Цитаты из книги Черный лебедь

Мы, люди, — жертвы асимметрии в восприятии случайных событий. Мы приписываем наши успехи нашему мастерству, а неудачи — внешним событиям, неподвластным нам. А именно — случайностям. Мы берем на себя ответственность за хорошее, но не за плохое. Это позволяет нам думать, что мы лучше других — чем бы мы ни занимались. Например, 94 процента шведов считают, что входят в 50 процентов лучших шведских водителей; 84 процента французов уверены, что их сексуальные способности обеспечивают им место в верхней половине рейтинга французских любовников.
Еще одно следствие этой асимметрии заключается в том, что мы чувствуем себя в известной мере уникальными, непохожими на других (ведь на них, в нашем представлении, такая асимметрия не распространяется).
Для счастья важнее то, как часто мы испытываем приятное чувство, или, как говорят психологи, «положительный аффект», а не то, насколько сильно это чувство. Иными словами, хорошая новость — это прежде всего хорошая новость; насколько она хороша, уже не так важно. Значит, чтобы жить счастливо, нужно получать свои маленькие «положительные аффекты» как можно более регулярно. Множество просто хороших новостей лучше, чем одна отличная новость.
Когда экономисту не удается предсказать очередной кризис, он часто списывает все на землетрясение или революцию, заявляя, что он не специалист по геодезии, метеорологии и политологии, вместо того чтобы интегрировать эти области в свои исследования и признать, что его область не может существовать в отрыве от прочих.
Эту умственную заразу усугубило то, что Роберт Фиск называет «гостиничной журналистикой». Если в прежней журналистике Ливан был частью Леванта, то есть Восточного Средиземноморья, то теперь он внезапно стал частью Ближнего Востока, как будто кто-то умудрился перенести его поближе к пескам Саудовской Аравии. Остров Кипр, расположенный примерно в шестидесяти милях от моей деревни на севере Ливана, с почти идентичной кухней, верой и обычаями, внезапно сделался частью Европы (конечно, местные жители с обеих сторон подверглись соответствующей психологической обработке). Прежде черта проводилась между Средиземноморьем и не-Средиземноморьем (то есть между оливковым и сливочным маслом), а в 1970-е годы она вдруг разделила мир на Европу и не-Европу. Поскольку границу между ними обозначил ислам, никто не знал, куда отнести арабов христианского (и иудейского) вероисповедания.
Более двух тысяч лет тому назад римский оратор, беллетрист, мыслитель, стоик, политик-манипулятор и (почти всегда) благородный джентльмен Марк Туллий Цицерон в трактате «О природе богов» поведал такую историю. Греческому философу Диагору, прозванному Безбожником, показали изображения людей, которые молились богам и спаслись при кораблекрушении. Подразумевалось, что молитва спасает от гибели. Диагор спросил: «А где же изображения тех, кто молился, но все-таки утонул?»
Булю показал мне удивительную исследовательскую работу, только что законченную его практикантом и уже принятую к публикации; в ней подробно рассматривались две тысячи предсказаний, сделанных аналитиками ценных бумаг. В работе наглядно показывалось, что эти брокер-аналитики не предсказывали ничего: наивный прогноз человека, просто переносящего цифры из истекшего периода в следующий, был бы немногим хуже. А ведь аналитики владеют информацией о заказах, грядущих контрактах и планируемых расходах и благодаря этим ценным знаниям вроде должны прогнозировать значительно лучше, чем наш наивный предсказатель, не располагающий никакой информацией, кроме прошлых данных. Хуже того, разрыв между предсказанными и реальными величинами был гораздо существенней, чем между разными прогнозами, а значит, аналитиками руководил стадный инстинкт. Иначе прогнозы отстояли бы друг от друга настолько же, насколько они отстоят от реальности.
