выступают последовательности посещений за прошедший период. Стрелки, направленные вниз, указывают на то, как эти явления макроуровня отражаются на поведении людей. В модели «Эль Фароль» каждый индивид может применять разные правила. Если в результате примененных людьми правил клуб «Эль Фароль» переполнен четыре недели подряд, тогда правила, которые советуют реже посещать клуб, обеспечат более высокие выигрыши. Когда люди переключатся на эти правила, количество посетителей клуба уменьшится. Правила микроуровня порождают явление макроуровня (слишком высокая посещаемость), которое учитывается в правилах микроуровня.

КОГНИТИВНАЯ ЗАВЕРШЕННОСТЬ, БОЛЬШОЙ ВОПРОС И МНОЖЕСТВО МОДЕЛЕЙ

Микро-макро цикл позволяет преодолеть основные разногласия относительно того, насколько умными следует делать агентов. Должны ли люди определять все последствия своих действий? Кроме того, цикл подразумевает более крупный вопрос (с которым мы будем постоянно сталкиваться в книге) о том, какую категорию результатов обеспечивает та или иная модель: переходит ли она к равновесию, порождает последовательность случайных событий, создает цикл или сложную серию результатов?

Начнем с вопроса о том, насколько умными должны быть агенты. Предположим, мы считаем, что люди обладают весьма скромными когнитивными способностями, поэтому разрабатываем модель с агентами с нулевым интеллектом. Совокупность их действий образует агрегированные явления макроуровня. Если макроуровень обеспечивает оптимальные или почти оптимальные результаты (как в случае одностороннего рынка покупателей и продавцов), то наше предположение может быть обоснованным. Легковыполнимое фиксированное правило дает хорошие результаты. У людей будет мало стимулов прилагать усилия к разработке более сложных правил.

Противоречие возникает, когда наша модель обеспечивает неоптимальные или даже очень плохие результаты. Так было в случае модели «Эль Фароль», когда общее фиксированное правило могло привести к циклу, в ходе которого клуб «Эль Фароль» был бы переполнен на протяжении одной недели и пуст на следующей. Столкнувшись с неоптимальным результатом, мы можем предположить, что люди будут адаптировать свое поведение. Они могут экспериментировать, могут анализировать логику ситуации, чтобы выработать новый план действий. Если мы последуем этой логике вплоть до ее экстремального значения и будем исходить из низких затрат на мышление, то может получиться так, что мы поддержим модель рационального агента. Любой неоптимально действующий человек мог бы добиться большего. И хотя это так, люди также должны уметь определять более эффективные действия.

Это поднимает большой вопрос: какую категорию результатов обеспечивает данная модель? У нас есть четыре варианта: равновесие, цикличность, хаотичность или сложность. Категория результатов будет иметь значение при принятии решения о том, насколько серьезно мы принимаем аргумент, что люди должны изучать свой путь к равновесию. Во-первых, если модель создает последовательность случайных событий на макроуровне, скорее всего, люди не смогут ничему научиться. С нашей моделью все в порядке. Аналогичная логика применима к моделям, порождающим сложные структуры. В таких случаях мы предположили бы, что люди продолжат адаптировать новые правила, но необязательно исходили бы из того, что они могут сделать оптимальный выбор. Напротив, сложность явлений макроуровня делает оптимальную реакцию неправдоподобной. По всей вероятности, люди противопоставили бы сложности совокупность простых правил, как в модели «Эль Фароль».

Модели, порождающие циклы или равновесия, создают стационарную среду, в связи с чем можно ожидать, что люди способны учиться, что никто не стал бы постоянно совершать неоптимальные действия. В качестве примера предположим, что у нас есть модель движения транспорта, в которой каждый выбирает маршрут поездки на работу с помощью фиксированного правила. В ней система движения транспорта приходит в равновесие. В его рамках участница дорожного движения по имени Лейн каждое утро тратит 75 минут на поездку из Калабасаса в деловой район Лос-Анджелеса. При наличии равновесия, если бы Лейн поехала по боковым улицам через каньон Топанга, дорога заняла бы всего 45 минут. С учетом ценности дополнительных 30 минут в день и частоты, с которой жители Лос-Анджелеса говорят о пробках, скорее всего, Лейн нашла бы более короткий маршрут. У нее нет недостатка в методах его поиска: можно воспользоваться системой автомобильной навигации, поговорить с соседями или поэкспериментировать.

