Совместно с издательством Новое литературное обозрение мы публикуем отрывок из книги израильского военного историка и теоретика стратегии Мартина Ван Кревельда «Прозревая будущее. Краткая история предсказаний» о том, какой путь был пройден от древних гаданий к современным компьютерным технологиям. Перевод с английского выполнен Панайотти Дарьей.

Сегодня самые мощные инструменты для прогнозирования будущего, которыми мы располагаем, — это модели и алгоритмы, на основе которых они построены. Моделирование не предполагает перехода в измененное состояние сознания. В этом смысле его использование похоже на опросы, историю, трактовку Библии, нумерологические вычисления, интерпретацию знамений и, конечно же, на астрологию. Как и во всех перечисленных дисциплинах, принцип, лежащий в основе метода моделирования, заключается в том, что чем более «объективна» модель — другими словами, чем меньше места для вмешательства в нее собственного восприятия и эмоций пользователя, — тем лучше. На современного программиста, который при поиске работы заявляет, что Бог внутри его и он вещает от Его имени, окружение будет смотреть так же, как на страстного завсегдатая воскресных встреч в лондонском уголке ораторов. Если к тому же он будет вести себя как шаман, барабанить, петь, танцевать, принимать вещества, изменяющие сознание, и впадать в транс, то получит и того меньше уважения в их глазах.

Модели действительно могут быть очень сложными. Но по сути они состоят из двух компонентов. Во-первых, это списки факторов — сегодня их зачастую называют переменными, — которые, как предполагается, должны представлять реальность или некоторую ее часть. Во-вторых, что не менее важно, связи между этими переменными. Более того, эти связи почти всегда являются количественными, а это означает, что, когда компонент A изменяется или подвергается такой-то корректировке, компоненты B, C и D должны не только следовать его примеру, но делать это пропорционально.

Самыми ранними и на протяжении тысячелетий почти единственными моделями были модели движения небесных тел. Их цель состояла в том, чтобы показать не только лунные фазы, положения планет, затмения и прочие небесные явления, но также и счастливые и несчастливые дни, праздники и т. д. Древнейший известный пример — Антикитерский механизм. Он был найден на месте кораблекрушения на дне Эгейского моря и назван так в честь ближайшего к месту находки острова. Похоже, что механизм принадлежит периоду между 205 и 87 годами до н. э. Он был покрыт солью и сильно поврежден коррозией — прошло несколько десятилетий, прежде чем современные ученые смогли его реконструировать. Ученые выяснили, что устройство могло показать, помимо уже перечисленного, взаимосвязь между солнечным и лунным календарями, а также даты будущих Олимпийских игр. Однако по мере того как Древний мир подходил к концу, знания, необходимые для создания таких сложных машин, были утеряны. Лишь намного позже более или менее похожие постройки начали создаваться в Китае (башня с водяными астрономическими часами, построенная Су Суном около 1100 года н. э.), арабском мире (замковые часы аль-Джазари, 1206 год) и Италии (Астрариум Джованни де Донди XIV века). Другой хорошо известный пример — большие астрономические часы Страсбурга, впервые построенные в XIV веке и с тех пор несколько раз перестраивавшиеся.

Практически по определению модели основаны на математических расчетах. Чем более релевантны и представительны переменные, из которых они состоят, и чем точнее вычисления, которые формируют связи между этими переменными, тем лучше модель. После того как в 1687 году Ньютон опубликовал свои «Математические начала натуральной философии», труд, в котором описывался единый набор простых законов, охватывающих движения всех тел как здесь, на Земле, так и в небесах, популярность подобных моделей резко возросла. Некоторые из них, основываясь на законах физики, сообщали, к примеру, о солнечных затмениях, которые должны были произойти через сотни лет, об их длительности и о географическом регионе, обитатели которого станут его свидетелями. Одни модели настолько масштабны, что предсказывают события, которые произойдут во Вселенной через миллионы лет: например, когда звезда превратится в белого карлика, а сверхновая — в черную дыру. Другие модели описывают более короткие временные промежутки и рассказывают о том, что вот-вот произойдет в субмикроскопическом мире.

Если методы сбора статистики восходят как минимум к Библии (см.: 1-я Цар. 24), то самые первые попытки применить методы математического моделирования для прогнозирования будущего, от астрономии и физики до общественной жизни, относятся к периоду Римской империи. Расчеты юриста начала III века Ульпиана, кажется, пытаются смоделировать продолжительность жизни определенных групп людей, хотя неясно, к какому населению относятся его таблицы. Его работы, однако, сохранились только в виде кратких резюме в более поздних источниках, поэтому их очень трудно разобрать. Очевидная цель Ульпиана состояла в том, чтобы предсказать, сколько казначейство, в котором он, похоже, работал, может рассчитывать получить налогов в будущем.

