Искусство неопределенности: Как управлять шансом, невежеством, риском и удачей - Дэвид Шпигельхалтер
Введение: Погружение в мир неизвестного
Человеческое существование неизбежно пронизано неопределенностью. Мы сталкиваемся с ней ежедневно — от бытовых повседневных вопросов («Пойдет ли дождь?», «Что приготовить на обед?») до глобальных и экзистенциальных проблем («Произойдет ли в ближайшие сто лет разрушительная мировая война или климатическая катастрофа?»). Известный английский статистик Дэвид Шпигельхалтер, посвятивший всю свою профессиональную карьеру измерению, количественной оценке и объяснению рисков, открывает книгу эпиграфом из Книги Екклесиаста: «И обратился я, и видел под солнцем, что не сборным бег, и не храбрым победа, и не мудрым хлеб, и не разумным богатство, и не искусным благорасположение, но время и случай для всех их».
Фундаментальный тезис автора заключается в следующем: неопределенность — это не фундаментальное объективное свойство физического мира (за редкими квантовомеханическими исключениями), а специфическое отношение между наблюдателем (субъектом) и внешним миром (объектом). Неопределенность в формальном смысле определяется автором как осознанное понимание незнания. Поскольку она строго зависит от знаний, опыта, информационного контекста и наблюдательной позиции конкретного человека, два наблюдателя могут обладать совершенно разной степенью неопределенности относительно одного и того же физического события.
Для иллюстрации личного характера случая и хрупкости человеческой жизни Шпигельхалтер приводит семейную историю своего деда, Сесила Шпигельхалтера. 29 января 1918 года во время Первой мировой войны под Ипром рядом с Сесилом, служившим офицером газовой службы, разорвался немецкий тяжелый артиллерийский снаряд. Он получил тяжелейшие ранения, но чудом выжил. Данная случайность спасла его от последующего отправления в эпицентр самых смертоносных пехотных сражений войны. Наше собственное появление на свет — точно такой же результат невероятной, хрупкой и непредвиденной последовательности «микроконфликтов» и случайных происшествий.
Рассматривая человеческое восприятие неопределенности и риска, автор опирается на концепцию двух систем мышления, популяризированную Даниэлем Канеманом в работе «Мышление, быстрое и медленное»:
- Система 1 (быстрая, интуитивная): склонна к излишней самоуверенности, пренебрегает важной справочной информацией, игнорирует качество и объем доказательств, поддается неоправданному влиянию формулировок (эффект фрейминга) и концентрируется на редких, но эмоционально ярких катастрофических событиях, подавляя сомнения.
- Система 2 (медленная, аналитическая): направлена на неспешное размышление над собственным незнанием, систематический анализ данных, использование правильных математических правил и объективную оценку вероятностей.
Чтобы упорядочить категории неизвестного, Шпигельхалтер напоминает известную классификацию бывшего министра обороны США Дональда Рамсфелда (2002 год):
1. Известные известные (Known knowns) — вещи, о которых мы знаем, что знаем их.
2. Известные неизвестные (Known unknowns) — вещи, о которых мы знаем, что не знаем их (предмет классической науки и статистики, где мы можем перечислить исходы и построить модели).
3. Неизвестные неизвестные (Unknown unknowns) — вещи, о которых мы даже не подозреваем, что не знаем их (заблуждения, слепые пятна, неучтенные допущения).
4. Неизвестные знания (Unknown knowns) — категорию, дополненную философом Славоем Жижеком как бессознательные убеждения, негласные знания и предрассудки, определяющие наше восприятие реальности без нашего явного ведома.
Главная цель книги — привить читателю интеллектуальное смирение, научить количественно выражать неопределенность в цифрах, распознавать манипуляции «торговцев сомнениями» и научиться комфортно и осознанно жить в мире, где absolute определенность недостижима.
ГЛАВА 1. Неуверенность — это личное
Размышления о неопределенности автор начинает с простого мыслительного эксперимента. Представьте человека с обыкновенной честной монетой. До подбрасывания мы говорим, что вероятность выпадения «орла» составляет 50% (или 1/2). В этот момент объект неопределенности лежит в будущем — это неизбежная физическая непредсказуемость. Такую неопределенность в науке называют алеаторной (от латинского alea — игральная кость).