Самый интересный анализ того, как академические методы работают в реальной жизни, осуществил Спирос Макридакис. Он устраивал соревнования прогнозистов, использующих так называемую эконометрику — «научный метод», соединяющий экономическую теорию со статистическими измерениями. Попросту говоря, Макридакис заставлял людей предсказывать в реальной жизни, а потом оценивал точность их прогнозов. Вместе с Мишель Ибон он провел несколько «М-состязаний»; третье, и последнее из них, — М-3 — завершилось в 1999 году. Макридакис и Ибон пришли к печальному выводу: «Новейшими и сложнейшими статистическими методами не обязательно достигаются более точные результаты, чем самыми простыми».
При выборе стратегии чрезвычайно важна крайняя граница риска — да-да, куда важнее знать самый плохой вариант, чем общий прогноз. А особенно это важно в том случае, если наихудший сценарий просто неприемлем.
Практически все современные технологические прорывы — детища того, что называют словом серендипити. Этот термин впервые употребил в письме английский писатель Хорас Уолпол, находясь под впечатлением сказки «Три принца из Серендипа». Эти достославные принцы «благодаря случаю или собственной смекалистости постоянно совершали открытия, находя то, чего не искали».
Тетлок изучал проблему «экспертов» в политике и экономике. Он просил специалистов из разных областей оценить вероятность того, что в течение заданного временного периода (около пяти лет) произойдут определенные политические, экономические и военные события. На выходе он получил около двадцати семи тысяч предсказаний почти от трех сотен специалистов. Экономисты составляли около четверти выборки. Исследование показало, что эксперты далеко вышли за пределы своих допусков на ошибку. Обнаружилась и экспертная проблема: между результатами докторов наук и студентов не было разницы. Профессора, имеющие большой список публикаций, справлялись не лучше журналистов. Единственной закономерностью, которую обнаружил Тетлок, была обратная зависимость прогноза от репутации: обладатели громкого имени предсказывали хуже, чем те, кто им не обзавелся.
Но Тетлок ставил перед собой задачу не столько показать, чего реально стоят эксперты (хотя у него это замечательно получилось), сколько выяснить, почему до них никак не доходит, что они плохо справляются со своей работой, иными словами, как им удается «втирать себе очки».
<...>
Вы говорите, что играли в другую игру. Допустим, вам не удалось предсказать неожиданный крах Советского Союза (этого не предвидел ни один социолог). Легко заявить, что вы прекрасно понимали суть политических процессов, происходивших в Советском Союзе, но эти русские, будучи чрезмерно русскими, искусно скрыли от вас существенные экономические составляющие. Если бы вы обладали этими экономическими данными, вы бы уж конечно смогли предсказать падение советского режима. Винить надо не вашу квалификацию. Так же можно действовать, если вы предсказали решительную победу Эла Гора над Джорджем У. Бушем. Вы не знали, что экономика в таком отчаянном положении; собственно, этот факт, кажется, был тайной для всех. Вы же не экономист, а борьба-то, оказывается, шла на экономическом ринге.
Вы валите все на непредвиденные обстоятельства. Случилось что-то необычайное, лежащее вне поля вашей науки. Поскольку это нельзя было предсказать, вы не виноваты. Это был Черный лебедь, а вы не обязаны предсказывать Черных лебедей.
В 1971 году психологи Дэнни Канеман и Амос Тверски решили помучить профессоров статистики вопросами, сформулированными не как статистические вопросы. Один был приблизительно таков (для большей ясности я поменял пример): представьте, что вы живете в городе, где есть две больницы — одна большая, другая маленькая. В определенный день в одной из этих двух больниц рождается 60 процентов мальчиков. В какой больнице это скорее могло бы произойти? Многие профессора делали ошибку (во время обычной беседы), называя большую больницу, в то время как суть статистики заключается в том, что большие выборки более стабильны и имеют меньше отклонений от долгосрочного среднего показателя (в нашем случае 50 процентов каждого пола), чем маленькие выборки. Эти профессора провалили бы экзамены, которые сами же принимают. Еще работая квант-инженером, я выявил сотни таких серьезных ошибок, сделанных статистиками, забывшими о том, что они статистики.