Попытки снизить риск, разделив ответственность между несколькими людьми, каждый из которых внес свой вклад в общее дело, восходят по меньшей мере к 1-му тысячелетию до н. э. Однако первые работы о вероятности, шансах и управлении рисками, а также о том, как использовать их в ставках, были написаны только в эпоху Возрождения итальянским математиком и «игроком-вырожденцем» Джероламо Кардано (1501–1576). Работа в этом направлении продолжалась во второй половине XVII века, когда стали лучше понимать теорию вероятностей и сложные проценты. Полученные в результате модели позволили англичанам Уильяму Петти и Грегори Кингу прогнозировать национальный доход и на его основе просчитывать налоги, а также суммы, на которые могло рассчитывать правительство. То, что долгое время было лишь потоком фрагментарных, разрозненных данных, слишком хаотических, чтобы извлечь из них пользу, выросло в мощную систему на рубеже XVIII–XIX веков, когда во Франции, Великобритании и ряде других стран были созданы национальные статистические бюро. Не случайно термин «статистика», который, как говорят, был изобретен немецким ученым Готфридом Ахенваллем, сам вошел в употребление примерно в то же время

В течение 1880-х годов добывать и использовать статистическую информацию начали, наряду с правительством, крупные корпорации. Проводя все больше различных операций во многих местах одновременно, корпорации изо всех сил пытались найти разумный баланс между децентрализацией и контролем. С этой целью они тоже начали собирать и обрабатывать статистические данные о производстве, потреблении, ценах и многом другом. Некоторые даже пошли дальше и открыли для этого специальные офисы. По словам английского историка Генри Томаса Бокля, в основе этих усилий лежала надежда на то, что, если бы только человеческие дела могли быть подвергнуты столь же строгой (то есть основанной на «социальной статистике») экспертизе, как та, которая давно применялась в естественных науках, законы, на которых они основаны, могли бы быть твердо установлены, а неуверенность в будущем устранена или, по крайней мере, уменьшена. В результате моделированием начали пользоваться все чаще.

И модели физического мира, и модели общественных событий являются вероятностными. Подразумевается, что они сообщают о будущем не конкретных людей, а групп, частью которых эти люди являются. Физики не могут предсказать, что будет делать одна из миллиардов молекул при нагревании колбы, в которой молекулы находятся, но они могут предсказать — и с большой точностью —усредненное поведение, которое является результатом взаимодействия всех молекул вместе. Точно так же страховщики не могут точно сказать, кто попадет в аварию в следующем году. Но актуарные модели могут предсказать, каковы шансы представителя той или иной группы (объединенной по возрасту, полу, месту жительства, типу транспортного средства, количеству пройденных километров в год, предыдущих страховых выплат и т. д.) на то, чтобы попасть в дорожно-транспортное происшествие. А также на то, чтобы пострадать от ограбления, стать носителем заболевания, достаточно серьезного и требующего лечения, совершить преступление и попасть под арест и т. д. Исходя из таких моделей, рассчитываются страховые взносы. Если считать, что огромные капиталы страховых компаний были заработаны честным путем, без мошенничества, можно сделать вывод, что применение вероятностных моделей приносит чрезвычайно успешные результаты. Однако это не всегда так. Во-первых, поскольку обстоятельства все время меняются, модели со временем становятся менее точными. Во-вторых, они ничего не могут сказать нам о судьбах отдельных людей. Вот почему, по крайней мере официально, такие модели не допускаются в качестве доказательств в судах.

Разработка математических моделей всегда была трудозатратной. Прежде всего следовало определиться со значимыми факторами. Если задаваться целью создать модель мира, в которой учитывались бы все релевантные факторы, пришлось бы просто воссоздать этот мир целиком, поэтому следовало на ранней стадии определиться, какие факторы учитывать, а какие — что не менее важно — не принимать во внимание. Следующий шаг — определить их взаимоотношения; это непростая задача, учитывая, что социальная реальность динамична и что никогда нельзя быть уверенным в том, что самое важное сегодня останется таким и завтра. Затем, данные должны быть собраны, проверены, упорядочены в удобной для использования форме и сопоставлены. Наконец, в зависимости от сложности вопроса, необходимо произвести вычисления, чтобы увидеть, действительно ли реальность соответствует моделям и наоборот. Сотни лет это нужно было делать вручную. В последние десятилетия XIX и в начале XX века это зачастую поручали женщинам. Считалось, что они особенно подходят для кропотливой, однообразной и скучной работы; их часто называли «вычислительницами» (computors). Можно найти фотографии, на которых запечатлены целые комнаты, заполненные этими женщинами, иногда присутствуют еще женщина-начальница и пара посетителей-мужчин.