Но вот монета подброшена, поймана и накрыта ладонью. Ведущий быстро заглянул под ладонь и знает результат, а зритель — нет. Ситуация кардинально изменилась: случайность полностью исчезла, остался только факт. Однако для зрителя вероятность по-прежнему равна 50%, тогда как для ведущего она составляет либо 100%, либо 0%. Это эпистемическая неопределенность — она касается того, что происходит прямо сейчас или произошло в прошлом, но о чем у конкретного наблюдателя недостаточно знаний. Как отмечает антиковед Эстер Эйдиноу, даже древнегреческие оракулы (например, оракул в Додоне) гораздо чаще использовались людьми для разрешения именно эпистемической неопределенности (выяснить, кто украл овчины или кто совершил преступление), чем для предсказания далекого будущего.
Для детального деконструирования неопределенности автор выделяет её ключевые характеристики:
1. Субъект: тот, кто испытывает неопределенность (индивид или группа).
2. Объект: проверяемый факт, событие прошлого, настоящего или будущего.
3. Контекст: фоновые знания и исходные предположения наблюдателя.
4. Источник: естественная вариабельность природы, ограниченность измерений, сложность системы или человеческие ошибки.
5. Выражение: словесная, числовая или визуальная форма оценки.
6. Эмоциональная реакция (аффект): спектр от паники и тревоги до азарта и любопытства.
Ярким примером информированности и асимметрии знаний служат действия профессионального игрока в покер Фила Иви (Phil Ivey). В 2012 году в лондонском казино Crockfords Иви выиграл 7,7 миллиона фунтов стерлингов в баккара (пунто-банко). Он не менял объективную случайность карт, но заметил едва видимые дефекты нарезки узора на рубашках карт определенного производителя («сортировка по кромке» — edge sorting). Путем специфических просьб к дилеру поворачивать ключевые карты Иви уменьшил собственную эпистемическую неопределенность, получив преимущество перед казино. Суд в итоге признал это нечестной игрой и отказал в выплате выигрыша.
Психологические реакции людей на осознание собственного незнания чрезвычайно разнообразны. Шпигельхалтер систематизирует их по трем измерениям:
- Когнитивные: от восприятия неопределенности как угрозы и отрицания — к видению возможностей и признанию.
- Эмоциональные: от тревоги, страха и отвращения — к спокойствию, мужеству и любопытству.
- Поведенческие: от избегания и паралича решений — к поиску информации и активному действию.
Иногда люди осознанно предпочитают неведение. Опросы в Германии показали, что 88% взрослых не хотят знать точную дату своей смерти, 77% не хотят заранее знать исход спортивного матча, а 60% предпочитают не знать заранее свои подарки на Рождество.
Неспособность признать неопределенность на государственном уровне ведет к трагедиям. В 1990 году во время вспышки коровьего бешенства (БГЭ) в Великобритании правительство, стремясь предотвратить панику, категорически отрицало риски для человека. Министр сельского хозяйства Джон Гаммер публично кормил свою четырехлетнюю дочь бургером перед объективами телекамер. Впоследствии от человеческой формы болезни Крейтцфельдта-Якоба умерло более 170 человек. Как отмечал физик Ричард Фейнман: «Я могу жить с сомнениями, неуверенностью и незнанием» — именно такое смирение необходимо при работе с рисками.
Воспринимаемый людьми риск определяется исследованиями Пола Словика через два фактора:
1. Фактор страха (Dread risk): насколько угроза неконтролируема, недобровольна, катастрофична и фатальна (например, ядерные аварии).
2. Фактор неизвестности (Unknown risk): насколько опасность нова, невидима и плохо понятна (например, радиация или новые технологии).
ГЛАВА 2. Учет неопределенности в цифрах
Повседневный язык крайне плохо приспособлен для точной передачи неопределенности. Слова «вероятно», «возможно», «редко» и «почти наверняка» трактуются разными людьми совершенно по-разному. Историческим примером катастрофического недопонимания из-за размытых слов стала операция в Заливе Свиней в 1961 году. Объединенный комитет начальников штабов США охарактеризовал шансы на успех кубинских повстанцев как «fair chance» (честный / умеренный шанс). Генералы имели в виду вероятностный шанс 1 к 10 (10%), однако президент Джон Кеннеди истолковал слово «fair» в бытовом смысле — как «хорошие, благоприятные шансы», что привело к принятию рокового решения.
Аналогичная ситуация произошла в 2011 году при планировании операции против Усамы бен Ладена в Абботтабаде. Разведывательные советники давали Бараку Обаме самые разные словесные оценки вероятности присутствия бен Ладена в комплексе — от «70%» до «50 на 50» (что Обама воспринимал как признание в полном незнании).
