Логика неудачи. Книга о стратегическом мышлении в сложных ситуациях

Как же это получилось? Как вышло так, что люди, которые наверняка подходили к проблеме прогнозирования более рационально, чем наши испытуемые, по сути полагавшиеся на «ощущения», тем не менее совершили ошибку? Почему научные учреждения недооценили скорость темпов роста точно так же, как и непрофессионалы?

Ответ на этот вопрос можно получить, если понаблюдать за действиями, предпринимаемыми с целью прогнозирования. Одна из форм получения прогнозов состоит в том, что человек берет уже имеющиеся данные и при помощи определенных математических действий по оценке параметров пытается их согласовать. Если ему это удается, то он принимает за прогноз то, что дает ему соответствующее действие в отношении определенного времени в будущем.

Таким образом, человек занимается экстраполяцией на основе модели процесса, причем эта модель состоит из математической функции. Такое поведение прежде всего не слишком отличается от поведения непрофессионалов. Наши испытуемые при оценке производительности тракторного завода тоже исходили из определенной «модели». По сути она основывалась на предположении о непрерывном линейно-монотонном развитии с «поправкой на ускорение». Мы познакомимся с этой моделью поближе в разделе «Хищники и травоядные».

Различие между любителями и профессиональными прогнозистами состоит, с одной стороны, в той модели, к которой те и другие могут прибегнуть. Как правило, любителям процесс развития чего-либо представляется линейным; математик же располагает и другими возможностями. Прогноз компании Shell на рисунке 42 был рассчитан на основе обобщенной логистической функции роста, а прогноз DIW[53] – на основе функции Гомперца. У профессионального прогнозиста имеется более значительная база таких математических функций, из которых он может выбрать ту, что кажется ему наиболее пригодной. В противоположность любителям этот выбор происходит осознанно, а не на основании «ощущений» или «интуиции».

Так что же здесь может пойти не так? Порой в игру вступают как раз таки личные ощущения прогнозиста. Если для построения прогноза одинаково хорошо подходит несколько математических функций, то какую из них следует выбрать? Какие параметры следует внести в выбранную функцию, если различные параметры дают почти одинаковые результаты? (В самом начале эпидемии СПИДа, к примеру, к математике относили любой процесс, который с каким-либо ускорением шел вверх: развитие силы, логистический рост, функцию Гомперца. Все зависело лишь от выбора «правильных» параметров.)

Вопросы, заданные в предыдущем абзаце, – это «критические точки», в которых в игру может вступать психология. И в нашем случае это «ощущения» и «интуиция». В изображенном на рисунке 42 прогнозе в отношении частного автотранспорта могло сыграть роль «ощущение» того, что «это не может долго продолжаться». Почему на выбор параметров и функций не мог повлиять тот факт, что специалист по математическим прогнозам тщетно искал место для парковки в течение четверти часа?

Не следует расценивать сказанное о профессиональном составлении прогнозов как «выговор» прогнозистам. Я не знаю, насколько хороши или плохи в действительности экономические или промышленные прогнозы. Для меня важно показать «психологические интерфейсы» рациональной и профессионально применяемой прогностики. В моей собственной сфере деятельности – высшем образовании – у меня не возникает ощущения, что профессиональные прогнозисты убедительно выполняют свою работу. Насколько мне известно, никто не прогнозировал той лавины студентов-экономистов, которая поступила в вузы с 1989 года.

Фактор, который мог бы сильно повлиять на способность экспертов давать прогнозы, – это недооценка непредвиденных помех. В 1957 году американский психолог, экономист и инженер-компьютерщик Герберт Александр Саймон, получивший Нобелевскую премию по экономике в 1978 году, предсказал, что в течение следующих 10 лет чемпионом мира по шахматам станет компьютер. Его ошибка в этом прогнозе составляла по меньшей мере 1:2,5. Шахматные программы, которые можно было воспринимать всерьез, появились лишь 25 лет спустя, а играют ли эти системы на уровне гроссмейстеров – вопрос спорный[54].

Как же так вышло? Саймон знал психологию мышления, он был знаком с литературой по шахматам и с компьютерными технологиями и сам был одним из пионеров в начавшихся исследованиях искусственного интеллекта. Саймон писал эвристические программы по аргументации в логике высказываний. Он работал на стыке компьютерных наук, теории принятия решений в экономических науках, и психологии. Он был компетентен во всех этих областях, и потому ему было почти предначертано судьбой давать прогнозы о будущем «мыслящих машин». Почему же он ошибся?