В 1960-е годы, в пору наивысшего зазнайства науки, врачи, уверенные в своей способности воссоздать в лаборатории материнское молоко, ни в грош его не ставили, не осознавая, что материнское молоко может содержать полезные компоненты, которые укрылись от их просвещенного внимания; отсутствие свидетельств о пользе материнского молока принималось за свидетельство отсутствия пользы оного (еще один пример платонизма: «нет смысла» кормить грудью, раз можно кормить из бутылочки). Многие пострадали от этой наивной логики: те, кого в младенчестве не кормили грудью, оказались больше подвержены ряду болезней, в том числе определенным видам рака — видимо, в материнском молоке есть какие-то необходимые защитные питательные вещества, о которых мы пока ничего определенного не знаем. Больше того, благотворное влияние, которое кормление грудью оказывает на матерей, — например снижение риска рака груди, — тоже не учитывалось.
Та же история с миндалинами: удаление миндалин повышает риск поражения горла раком, но на протяжении десятилетий врачи и не подозревали, что эта «бесполезная» ткань может быть для чего-нибудь, им неведомого, нужна. То же самое с пищевой клетчаткой во фруктах и овощах: врачи в 1960-е годы считали ее бесполезной, потому что не имели доказательств ее необходимости, и в результате мы получили неправильно вскормленное поколение.
Клетчатка, как выясняется, замедляет всасывание сахара в кровь «и вычищает из желудочно-кишечного тракта предраковые клетки. Вообще медицина за всю свою историю причинила немало вреда, и виной тому — эти простые огрехи-перевертыши.
Если я видел, как человек совершает убийство, я могу почти не сомневаться, что он преступник. Но, если я не видел, как человек совершает убийство, я не могу быть уверен в его невиновности. То же относится к диагностике рака: выявление одной-единственной злокачественной опухоли доказывает, что у вас рак, но невыявление ее не позволяет вам со стопроцентной уверенностью сказать, что рака у вас нет.
Нас приближают к истине отрицательные, а не подтверждающие примеры! Неверно выводить общее правило из наблюдаемых фактов.
Психологи Канеман и Тверски <...> провели такой эксперимент: испытуемых (а это были люди, чья профессия связана с составлением прогнозов) просили оценить вероятность двух событий:
а) в Америке случится сильное наводнение, в результате которого погибнет более тысячи человек;
б) землетрясение в Калифорнии вызовет сильное наводнение, в результате которого погибнет более тысячи человек.
По мнению респондентов, первый вариант менее вероятен, чем второй: ведь землетрясение в Калифорнии — это причина, которую легко допустить и которая делает ситуацию наводнения более представимой, тем самым повышая ее вероятность в наших глазах.
Точно так же, если я спрошу: «Как вам кажется, сколько ваших сограждан больны раком легких?» — вы назовете какую-нибудь цифру (ну, скажем, полмиллиона). Однако если я спрошу, сколько человек в вашей стране заболели раком легких в результате курения, цифра, которую вы назовете, окажется гораздо (пожалуй, что и в два-три раза) больше. Если указана причина явления, это явление выглядит куда более правдоподобным — и куда более вероятным. В рак от курения верится легче, чем в рак без причины (если причина неясна, это все равно, что ее нет).
Какая из этих ситуаций, на ваш взгляд, более вероятна?
1. Джой, судя по всему, был счастлив в браке. Он убил свою жену.
2. Джой, судя по всему, был счастлив в браке. Он убил свою жену, чтобы завладеть ее наследством.
Наверняка, повинуясь первому впечатлению, вы скажете, что вероятнее второй вариант, хотя это чистой воды логическая ошибка, ведь первое утверждение шире и охватывает не одну возможную причину, а множество: Джой убил свою жену, потому что сошел с ума, или потому, что та изменила ему с почтальоном и лыжным инструктором, или потому, что в состоянии помрачения он принял ее за специалиста по финансовому прогнозированию.
