Сборник - Эта книга сделает вас умнее. Новые научные концепции эффективности мышления Страница 15

Особенно плохо мы справляемся с оценкой риска, когда имеем дело с «большими» событиями, имеющими тем не менее весьма небольшую вероятность. Это видно уже по тому, насколько успешно отбирают у нас деньги различные лотереи и казино, но есть и много других примеров. Вероятность погибнуть от руки террориста крайне мала, но мы предпринимаем множество антитеррористических мер, значительно снижающих качество нашей жизни. Вот пример: риск развития злокачественных новообразований из-за облучения рентгеновским сканером в аэропорту выше, чем риск стать жертвой теракта, то есть сканирование так же контрпродуктивно, как боязнь пауков. Конечно, это не означает, что можно позволить паукам (или террористам) ползать где угодно, но к риску нужно подходить рационально.

В нашем обществе неуверенность принимают за проявление слабости. Но наша жизнь полна неопределенности, и рациональная оценка непредвиденных обстоятельств и вероятностей – единственный здравый способ принимать правильные решения. Еще один пример – недавно один федеральный судья заблокировал финансирование исследований стволовых клеток. Вероятность того, что эти исследования быстро приведут к появлению новых лекарств, способных спасти человеческие жизни, весьма мала, однако в случае успеха позитивный эффект будет огромным. Если оценить возможные результаты и их вероятность, станет ясно, что судья, возможно, разрушил тысячи человеческих жизней, опираясь лишь на собственные предположения.

Каким же образом принять рациональное решение, опираясь на оценку вероятности? Ведь этот судья все-таки не стал причиной смерти тысяч людей… или все же стал? Как предполагает многомировая интерпретация квантовой механики – наиболее непосредственная интерпретация ее математического описания, – наша Вселенная постоянно разветвляется на несколько параллельных вселенных. Есть некий мир, в котором исследования стволовых клеток спасли миллионы жизней, а есть мир, в котором множество больных умерли из-за решения суда. Используя «частотный» метод вычисления вероятности, мы должны сложить вероятность события во всех мирах, в которых это событие произошло, чтобы получить его общую вероятность.

Квантовая механика утверждает, что мир, в котором мы живем, определяется вероятностью события. Таким экстравагантным образом квантовая механика примиряет подходы «частотного» и байесовского методов, уравнивая вероятность события с его частотностью во многих возможных мирах. «Ожидаемый уровень» – например, число людей, которые умрут из-за решения судьи, – это общее число погибших в «параллельных вселенных», измеренное с точки зрения соответствующей вероятности. Это ожидаемое значение необязательно совпадет с реальностью, поскольку это усредненный ожидаемый результат, – но его все равно полезно знать, принимая решения. Чтобы принимать решения с учетом риска, необходимо лучше освоить эту умственную гимнастику, усовершенствовать наш язык и перестроить нашу интуицию.

Возможно, наилучшей площадкой для оттачивания этих навыков и расчетов вероятности был бы тотализатор, где можно делать ставки, стараясь предугадать результат различных, но поддающихся количественному анализу и общественно значимых событий. Чтобы сделать удачную ставку, нужно использовать все инструменты и словарь байесовского подхода, что поможет развить умение принимать рациональные решения. Если мы освоим эти навыки, то многочисленные риски повседневной жизни станут более понятными для нас и наша интуитивная реакция на еще не подсчитанные риски станет более рациональной, поскольку будет отталкиваться от коллективных подсчетов и влияния социальной среды.

Мы сможем побороть чрезмерный страх перед пауками и выработать у себя здоровое отвращение к пончикам, сигаретам, телевидению и бесконечному стрессу на работе. Мы будем лучше понимать соотношение цена – качество, более точно оценивать важность исследований, включая исследования, направленные на улучшение и удлинение человеческой жизни. И, говоря о более тонких материях, мы начнем осторожнее относиться к расплывчатым словам вроде «вероятно» и «обычно», и наши стандарты описания вероятности событий значительно поднимутся.

Принятие решений требует психических усилий, и если переусердствовать, легко добиться контрпродуктивных результатов – увеличить стресс и зря потратить время. Поэтому лучше всего сохранять баланс и играть, разумно рискуя, – потому что существует большой риск, что мы проживем жизнь, так ни разу и не поставив ее на карту.

