Демон Лапласа

We use cookies. Read the Privacy and Cookie Policy

Демон Лапласа

В некотором смысле эта проблема восходит к самому Ньютону. Опираясь на свои три закона механики и закон всемирного тяготения, он умудрился вывести не только законы планетарного движения Кеплера, но и вычислить время приливов и отливов, траектории летящих тел, а также разобраться в поистине удивительном множестве других природных явлений{159}. Это было уникальное научное достижение, показавшее, чего можно достичь с помощью математических законов. Движения планет, время приливов и отливов. То, что их можно предсказать, — невероятно! Однако, кроме разве что вибраций электронов или времени, за которое свет пройдет определенное расстояние, такие вещи — одни из наиболее предсказуемых явлений в природе. Увы, поскольку за прогнозирование этих явлений математики и естествоведы взялись в первую очередь и поскольку их ждал столь ошеломляющий успех, заманчивый вывод, будто все остальное устроено точно так же, напрашивался сам собой. Ньютон писал: «Рассуждая подобным же образом, было бы желательно вывести из начал механики и остальные явления природы, ибо многое заставляет меня предполагать, что все они обусловливаются некоторыми силами, с коими частицы тел, вследствие причин, покуда неизвестных, или стремятся друг к другу и сцепляются в правильные фигуры, или же взаимно отталкиваются и удаляются друг от друга»[35].

Век спустя французский математик и астроном Пьер-Симон Лаплас[36] довел мысль Ньютона до ее логической крайности, заявив, по сути, что ньютоновская механика сводит прогнозирование будущего — даже будущего вселенной — к простым расчетам. Лаплас придумал некий «разум», которому были известны все силы, «приводящие природу в движение, а также положения всех тел, из которых природа состоит». И далее «для такого разума не было бы ничего неясного, и будущее существовало бы в его глазах точно так же, как прошлое».

Этот воображаемый «разум» в итоге получил название «демон Лапласа» и с тех пор таится у границ человеческого видения будущего. Среди философов он вызвал ожесточенные споры: сведя прогнозирование будущего к механическим действиям, он, казалось, похитил у человечества свободную волю. Как выяснилось, однако, волноваться об этом не стоило. Начиная со второго закона термодинамики вплоть до квантовой механики и, наконец, теории хаоса представление о Вселенной как о некоем часовом механизме рушится уже больше столетия{160}. Впрочем, это не означает, что сама идея канула в Лету. Несмотря на дискуссию о свободной воле, было что-то невероятно притягательное в концепции использования законов природы (при условии их применения к соответствующим данным, конечно) для прогнозирования будущего. Люди, разумеется, предсказывали его с момента зарождения цивилизации. Однако, в отличие от них, Лаплас не опирался ни на магические силы, ни на собственные особые познания. Все зависело от научных законов, которыми в принципе мог овладеть каждый. Таким образом, прогнозирование, некогда являвшееся прерогативой оракулов и мистиков, пришло в объективную, рациональную область современной науки.

При этом, однако, демон успешно затушевывал ключевое различие между двумя типами процессов, которые я для удобства буду называть «простыми» и «сложными»{161}. Простые системы — это те, в которых та или иная модель может охватить все или почти все вариации наблюдаемого. Колебания маятника и орбиты спутников в этом смысле просты, хотя смоделировать или спрогнозировать их довольно сложно. Как это ни парадоксально, но часто наиболее сложные модели — предсказывающие траектории межпланетных космических зондов или определяющие местоположение устройств GPS — основаны на относительно простых процессах. Основными уравнениями движения, управляющими орбитой спутника связи или подъемной силой крыла самолета, может овладеть любой старшеклассник. Но, поскольку различие в результатах, полученных с помощью хорошей и очень хорошей моделей, подчас бывает огромным, настоящие модели — используемые инженерами для создания спутниковой системы навигации и «Боинга-747» — учитывают всевозможные крошечные коррекции. Поэтому-то они в итоге и оказываются гораздо более сложными.

Когда в 1999 году запущенный NASA Mars Climate Orbiter вспыхнул и развалился в марсианской атмосфере, неудачу приписали простой ошибке в программировании (вместо метрических использовались единицы британской системы): спутник вышел на орбиту на высоте примерно 60 км от поверхности Марса вместо надлежавших 140. Если учесть, что, прежде чем попасть туда, он должен был преодолеть более 50 млн км, величина ошибки кажется незначительной. И все же именно она решила исход запуска: вместо триумфального успеха NASA ждал постыдный провал. Выходит, даже для таких «простых» систем, как небесная механика, самые совершенные модели представляют собой лишь сносные репрезентации реальности и являются необходимыми для достижения хотя бы посредственных результатов.

Комплексные системы — совсем другая песня. Никто точно не знает, что именно делает сложную систему «сложной», но обычно считается, что это зависит от нелинейного взаимодействия многих независимых компонентов. Экономика США, например, есть продукт действий миллионов человек, а также сотен тысяч компаний, тысяч государственных учреждений и бесчисленного множества других внешних и внутренних факторов — от погоды в Техасе до процентных ставок в Китае. Моделирование траектории ее развития, следовательно, не похоже на моделирование траектории полета ракеты. В сложных системах крошечные нарушения в одной части могут повлечь за собой изменения в другой — «эффект бабочки» из теории хаоса, упоминавшийся во второй главе в ходе обсуждения кумулятивного преимущества и непредсказуемости. Если каждый крошечный фактор в сложной системе может привести к непредсказуемым последствиям, то что может спрогнозировать модель? Только это. В результате модели сложных систем, как правило, довольно просты — и не потому, что они хорошо работают, а потому, что незначительные улучшения едва ли помогут делу, если нельзя исправить грубейшие ошибки. Экономисты, например, могут только мечтать о прогнозировании уровня безработицы в следующем году с той же точностью, каковая привела к гибели Mars Climate Orbiter. Беда, однако, не столько в том, что плохи именно эти модели, сколько в том, что плохи все модели сложных систем{162}.

Почти все, о чем мы говорили, — от воздействия маркетинговой кампании до последствий некой экономической политики и корпоративных результатов — относится к категории сложных систем. Стоит людям собраться вместе — будь то общественные мероприятия, толпы болельщиков, фирмы, добровольческие организации, рынки, политические партии и даже целые общества, — как они начинают оказывать влияние на мышление и поведение друг друга: взаимодействуют, делятся информацией, распространяют слухи, дают советы и рекомендации, сравнивают себя с друзьями, поощряют и наказывают, учатся на чужом опыте, влияют на представления о том, что хорошо, плохо, дешево, дорого, правильно и неправильно. Как я уже говорил во второй главе, именно эти взаимодействия и делают социальные системы «социальными». Именно они превращают некую совокупность людей в нечто большее. И именно эти взаимодействия и порождают громадную сложность.

Данный текст является ознакомительным фрагментом.