Канеман и Тверски заметили, что люди способны всерьез задуматься о, казалось бы, маловероятных явлениях, если вовлечь их в обсуждение подобных явлений и дать почувствовать, что эти события не так уж нереальны. Например, если спросить человека, какова вероятность гибели в авиакатастрофе, он, скорее всего, завысит цифру.
Грег Баррон и Идо Эрев в ходе ряда опытов установили, что люди склонны преуменьшать малую вероятность, если им самим приходится ее просчитывать, то есть если она не обозначена в цифрах. Представьте, что вы тянете шары из урны, в которой очень мало красных и много черных шаров, и вам нужно угадать, какого цвета шар вы сейчас вытащите; при этом вы не знаете точного соотношения красных и черных. Скорее всего, по вашей оценке, вероятность вытащить красный шар окажется ниже, чем она есть на самом деле. А вот если вам сказать, к примеру, что красных шаров — 3 процента, вы, наоборот, будете ошибаться, говоря «красный» чаще, чем нужно.
Мы любим все ощутимое, подтверждаемое, осязаемое, реальное, зримое, конкретное, знакомое, уже виденное, броское, визуальное, социальное, запоминающееся, эмоционально нагруженное, кричащее, стереотипное, волнующее, театральное, романтическое, «косметическое», официальное; любим наукообразное словоблудие (словоблядие), надутых экономистов-статистиков, математизированную чушь, пафос, Французскую академию, Гарвардскую школу бизнеса, Нобелевскую премию, темные деловые костюмы, белые рубашки и галстуки от Феррагамо, пламенные речи, сенсации! Особенно же мы любим нарратив.
Что бы там ни говорили, полезно иногда задаваться вопросом: а какова вероятность ошибки эксперта? Подвергать сомнению нужно не методы работы эксперта, а только его уверенность. (Я сам, обжегшись на нашей медицине, научился осторожности и всем советую: если вы обратились к врачу с определенными жалобами, а он вам говорит, что у вас стопроцентно не рак, — не слушайте его).
Для меня специалисты делятся на две категории. К первой относятся те, кто склонен к самонадеянности при наличии (некоторых) знаний, — и это легкий случай. Ко второй — и это тяжелый случай — те, кто самонадеян и при этом полностью некомпетентен («пустые костюмы»).
Как и многие биологические переменные, ожидаемая продолжительность жизни — величина среднестанская, то есть подчинена рядовой случайности. Она не масштабируема, так как чем старше мы становимся, тем меньше у нас шансов жить дальше. В развитой стране таблицы страховых компаний предсказывают новорожденной девочке смерть в 79 лет. Когда она справит 79-й день рождения, ожидаемая продолжительность ее жизни в типичном случае будет составлять 10 лет. В возрасте 90 лет она сможет рассчитывать на 4,7 года.
В 100 лет — на 2,5 года. Если она чудесным образом доживет до 119 лет, ей останется около 9 месяцев. По мере того как она пересекает очередные пороги, количество дополнительных лет уменьшается. Это иллюстрация главного свойства случайных переменных, описываемых «гауссовой кривой». Чем старше человек, тем меньше дополнительных лет у него в резерве.
С человеческими планами и проектами дело обстоит по-другому. Они часто масштабируемы, как я уже говорил в главе 3. А в случае с масштабируемыми, то есть крайнестанскими, переменными вы получите ровно противоположный эффект. Скажем, предполагается, что проект будет завершен за 79 дней (берем ту же цифру, что в примере с возрастом женщины). Если на 79-й день проект не завершен, нужно будет отвести на него еще 25 дней. На 90-й день — еще около 58. На 100-й — 89. На 119-й —149. Если проект еще не завершен в день номер 600, то на него понадобится 1590 дополнительных дней. Как видно, чем дольше вы ждете, тем дольше вам предстоит ждать.