Эффект Поллианны легко найти в разных типах данных. Можно ли, основываясь на этом, сделать более точные прогнозы? Да, но прежде нам нужно вкратце рассмотреть так называемую «теорию информации», разработанную Клодом Шенноном в 1949 году, ставшую теоретической базой для большей части компьютерных наук. Теория информации начинается с признания того, что не все утверждения одинаково информативны. Если я скажу «на улице дождь», вас, возможно, это не слишком заинтересует. Хотя в Лондоне дождь идет не каждый день, он все же идет достаточно часто, и мое высказывание значит лишь то, что, возможно, стоит захватить зонтик, выходя на улицу. Если вы живете в тропическом лесу, где дожди идут каждый день, мое высказывание будет значить еще меньше, – как если бы я сообщил, что вода мокрая. Это верно, но едва ли добавляет что-то к вашим знаниям о мире. С другой стороны, если вы живете в пустыне Калахари, где дожди чрезвычайно редки, сообщение о дожде немедленно вас заинтересует, поскольку это волнующее событие. Иначе говоря, сообщение о редких событиях содержит больше информации, чем о событиях обыкновенных. Однако такие события случаются именно редко. Если в пустыне каждый день спрашивать, не собирается ли дождь, и в ответ слышать «нет», то придется задавать вопрос много раз, прежде чем удастся получить редкую, но полезную информацию о дожде. Поэтому среднее количество информации зависит от того, велика ли вероятность того, что произойдет что-то интересное. Что удивительно, максимальный объем информации возникает не в тех случаях, когда вероятность события пятьдесят на пятьдесят. Вместо этого максимум возникает, когда вероятность события несколько меньше, примерно 37 %. Интересно, что количество это очень хорошо совпадает с долей избирателей левых взглядов. Таким образом, математика предполагает, что не стоит ожидать, что левые и правые будут представлены в населении в равном соотношении, а поскольку, как мы видим в других контекстах, «правое» есть норма, а «левое» – маркер, то левые в целом всегда будут в меньшинстве[397]
.В этой главе мы рассмотрели широкий круг тем, исследовав, как социальные процессы и взаимодействия могут быть связаны с использованием правого и левого, однако вне нашего внимания осталась одна обширная область, непосредственно касающаяся левшей: а именно как к ним относится общество. Следующая глава посвящена этой проблеме, а также тем проблемам, с которыми левши сталкиваются в праворуком обществе[398]
.11. Криворучка
Род Ситвеллов зародился в Хэллемшире, ныне ставшем частью Шеффилда, в 1301 году. У них был дар делать деньги – и терять их. Разбогатев на своей кузнице, в XVII веке они заняли ведущее место в мире по производству железных гвоздей. Коммерческий успех в XVIII веке был подорван банковским крахом в середине XIX столетия, хотя к тому времени Ситвеллу Херту уже был пожалован титул баронета, и он быстро сделался сэром Ситвеллом Ситвеллом, «с гордо повторяющимся именем». Спасение пришло с открытием угольных залежей на фамильных землях, и к 1892 году, когда родился пятый баронет Осберт Ситвелл, семейство снова разбогатело. Затем, в 1920–1930-х годах в роду неожиданно проявился яркий эстетический талант, не имевший прецедентов в истории семьи.
В 1900 году Джон Сингер Сэрджент был приглашен написать портрет семьи, который бы отражал их вкус, богатство и рассудительность. Самому Осберту портрет не понравился, да и вообще не нравилась манера Сэрджента: «Его явно куда больше занимали аксессуары позирующих и обстановка в комнате, чем их лица». На заднем плане изображен сэр Джордж Ситвелл, четвертый баронет, он обнимает одной рукой свою тринадцатилетнюю дочь Эдит, на переднем плане – леди Ида, а перед ней на полу играют двухлетний Секеверелл и семилетний Осберт. Запечатлен здесь и любимый пес семьи, черный мопс Юм, которого Осберт гладит левой рукой[399]
.