Прозревая будущее. Краткая история предсказаний

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[427]. 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[428].

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[429]; 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.