Одураченные случайностью. Скрытая роль шанса в бизнесе и жизни

Очевидно, что информационная эпоха, уравнивая наши вкусы, вызывает несправедливость еще более острую — победитель получает почти всех потребителей. Пример, который многих поражает как наиболее эффектный случай успеха, — производитель программного обеспечения компания Microsoft и ее меланхоличный основатель Билл Гейтс. Хотя трудно отрицать, что Гейтс — человек высоких личных стандартов, трудовой этики и ума выше среднего, но лучший ли он? Заслуживает ли он этого? Ясно, что нет. Большинство людей используют его программы (как и я), потому что другие люди также используют его программы, это порочный круг (экономисты сказали бы — «сетевые эффекты»). Никто даже не пытался сказать, что программы компании — лучшие. Большинство конкурентов Гейтса одержимо завидуют его успеху. Их сводит с ума тот факт, что он смог выиграть так много, в то время как им приходится бороться за выживание своих компаний.

Эти идеи противоречат классическим экономическим моделям, в которых результат или вызван точной причиной (когда неопределенность не учитывается), или стал следствием того, что «хорошие парни» всегда побеждают («хорошие парни» — это те, кто обладает большими способностями или некоторым техническим превосходством). Экономисты поздно обнаружили эффект зависимости результата от пути и, когда попытались описать его в общих чертах, получилось слабо и банально. Например, экономист Брайан Артур, занимающийся нелинейностью в институте Санта-Фе, написал, что экономическое превосходство определяется не технологическими преимуществами, а скорее случайными событиями и положительной обратной связью — не самая трудная для понимания грань в данной области. В то время как прежние экономические модели исключали случайность, Артур писал, что «неожиданные заказы, случайные встречи с юристами, причуды руководства… вот что помогает определить, кто начнет продавать раньше и какие компании со временем будут доминировать».

Математики в реальном мире и вне его

Математический подход к проблеме заключается в упорядочении. В то время как в общепринятых моделях (например, широко известной модели броуновского движения, которая используется в финансах) вероятность успеха меняется не с каждым следующим шагом, а лишь с накоплением богатства, Артур предложил такие модели, как процесс Пойа (американского математика венгерского происхождения), с которым очень трудно работать математическими методами, но который легко понять с помощью симулятора Монте-Карло. Процесс Пойа можно описать следующим образом: представьте урну, изначально содержащую равное количество черных и красных шаров. При каждой попытке, еще до того, как вы ее сделаете, вам нужно угадать, шар какого цвета вы вытащите. Вот так устроена игра. В отличие от обычной урны вероятность угадать связана с успехами в прошлом, поскольку вы угадываете лучше или хуже в зависимости от достигнутых результатов. То есть вероятность победы увеличивается с ростом количества прошлых побед, а неудач — с ростом количества поражений. Моделируя такой процесс, можно увидеть огромный разброс исходов — от ошеломляюще успешных до совсем неудачных (мы называем это «перекосом»).

Сравните такой процесс с тем, который моделируется чаще, то есть с урной, из которой игрок достает шары с замещением. Скажем, вы играете в рулетку и выигрываете. Увеличивает ли это ваши шансы на выигрыш? Нет. А в процессе Поля — да. Почему его трудно описать математически? Из-за нарушения предположения о независимости (то есть положения, когда следующая попытка не зависит от предыдущей). Для работы с (имеющимся) математическим аппаратом вероятности требуется независимость.

Что пошло не так с развитием экономики как науки? Ответ: была группа умных людей, почувствовавших потребность использовать методы математики только для того, чтобы показать: они мыслят строго, они занимаются наукой. Кто-то спешно решил ввести в нее методы экономического моделирования (обвиняемые — Леон Вальрас, Жерар Дебре, Пол Самуэльсон), не понимая того факта, что либо уровень математики, которым они пользовались, был слишком ограниченным для класса проблем, с которыми они имели дело, либо, возможно, им следовало знать, что точность математического языка может заставить людей поверить в существование решений, которых на самом деле нет (вспомните Поппера и цену слишком серьезного отношения к науке). На самом деле математика, с которой они работали, не подходит для реального мира, может, потому, что нам нужен более богатый набор процессов. Но они отказывались признать, что, возможно, тогда лучше вообще обойтись без математики.