После фиаско в Заливе Свиней военные и разведывательные структуры (НАТО, ЦРУ, МГЭИК) разработали стандартизированные шкалы перевода слов в диапазоны вероятностей:
- «Практически наверняка»: 99–100%
- «Очень вероятно»: 90–100%
- «Скорее всего / Вероятно»: 60–90% (НАТО) или 66–100% (МГЭИК)
- «С равной вероятностью»: 33–66%
- «Маловероятно»: 0–33%
Чтобы проверить, насколько хорошо человек осознает границы собственных знаний, используется викторина с правильными правилами подсчета баллов (Brier score / квадратичная оценка). Участник не просто выбирает ответ А или Б, но и указывает степень уверенности от 5/10 (полное незнание, 50%) до 10/10 (абсолютная уверенность, 100%). Формула квадратичного штрафа выстроена так, что за правильный ответ с высокой уверенностью дается плюс (до +25 баллов), но за завышенную уверенность при ошибке налагается жестокий штраф (до -75 баллов). Математически доказано, что единственный способ максимизировать ожидаемый балл в таком тесте — говорить абсолютную правду о своей внутренней вероятности.
Тестирование выявляет три типа мышления:
1. Знающие и калиброванные: получают высокий положительный балл (>80).
2. Осторожные мудрецы: получают оценки около 0, ставя 5 или 6 при сомнениях.
3. Самоуверенные дилетанты: получают глубокий отрицательный балл, справляясь хуже шимпанзе, отвечающего наугад.
Исследования Филипа Тетлока (проект Good Judgment Project) показали, что обычные люди-любители способны давать более точные вероятностные прогнозы геополитических событий, чем профессиональные аналитики разведки. Тетлок разделил прогнозистов на две категории, используя метафору Исаии Берлина:
- «Ежи»: знают одну большую идею, подгоняют все факты под единую теорию, категоричны и склонны к бинарному мышлению.
- «Лисы»: знают много мелких вещей, привлекают разнообразные источники информации, открыты новым данным, понимают свои предвзятости и проявляют смирение. Нейт Сильвер (FiveThirtyEight) действовал как лиса, дав Трампу 28.6% шансов на победу в 2016 году, за что подвергся неправедной критике после выборов.
При сборе вероятностных оценок экспертов (elicitation) применяются интерактивные методы, такие как «колесо вероятностей» или распределение 100 фишек по диапазонам значений, что позволяет преодолеть предвзятость привязки (якорения).
ГЛАВА 3. Укрощение шанса с помощью вероятности
Хотя человечество азартно играло в кости тысячи лет, математическая теория вероятностей возникла лишь в XVII веке. В древности играли астрагалами — пяточным костями овец, имевшими четыре неравные грани (пропорция выпадения граней составляла примерно 10%, 40%, 40% и 10%). Медленное развитие теории объяснялось логическим приоритетом строгих доказательств над экспериментом, неудобством римских цифр и представлением о том, что исход игры определяется волей богов.
Первый прорыв совершил итальянский врач и азартный игрок Джероламо Кардано в книге Liber de ludo alae («Книга об азартных играх», написана около 1550 г., опубликована в 1663 г.). Кардано сформулировал понятие классической вероятности: если физическая симметрия объекта дает набор равновероятных исходов (как 36 вариантов при броске двух костей), то вероятность события есть отношение числа благоприятствующих исходов к общему числу возможных. Складывая значения граней, Кардано ввел понятие случайной величины и её математического ожидания (средневзвешенного значения).
В 1654 году Блез Паскаль и Пьер де Ферма в переписке разрешили знаменитую «проблему очков»: как справедливо разделить ставку, если игра в монету до 3 побед прервана при счете 2:1? Используя деревья ожидаемых частот и вероятностей, они показали, что распределение должно происходить строго пропорционально математическому ожиданию выигрыша каждого игрока (3/4 и 1/4). Этот же принцип лежит в основе современного метода Дакворта-Льюиса-Стерна (DLS), используемого в крикете при прерывании матча дождем.
Из анализа деревьев вытекают фундаментальные правила вероятности:
1. Вероятность любого события лежит в диапазоне от 0 до 1.
2. Правило дополнения: \(P(\text{не } A) = 1 - P(A)\).
3. Правило сложения (ИЛИ) для несовместных событий: \(P(A \text{ или } B) = P(A) + P(B)\).
4. Правило умножения (И) для независимых событий: \(P(A \text{ и } B) = P(A) \times P(B)\).
