Нассим Николас Талеб

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.

Здесь работает классический ментальный механизм — так называемый эффект привязки. Вы усмиряете свой страх перед неопределенностью, придумывая число и цепляясь за него как за островок посреди пустоты. Этот эффект был открыт отцами психологии неопределенности Дэнни Канеманом и Амосом Тверски, еще когда они только начинали исследовать заблуждения в использовании эвристик. Эффект работает следующим образом. Канеман и Тверски предлагали добровольцам покрутить рулетку. Добровольцы смотрели на выпавшее число, зная, что оно случайно. Затем их просили назвать количество входящих в ООН африканских стран. Ответ коррелировал с выпавшим числом. Попросите кого-нибудь назвать вам последние четыре цифры своего номера социального страхования, а затем — приблизительное количество зубных врачей в Манхэттене. Вы увидите, что, активировав в сознании собеседника четырехзначное число, вы заставляете его соотносить свое предположение с этим числом.

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.

В прошлом не столь отдаленном, скажем, в докомпьютерную эпоху, планы оставались туманными и качественными (в смысле неколичественными), приходилось совершать умственное усилие, чтобы удерживать их в голове, а уж делать раскладку на далекое будущее было настоящим мучением. Чтобы заниматься планированием, требовались карандаши, ластики, столы, заваленные бумагами, и огромные мусорные корзины. Прибавьте бухгалтерскую любовь к нудной монотонной работе. Короче говоря, планирование было трудоемким и неприятным занятием, связанным к тому же с постоянными сомнениями. Но внедрение электронных таблиц произвело настоящий переворот. С помощью экселевской таблицы компьютерно грамотный человек может без усилий продлевать «план продаж» до бесконечности. На бумаге, на экране компьютера или, еще того хлеще, в пауэрпойнтовском формате план обретает собственную жизнь, теряет расплывчатость и абстрактность, «овеществляется», как говорят философы, наполняется конкретикой, начинает новую жизнь как материальный объект. Мой друг Брайан Хинчклифф, пока мы вместе потели в местном спортзале, выдвинул следующую идею. Возможно, именно та простота, с которой можно проектировать будущее, множа ячейки в этих программах-таблицах, привела к появлению целой армии предсказателей, которые уверенно выдают долгосрочные прогнозы (не выходя из «туннеля» собственных предположений).

Планы проваливаются из-за так называемого «туннелирования», невнимания к зонам неопределенности, находящимся за рамками проекта.

Чтобы выжить, учреждение должно убедить себя и всех остальных в том, что оно обладает «дальновидностью».

Ученость без эрудиции и природного любопытства ведет к узости мышления и дроблению дисциплин.

Проблема в том, что мы сосредоточиваемся на тех редких случаях, когда наша методика срабатывает, и почти никогда — на многочисленных примерах ее несостоятельности.

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.

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».

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.

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).

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.

Несколько исследователей, изучив работу и самооценку аналитиков ценных бумаг, получили удивительные результаты, особенно в отношении эпистемической самонадеянности этих деятелей. Сравнивая их с метеорологами, прогнозирующими погоду, Тадеуш Тышка и Петр Зелонка констатируют, что аналитики предсказывают хуже, но при этом больше верят в собственное умение. Во всяком случае, им хватает апломба не снижать предела погрешности после откровенных провалов.

Прогнозисты от экономики, как мы очень скоро убедимся, гораздо ближе в своих догадках друг к другу, чем к реальному результату. Никто не хочет быть белой вороной.

Важно не то, насколько редко мы ошибаемся, а какова суммарная погрешность.

Самообольщение — действительно важный фактор. В этом и суть проблемы специалистов: они не знают, чего они не знают. Нехватка знаний и ложное представление о качестве этих знаний идут рука об руку — тот же механизм, который мешает людям узнавать больше, внушает им удовлетворенность своими знаниями.

Глобальных войн в истории человечества было мало; они для нас внове, поэтому мы склонны недооценивать их длительность и переоценивать свое превосходство. Вспомните, как недооценивали продолжительность войны в Ливане. Первая мировая тоже казалась парой пустяков тем, кто ее начинал. Так было и с войной во Вьетнаме, и с войной в Ираке, да почти с каждым вооруженным конфликтом современности.

В тех областях, где все подвижно и потому требует осознания, специалистов обычно не бывает, тогда как в стабильных областях кое-какие специалисты есть. Иными словами, специалистов практически не существует в профессиях, имеющих дело с будущим и строящих свои расчеты на основе изучения неповторяющегося прошлого (за исключением метеорологии и тех видов бизнеса, которые определяются кратковременными физическими, а не социоэкономическими процессами).

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»).

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).

Если вы дадите себе труд подробно изучить биографию Онассиса — а я в молодости потратил на это несколько лет, — вы заметите любопытную особенность: работа (в общепринятом смысле слова) его не интересовала. Он даже не позаботился завести себе стол, не говоря уже об офисе. При этом он не просто заключал сделки — для этого офис не нужен, — он правил судостроительной империей, а это требует ежедневного отслеживания информации. Главным рабочим инструментом ему служил блокнот — вся нужная информация хранилась там. Онассис провел всю жизнь в общении с богачами и знаменитостями и в ухаживаниях (и охоте) за женщинами. Вставал он обычно в полдень. Если бы ему понадобилась юридическая помощь, он собрал бы своих юристов в два часа ночи в каком-нибудь парижском клубе. Говорят, что он обладал неотразимым обаянием и пользовался этим, чтобы манипулировать людьми. Попытаемся заглянуть глубже. Здесь очень вероятен эффект «одураченных случайностью»: прямо-таки подмывает назвать причиной успеха Онассиса его modus operandi. Мне не дано знать, был ли Онассис талантлив или просто удачлив (хотя я убежден, что его обаяние открывало перед ним все двери), зато я могу тщательно проанализировать его образ действий, опираясь на исследования зависимости между количеством информации и пониманием. Таким образом, утверждение, что доскональное знание мельчайших деталей повседневной рутины может быть бесполезным, а то и просто губительным, проверяется — пусть опосредованно, но довольно эффективно.

Я не встречал ещё исследования, где доказывалось бы, что администраторы высшего звена действительно приносят пользу, тратя бесконечные часы на переговоры и поглощение сиюминутной информации.

Если вы наёмный работник и зависите от оценки других людей, деловой вид – это способ притвориться, что результаты в этом мире случайностей зависят от вас.

Пол Слович предложил букмекерам отобрать из восьмидесяти восьми видов всевозможных статистических данных о прошлых скачках те, которые им кажутся наиболее полезными при подсчете шансов. Сначала букмекерам дали десять самых полезных параметров и попросили предсказать исход соревнования. Затем добавили еще десять параметров и снова попросили предсказать итог. Но дополнительная информация не прибавила результатам точности, зато заметно подняла уверенность участников в своей правоте. Итак, доказано: информация бывает вредна.