Истина – это модель

НИЛ ГЕРШЕНФЕЛЬД

Физик, руководитель Центра битов и атомов Массачусетского технологического института, автор книги Fab: The Coming Revolution on Your Desktop – From Personal Computers to Personal Fabrication («Революция на вашем компьютере – от персональных компьютеров к персональному производству»)

Самое распространенное заблуждение, касающееся науки, заключается в следующем: наука – это когда ученые ищут и находят истину. На самом деле это не так – они создают и проверяют модели.

Кеплер, обратившись к платоновым телам, чтобы объяснить наблюдаемые движения планет, сделал весьма точные предсказания, которые затем дополнил своими законами движения планет. Эти законы, в свою очередь, позже были дополнены законами движения Ньютона, а затем общей теорией относительности Эйнштейна. Ньютон был прав, но это не значит, что идеи Кеплера были ошибочны, так же как идеи Ньютона не стали ошибочными после появления теории Эйнштейна. Эти модели различаются в своих предпосылках, точности и применимости, но не в своей истинности.

Такая ситуация кардинально отличается от столкновений взаимоисключающих позиций, характерных для других сфер жизни: либо прав я – и правильны мой образ жизни, моя политическая партия и моя религия, – либо ты (но я уверен, что прав именно я).

Общим остается лишь убеждение в собственной правоте.

Строить модели – далеко не то же самое, что провозглашать истину. Это бесконечный процесс открытий и уточнений, а не война, которую необходимо выиграть, и не цель, которой нужно достигнуть. Неуверенность является неотъемлемой частью процесса изучения неизвестного, а не слабостью, которой следует избегать. Отклонения от ожидаемых результатов дают возможность уточнить модель. Решение принимается на основании того, что лучше работает, а не на основе полученной мудрости.

Работа ученых во многом похожа на развитие ребенка: невозможно научиться ходить и говорить без падений и лепета, без экспериментов с языком и равновесием. Лепечущие малыши со временем превращаются в ученых, которые формулируют и проверяют жизненно важные теории. Для создания ментальных моделей не нужно каких-то специальных навыков – мы уже рождаемся с этой способностью. Главное – не подменять процесс создания моделей уверенностью в существовании абсолютных истин – убежденностью, которая всегда препятствует изучению новых идей. Понять что-либо – значит создать модель, которая сможет предсказать результаты и согласовывать с этими результатами наши наблюдения. Истина – это модель.

E pluribus unum[8]

ДЖОН КЛЕЙНБЕРГ

Профессор компьютерных технологий, Корнелльский университет, соавтор (с Дэвидом Исли) книги Networks, Crowds and Markets: Reasoning About a Highly Connected World («Сети, толпы и рынок: рассуждения о взаимосвязанном мире»)

Если уже двадцать пять лет назад вы пользовались персональным компьютером, то все, с чем вам приходилось иметь дело, умещалось в пластиковом корпусе на вашем столе. Сегодня в течение часа работы вы используете приложения, рассеянные по компьютерам всего мира. По большей части мы уже не можем сказать, где вообще расположены наши данные. Мы придумали термины, чтобы выразить утраченное чувство ориентации в пространстве: наши сообщения, фото и профили находятся где-то «в облаке».

И облако – не единственный пример. То, что вы считаете своим аккаунтом в Google или в Facebook, на самом деле становится возможным благодаря слаженной работе огромного количества физически разнесенных в пространстве компонентов – системой с распределенными функциями, как это называют на языке компьютерных технологий. Но мы можем думать об этом как о чем-то едином, в этом-то и заключен смысл: системы с распределенными функциями применяются везде, где нужно, чтобы множество элементов независимо, но согласованно работали, производя иллюзию единого процесса. Это происходит не только в Интернете, но и во многих других областях. Возьмем, например, какую-нибудь большую корпорацию, выпускающую новые продукты. Хотя в рекламе фигурирует лишь название корпорации, понятно, что в ней работают десятки тысяч людей. Другой пример – большая колония муравьев, занятых совместной деятельностью, или нейроны головного мозга, создающие переживание текущего момента.