Больше, чем вы знаете. Необычный взгляд на мир финансов

Если вы обращаетесь в больницу с жалобой на боли в груди, врач сразу отправляет вас на электрокардиографическое исследование (ЭКГ). Электрокардиограф регистрирует электрические импульсы вашего сердца и изображает их в виде волнистой линии на бумаге. На основе анализа кардиограммы врач определяет, есть ли у вас инфаркт или нет. Иногда показания ЭКГ четкие. Но очень часто ЭКГ не позволяет сделать однозначных выводов, поэтому постановка правильного диагноза всецело зависит от экспертных знаний врача.

Но насколько хорошо врачи читают ЭКГ? В 1996 г. исследователь из Университета Лунда Ларс Эденбрандт выставил свой компьютер против д-ра Ханса Олина, ведущего шведского кардиолога. Специалист по искусственному интеллекту Эденбрандт обучил свою машину чтению ЭКГ, введя в программу тысячи кардиограмм и указав, какие из них соответствуют сердечному приступу. 50-летний Олин обычно читал в год около 10 000 ЭКГ в рамках своей врачебной практики.

Эденбрандт отобрал больше 10 000 ЭКГ, половина из которых принадлежала пациентам, перенесшим инфаркт, и дал их машине и человеку. Олин целую неделю изучал графики и раскладывал ЭКГ на две стопки. Это состязание напоминало знаменитый поединок между Гарри Каспаровым и компьютером Deep Blue, и Олин хорошо знал о своих шансах.

Когда Эденбрандт подсчитал результаты, победитель стал очевиден: компьютер правильно распознал 66 % случаев инфаркта, тогда как Олин – всего 55 %. Компьютер значительно лучше, чем ведущий кардиолог, справился с этой стандартной задачей, где точность может быть вопросом жизни и смерти².

Наше общество преклоняется перед экспертами. Пациенты всецело вверяются своим врачам, инвесторы внимательно прислушиваются к мнениям финансовых аналитиков, а восприимчивые телезрители следуют рекомендациям знатоков всех сортов. Но есть ли основания для такой беспрекословной веры в экспертов?

Где эксперты преуспевают?

Есть области, где эксперты однозначно и неизменно справляются лучше, чем обычные люди: только представьте, что вы играете в шахматы с гроссмейстером, сражаетесь с обладателем Большого шлема на центральном корте Уимблдона или проводите операцию на головном мозге. Но в других областях от экспертов пользы гораздо меньше, и их мнения обычно уступают в точности коллективным суждениям. Кроме того, в одних областях эксперты склонны соглашаться друг с другом (например, в прогнозировании погоды), тогда как в других зачастую выражают диаметрально противоположные мнения. Почему так происходит?

Давайте сузим нашу дискуссию до когнитивных задач. Один из способов оценить эффективность экспертов основан на характере проблемы, к которой они обращаются. Все проблемы можно рассматривать как расположенные на континууме³ – на одном его конце находятся четкие, понятные проблемы, присущие статическим, линейным или дискретным системам, а на противоположном – динамические, нелинейные и непрерывные проблемы. В приложении 6.1 приведены дополнительные определения для каждой проблемы из двух противоположных категорий.

Несмотря на то что тысячи часов целенаправленной практики позволяют экспертам приобрести многочисленные знания в своей области, иногда это ведет к снижению когнитивной гибкости. А снижение когнитивной гибкости ведет к снижению эффективности экспертов по мере усложнения проблем.

Объяснить такое положение дел помогают две концепции. Первая – так называемая функциональная фиксированность, когда мы привыкаем использовать предмет или думать о чем-либо определенным образом и затрудняемся предложить новое применение или новый взгляд на вещи. Мы стремимся придерживаться устоявшейся точки зрения и неохотно рассматриваем любые альтернативы.

Вторая психологическая концепция – склонность к упрощению – говорит о том, что мы склонны рассматривать нелинейные сложные системы (правая колонка в приложении 6.1) как линейные простые системы. Отсюда вытекает распространенная ошибка – оценка системы на основе качественных признаков без учета обстоятельств. Например, некоторые инвесторы фокусируются на статистически дешевых акциях (качественный признак) и не учитывают, действительно ли этот метод оценки отражает их стоимость (обстоятельства).

Особенно страдают от склонности к упрощению экономисты, которые пытаются моделировать и прогнозировать сложные системы при помощи инструментов и аналогий, взятых из более простых равновесных систем. Эта особенность человеческой психики приводит к ряду концептуальных проблем, включая неспособность рассматривать инновационные подходы и выявлять новые ключевые факторы и изменения системы.

Не хочу сказать, что эксперты похожи на тупые автоматы. В отдельных областях эксперты проявляют несопоставимую с новичками гибкость.

Психологи выделяют два типа гибкости. Первый тип предполагает, что эксперты усваивают многие характерные свойства и признаки, присущие данной области, поэтому правильно выявляют и реагируют на большинство ситуаций и их следствий. Такая гибкость эффективна в относительно устойчивых областях.