Дальнейшее развитие связано с треугольником Паскаля, формулами комбинаторики и биномиальным распределением. В 1757 году Джакомо Казанова, проявив незаурядные математические способности, помог организовать Национальную лотерею Франции 5/90, рассчитав выигрышные коэффициенты так, чтобы государство всегда имело долгосрочную математическую прибыль.
Философски существует несколько интерпретаций вероятности:
- Объективные: классическая (симметрия), фреквентистская (предел частоты в бесконечной серии), склонностная (физическая тенденция системы), логическая.
- Субъективные: степень личной уверенности (частичная вера — Фрэнк Рэмси, Бруно де Финетти).
Статистик Бруно де Финетти в 1931 году шокировал математический мир заявлением: «Вероятность не существует». Он имел в виду, что вероятность не является измерением внешнего мира (как длина или вес — не существует «вероятностного метра»). Однако де Финетти доказал теорему о взаимозаменяемости: если наши убеждения не зависят от порядка наблюдений, мы математически обязаны вести себя так, как будто объективные шансы существуют.
Большую часть жизни мы действуем на автопилоте, не анализируя вероятность каждого шага. Но неожиданные события выбивают нас из состояния самодовольства. Если неприятные происшествия вызывают шок, то счастливые совпадения заставляют нас улыбаться. Шпигельхалтер создавал «Кембриджскую коллекцию совпадений», собравшую более 5000 историй от публики. Среди них — история Рона Бидермана, который отдал свои старые брюки в секонд-хенд, а через несколько лет на другом конце страны встретил незнакомца, одетого именно в эти брюки.
Перси Диаконис и Фредерик Мостеллер дают научное определение: совпадение — это удивительное совпадение событий, воспринимаемых как содержательно связанные, при отсутствии очевидной причинно-следственной связи.
Для анализа удивительных событий используется стандартный 4-этапный метод:
1. Оценить вероятность конкретного единичного события (\(p\)).
2. Оценить общее число возможностей для возникновения подобного события в определенном контексте (\(N\)).
3. Перемножить \(p \times N\), чтобы получить ожидаемое число событий (\(m\)).
4. На основе величины \(m\) сделать вывод о том, насколько событие действительно удивительно.
Магическое объяснение совпадений автор отвергает, объясняя их тремя факторами:
1. Закон действительно больших чисел: при достаточно большом числе попыток и участников даже невероятно редкие события обязательно происходят.
2. Селективность памяти: мы запоминаем яркие совпадения и забываем миллионы несбывшихся снов, предчувствий и знаков (ошибка подтверждения).
3. Неверная интуиция в отношении комбинаторики.
Классическим примером служит парадокс дней рождения: в группе всего из 23 человек вероятность того, что хотя бы у двух совпадет день рождения, превышает 50%. Если же искать совпадение дней рождения с точностью до 1 дня (соседние дни), в группе из 13 человек вероятность составляет уже 50%, а в группе из 23 человек — 95%.
Для оценки вероятности редких событий широко используется распределение Пуассона: если в среднем ожидается \(m\) событий, то вероятность того, что не произойдет ни одного события, равна \(e^{-m}\). Если \(m = 1\), вероятность нуля событий равна \(e^{-1} \approx 37%\), а вероятность хотя бы одного события — \(63%\).
Непонимание математики совпадений ведет к тяжелым юридическим ошибкам. В Нидерландах медсестра Люсия де Берк была приговорена к пожизненному заключению за якобы убийство пациентов, поскольку на её дежурствах умерло несколько больных. Эксперт заявил в суде, что вероятность такого совпадения равна 1 на 342 миллиона. Позже квалифицированные статистики доказали, что из-за некорректного объединения данных и игнорирования селективности реальная вероятность составляла 1 к 25. В 2010 году Люсия де Берк была полностью оправдана.
Автор предостерегает от спешных расчетов: история о человеке, купившем коробку яиц, где все 6 оказались с двойными желтками, привела к газетным заявлениям о шансе 1 на \(10^{18}\). В реальности яйца с двойными желтками фасуются на птицефабриках отдельно из-за их гигантского размера — события были строго зависимы.
В Рождество 1971 года 17-летняя Юлиана Кёпке летела над джунглями Амазонки. В самолет ударила молния, произошел взрыв. Юлиана упала с высоты 3000 метров, пристегнутая к креслу. Густые кроны деревьев смягчили удар, она выжила (все остальные 90 человек погибли) и 11 дней пробиралась по диким джунглям к людям.
