Прогнозирование того, что прогнозировать

Прогнозирование того, что прогнозировать

Различие между прогнозированием самих результатов и прогнозированием их вероятности является фундаментальным и должно изменить представление о том, какие типы предсказаний нам доступны. Увы, способ, при помощи которого мы делаем выводы из прошлого, ставит перед нами очередную проблему — еще более алогичную: мы не можем знать заранее, какой результат следует прогнозировать в первую очередь. По правде говоря, как ранее уже «произошло» бесчисленное множество событий, так и в любой момент настоящего можно сделать бесконечное множество предположений. Но как мы не интересуемся почти всеми этими прошлыми событиями, так не думаем и почти обо всех потенциальных предсказаниях. Все, что нам нужно, — это очень небольшое количество прогнозов, которые, будь мы способны делать их правильно, могли бы значительно изменить ход событий. Если бы сотрудники авиационной службы безопасности спрогнозировали угон самолетов вооруженными канцелярскими ножами террористами — чтобы направить их в башни Всемирного торгового центра и Пентагон, — они бы предприняли соответствующие превентивные меры (усиление двери кабины пилотов или ужесточение процедуры досмотра в аэропорту). Если бы в конце 1970-х инвесторы знали, что крошечная молодая компания под названием Microsoft однажды превратится в настоящего колосса в сфере программного обеспечения, они бы сколотили на ней целое состояние.

При взгляде в прошлое из настоящего кажется, будто предсказать эти события все-таки было можно. При этом мы недооцениваем тот факт, что ретроспекция показывает, во-первых, гораздо больше, чем результаты прогнозов, которые мы могли сделать в прошлом, а во-вторых, какие предсказания следовало делать вообще. Откуда нам было знать, что в ноябре 1963 года во время визита Кеннеди в Даллас следует опасаться не отравленной пищи, а выстрелов? Откуда нам было знать, что 11 сентября 2011 года именно крепость дверей кабины пилотов, а не натасканные на взрывчатку собаки являлась ключом к предотвращению угона самолетов? Откуда нам было знать, что именно эти угнанные самолеты, а вовсе не бомбы и не нервно-паралитический газ в метро представляют для США основную террористическую угрозу? Откуда нам было знать, что интернет-поисковики станут зарабатывать деньги на рекламе, а не воспользуются какой-нибудь иной моделью ведения бизнеса? Откуда нам было знать, что следует интересоваться монетизацией поисковых машин, а не контентом сайтов, электронной коммерцией или чем-либо другим?

В сущности, данная проблема — это обратная сторона аргумента Данто, о котором мы говорили в предыдущей главе: что именно релевантно, станет известно лишь позднее. Иными словами, типы прогнозов, к которым мы больше всего стремимся, требуют знания о том, какие события из тех, что могут произойти в будущем, окажутся релевантными для того, чтобы обратить на них внимание уже в настоящем. Казалось бы, мы должны быть способны делать это точно так же, как Идеальный Хроникер должен был констатировать происходящее. Но, попытайся мы предсказать все, что только может случиться, просто утонули бы в море возможностей. Стоит ли беспокоиться о том, в какое время приезжает мусороуборочная машина сегодня вечером? Наверное, нет. С другой стороны, если наша собака срывается с поводка и выбегает на улицу именно в этот момент, нам бы очень хотелось знать об этом до того, как мы вышли гулять. Стоит ли прогнозировать отмену завтрашнего рейса? Опять-таки, наверное, нет. Но если нас посадят на другой самолет, который в итоге разобьется, или мы будем сидеть рядом с человеком, с которым однажды сыграем свадьбу, то это событие покажется нам чрезвычайно значимым.

Проблема релевантности фундаментальна и не может быть исключена более четким алгоритмом. В своей книге о прогнозировании политолог и «ясновидящий» Брюс Буэно де Мескита, например, расхваливает потенциал теории игр для прогнозирования результатов сложных политических переговоров^{167}. После всего вышесказанного о сложных системах едва ли его компьютерные модели действительно способны предсказывать то, что, по его словам, могут. Впрочем, пока оставим это. Сейчас нас интересует, что они могли бы спрогнозировать, если бы работали идеально. В качестве примера возьмем его утверждение, будто они успешно предсказали результат соглашения, подписанного в 1993 году в Осло Израилем и тогдашней Организацией освобождения Палестины. В то время это казалось настоящим подвигом. Но алгоритм не позволил предсказать, что то соглашение, по сути, было всего лишь миражом, временным проблеском надежды, который быстро угас. Дальнейшие события четко показывают: результат переговоров в Осло — не самый важный результат, который стоило предсказывать.

Разумеется, модели Буэно де Мескита не были предназначены для таких типов прогнозов. Но в этом-то и заключается смысл: предмет предсказания так же важен, как и его точность. Глядя назад в прошлое, мы не сожалеем, что не предсказали ни курс акций Google в 1999 году, ни количество дней, требующихся американским солдатам, чтобы добраться до Багдада в ходе войны в Персидском заливе. Бесспорно, это ценные прогнозы, и мы вполне могли бы их сделать. Но в какой-то момент стало бы ясно: верны они или нет, по сути, совершенно не имеет значения, ибо не очень-то они и важны. Зато нам бы хотелось предсказать, что за несколько лет курс акций Google превысит отметку в 500 долларов. Зная это в день их выхода на рынок ценных бумаг, мы могли бы инвестировать в них и разбогатеть. Нам бы очень хотелось предвидеть резню, последовавшую за свержением Саддама Хусейна и роспуском его службы безопасности, — тогда мы могли бы применить иную стратегию, а то и вовсе избежать всего этого кошмара.

Даже когда речь идет о более приземленных типах прогнозов — как потребители отреагируют на тот или иной цвет или дизайн, станут ли доктора уделять больше времени профилактике, если их компенсация будет зависеть от здоровья пациентов, а не от количества и стоимости прописываемых процедур, — проблема остается той же. На первый взгляд, такие предсказания делать легче, чем о следующей грандиозной кампании или крупном конфликте между цивилизациями. Но стоит задуматься о том, почему эти прогнозы так важны, как тут же приходится делать новые — на этот раз о влиянии предсказаний, которые мы делаем сейчас. Например, нас интересует реакция потребителя на цвет не из-за озабоченности ею как таковой — мы хотим, чтобы наш продукт был успешен, и думаем, что цвет в этом играет не последнюю роль. Аналогичным образом важна реакция докторов на поощрение. Во-первых, мы хотим контролировать цены в сфере здравоохранения, а во-вторых, разработать систему, которая обеспечит доступ к лечению для всех и при этом не обанкротит всю страну. Если прогнозы не помогают добиться серьезных результатов, тогда они не представляет ценности. Опять-таки, нас интересует то, что действительно важно, но, к сожалению, как раз эти самые значимые предсказания будущего мы сделать не в состоянии.