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.
Человек, который наносит урон своими прогнозами, либо глупец, либо обманщик. Некоторые предсказатели опаснее всякого преступника. Фигурально говоря, пусть эти господа не садятся за руль школьного автобуса с завязанными глазами.
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».
Меня всегда поражало количество людей, которых астрономические доходы превращают в совершенных лакеев, все усиленнее лебезящих перед клиентами и работодателями и все больше пожираемых страстью к наживе.
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.
Наш разум — превосходная объяснительная машина, которая способна найти смысл почти в чем угодно, истолковать любой феномен, но совершенно не в состоянии принять мысль о непредсказуемости.
Доступная публике информация совершенно бесполезна, особенно для бизнесмена, поскольку цены, как правило, уже «включают» всю подобную информацию; то, что известно миллионам, не дает вам реального преимущества. Кто-нибудь из сотен миллионов потребителей новостей, скорее всего, уже купил заинтересовавшие вас бумаги и тем самым поднял цену.
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).