Таким образом, если наша модель обеспечивает равновесие (или простой цикл), и оно не согласуется с оптимизацией поведения, то в нее закралась логическая ошибка. Если людям доступно более эффективное действие, они должны определить его. Они должны учиться. Обратите внимание, что нам нет надобности исходить из оптимальности поведения, чтобы достичь равновесия. Люди могут следовать простым правилам и обеспечивать равновесие, в котором никто не может извлечь выгоду посредством изменения своих действий. При таком равновесии ситуация выглядела бы так, «как будто» люди делают оптимальный выбор, поскольку на самом деле так и есть. Опять же, эту логику не нужно применять по отношению к сложным или случайным результатам. Если схема движения транспорта в Лос-Анджелесе порождает сложную последовательность транспортных тянучек и заторов, у нас мало оснований полагать, что Лейн сможет каждый день выбирать оптимальный маршрут. У нее почти наверняка не получится.

Если адаптивные правила, которые могут одобрить любые действия, порождают равновесие, то оно должно быть совместимо с поведением оптимизирующих агентов. Если те же правила создают сложность, поведение агентов не обязательно должно быть оптимальным. Мы можем сформулировать эту идею так: оптимальное поведение может быть нереалистичным предположением, особенно в сложных ситуациях. С другой стороны, если система обеспечивает устойчивый результат, при котором у человека есть более эффективные действия, скорее всего, он сможет определить, какое из них ему следует предпринять.

Расширенный вариант этой логики применим и к политике вмешательства. Предположим, мы используем данные для оценки правила поведения людей — например, вероятности того, что человек придет в отделение скорой помощи больницы в свой обеденный перерыв, чтобы решить мелкие проблемы со здоровьем. Прибегнув к фиксированному правилу, мы могли бы увеличить размер отделения, чтобы людям не приходилось ждать. Если люди продолжат придерживаться этого фиксированного правила, мы получим новое равновесие с коротким периодом ожидания в полдень. Однако при новом, более коротком периоде ожидания люди, которые не обращались в отделение скорой помощи с вывихнутыми лодыжками и простудой, теперь могут начать это делать. Данное равновесие опирается на то, что люди выбирают неоптимальные действия, такие как отказ от посещения отделения скорой помощи, даже тогда, когда им не пришлось бы долго ждать. Если люди учатся, мы не можем полагаться на данные за прошедший период для прогнозирования результатов в случае изменения политики. Эта идея, известная как критика Лукаса, представляет собой вариант закона Кэмбелла, который гласит, что люди реагируют на любой показатель или стандарт таким образом, что это делает его менее эффективным .

Как должно быть ясно на данный момент, наилучшего решения о том, как моделировать поведение людей, нет. Насколько рациональными делать их, или адаптивными — их правила, зависит от обстоятельств. Мы должны проявлять максимальную проницательность в каждой ситуации. С учетом факторов неопределенности нам нужно отдавать предпочтение большему числу моделей, а не меньшему.

Даже если мы склонны отбрасывать модели рационального выбора как нереалистичные, нам следует признать их разрешимость, способность выявлять направляющую силу стимулов, а также их ценность как эталона. Простые модели поведения, основанного на правилах (такие как нулевой интеллект), также далеки от реальности. Однако даже будучи неправильными, они могут быть полезны. Их легко анализировать и они позволяют определить, какой уровень интеллекта важен в определенной среде.

Человеческое поведение попадает в диапазон между двумя крайними вариантами — нулевым интеллектом и полной рациональностью, поэтому имеет смысл строить модели, в которых люди адаптируются с помощью правил. Эти правила должны учитывать тот факт, что люди отличаются когнитивной привязанностью и способностями в пределах одной области. В связи с этим нам следует ожидать поведенческого многообразия. Кроме того, мы можем рассчитывать на определенную непротиворечивость в пределах группы. Это также можно включить в модели .

В общем, с учетом сложностей, связанных с моделированием людей, у нас есть все основания для применения множества разноплановых моделей. Возможно, нам не удастся точно прогнозировать действия человека, но мы сможем определить набор возможных вариантов. Это позволит извлечь пользу из создания моделей, поскольку мы будем знать, что может произойти.

В заключение мы призываем к смирению и состраданию. При построении моделей людей специалист по моделированию должен быть скромным. Учитывая такие сложные аспекты моделирования, как многообразие, социальное влияние, когнитивные ошибки, целеустремленность и адаптация, наши модели неизбежно будут в чем-то неправильными — именно поэтому мы используем многомодельный подход. Упрощенные модели поведения вполне соответствуют некоторым ситуациям и позволяют сфокусироваться на других аспектах окружающей среды. Более содержательные модели поведения уместны при наличии более качественных данных. У нас должны быть скромные ожидания. Все мы разные: нам свойственна целеустремленность, адаптивность и предвзятость, мы подвержены социальному влиянию и обладаем определенной степенью агентивности. Как мы можем не ожидать, что какая-то отдельная модель человеческого поведения будет неправильной? Так и должно быть. Наша задача — построить множество моделей, ансамбль которых будет полезен.

Отправить