Сбор статистических данных практически по всем аспектам социальной и экономической жизни стал обычным явлением в 1920-х годах. Особенно ярко это было выражено в США при министре торговли, а затем президенте Герберте Гувере. Сам Гувер при помощи статистических методов превратился из нищего юноши в солидного богача. Во время Первой мировой войны он трудился в благотворительности и, помогая спасти оккупированную Бельгию от голода, активно использовал статистику. Кто знал, на какие еще чудеса способны правильно собранные, представленные, примененные и использованные данные? Бизнес-аналитики и консультанты, заявлявшие, что могут предоставлять своим клиентам всевозможные прогнозы, процветали. Большинство переживали короткий расцвет, и сегодня их имена забылись. Но некоторые, в том числе одни из самых известных на сегодняшний день компаний, такие как Booz Allen Hamilton и McKinsey & Co., выжили.

Следующей крупной вехой в истории моделирования и прогнозирования стало появление компьютеров в период после Второй мировой войны. Одной из первых и наиболее интересных попыток был MONIAC (Monetary National Income Analogue Computer, гидравлический компьютер, использовавшийся, чтобы моделировать национальные экономические процессы Великобритании). Его также называли Гидравлическим компьютером Филлипса — по имени создателя. Этот прибор высотой 2 метра, шириной 1,2 метра и глубиной около 1 метра состоял из ряда прозрачных пластиковых емкостей и труб, которые крепились к деревянной доске. Каждый бак представлял какой-либо аспект национальной экономики Великобритании. В верхней части доски был большой резервуар, который назывался казной. Потоки цветной воды, символизирующие деньги, текли из казначейства в другие резервуары, символизирующие различные типы государственных трат.

Взять, к примеру, резервуары для здоровья и образования. Чтобы увеличить расходы на здравоохранение, можно было открыть кран для слива воды из казны в резервуар, который представляет собой расходы на здравоохранение. Затем вода стекала по модели в остальные резервуары, отражая другие взаимодействия в экономике. Чтобы представить меняющиеся ставки налогообложения, различные объемы воды можно было перекачивать из резервуаров обратно в казну. Прочие потоки символизировали сбережения, доход и другие важные факторы. При желании можно легко добавить дополнительные — например, процентные ставки. Поток воды автоматически контролировался с помощью ряда поплавков, противовесов, электродов и шнуров. Представляется особенно полезным то, что элементы управления позволяют пользователям экспериментировать с различными настройками и отмечать их эффекты. Это сделало MONIAC полезным не только для обучения (его первоначальная задача), но и для попыток предсказать направление, в котором движется экономика.

Излишне говорить, что MONIAC не проектировал сам себя. Никакие другие компьютеры, аналоговые или цифровые, также не настраивали модели самостоятельно. Это осталось задачей программистов, столь же утомительной, как и выполнение вышеупомянутых вычислений. Можно даже утверждать, что, хотя компьютерные языки бесконечно совершенствовались и обновлялись, за полтора века с тех пор, как Ада Лавлейс работала с Чарльзом Бэббиджем над его «аналитической машиной», сам процесс программирования почти не изменился. Компьютеры позволили обрабатывать огромные массивы данных с огромной скоростью, а при необходимости и многократно, чтобы проверить результаты и посмотреть, как изменение одного фактора повлияет на все остальные. То есть они главным образом уточняли и усложняли вычисления, позволяя рассматривать большее количество факторов и повышать точность связей между ними, а также делали возможным более частое их использование. Сегодня любой, кто отказывается использовать компьютеры для построения моделей и прогнозирования будущего, скорее всего вызовет недоумение.

В начале XXI века, экстраполируя, мы можем с уверенностью сказать, что использование чисел, компьютеров и моделей для прогнозирования будущего продолжит расти. Отчасти это связано с тем, что они на самом деле полезны и позволяют своим пользователям понять, как взаимодействует между собой множество взаимосвязанных факторов; отчасти же — с тем, что компьютер символизирует прогресс, повышает престиж пользователей и скрывает от непрофессионалов, насколько шаткая уверенность подкрепляет их прогнозы. Повторюсь, многие аспекты социальной жизни, как коллективной, так и индивидуальной, как и раньше, невозможно моделировать. Более того, для большинства людей модели, состоящие из уравнений, остаются такими же непрозрачными и загадочными, каким раньше было путешествие шамана. Это одна из причин, почему даже среди хорошо образованных и хорошо осведомленных людей популярны старые методы пророчествования; они продолжат жить, пока жива сама идея будущего.

Обложка: Niels Elgaard Larsen