Автор определяет удачу как «действие случая, принимаемое на свой счет». Главный элемент удачи — отсутствие личного контроля над произошедшим. Философы выделяют три основных типа удачи:
1. Результирующая удача: когда люди совершают одинаковые действия в одинаковых условиях, но получают разный результат из-за внешних факторов (два пьяных водителя едут домой, но перед машиной одного выбегает ребенок, а перед другим — нет).
2. Косвенная удача: факт оказания в нужном или ненужном месте в нужное или неверное время (Фелисити Чилкотт случайно села в автобус, куда запрыгнул сбежавший из зоопарка шимпанзе).
3. Конститутивная (структурная) удача: наиболее важная форма удачи — то, кем, где, у каких родителей и с какими генами вы родились.
Разбирая «подвиг» иллюзиониста Деррена Брауна, подбросившего в эфире 10 «орлов» подряд, Шпигельхалтер объясняет: в основе лежит геометрическое распределение. Время ожидания первого успеха при шансе \(p\) требует в среднем \(1/p\) попыток. Для 10 «орлов» подряд (\(p = 1/1024\)) требуется в среднем 1024 попытки (около 9 часов беспрерывных бросков). Брауну просто сняли финальную успешную попытку после многочасового незаметного монтажа.
В спорте удача играет огромную роль. Автор провел анализ основных футбольных лиг Европы за сезон 2022-23 годов. Предположив, что исходы матчей решаются броском монеты (50% победа хозяев / 25% ничья / 25% победа гостей), Шпигельхалтер вычислил, какую долю итогового разброса очков в таблице объясняет чистая случайность:
- В Шотландской Премьер-лиге — 35%
- В Английской Премьер-лиге — 42%
- В Немецкой Бундеслиге 2 — 63%
- В Шотландском Чемпионшипе — 64%
Ранговые таблицы (больниц, школ, клубов) содержат колоссальную неопределенность: победа на 1-м месте часто обусловлена благоприятным стечением обстоятельств, а не фатальным превосходством в мастерстве.
Психолог Ричард Уайзман установил 4 принципа людей, считающих себя «везучими»:
1. Умение замечать и использовать случайные возможности.
2. Принятие удачных решений на основе интуиции и слушания себя.
3. Оптимистичные ожидания относительно будущего.
4. Устойчивое отношение к неудачам (умение видеть плюсы в плохом).
При сообщении тяжелых вестей (например, в детской кардиохирургии) автор рекомендует избегать слова «удача» или «случайность» и использовать уважительную формулировку: «непредвиденные факторы».
ГЛАВА 6. Все это немного случайно
В 2016 году у автора диагностировали рак простаты. Из-за онкологического анамнеза в семье возникла необходимость проверить вероятность наличия мутации гена BRCA2. Программа BOADICEA выдала результат: вероятность владения геном составляет 33%. В основе менделевского наследования лежит чистый вероятностный процесс 50:50 (как подбрасывание монеты при передаче хромосомы).
Шпигельхалтер разбирает философскую проблему: мир в своей основе детерминирован или стохастичен?
- Демон Лапласа (1814 г.): концепция абсолютного детерминизма. Если бы существовал разум, знающий положение и импульс всех частиц во Вселенной, будущее было бы предсказуемо с абсолютной точностью. Неопределенность — лишь мера нашего незнания.
- Квантовая механика (1920-е гг.): Бор и Гейзенберг доказали, что на субатомном уровне мир принципиально стохастичен. Радиоактивный распад атома цезия происходит без фундаментальной причины — это истинная, несводимая объективная вероятность.
На микроуровне молекулы газа движутся хаотично, но на макроуровне подчиняются жестким законам Бойля-Мариотта. Поведение отдельных людей стохастично, но агрегированное поведение больших масс (количество самоубийств или браков за год) демонстрирует поразительное детерминированное постоянство (Адольф Кетеле назвал это «статистическим фатализмом»).
Рождение математического моделирования методом Монте-Карло связано с физиком Станиславом Уламом. Во время болезни в 1946 году Улам играл в пасьянс и пытался рассчитать вероятность выигрыша. Поняв сложность комбинаторики, он решил просто «сыграть 100 раз наугад и посчитать число побед». Затем он применил этот метод к расчетам цепных ядерных реакций для водородной бомбы.
В 1955 году корпорация RAND опубликовала книгу «Миллион случайных цифр» — массивный справочник таблиц, сгенерированных импульсным генератором. Случайность в ней оказалась неравномерной: в массиве встретилась цепочка из семи шестерок подряд («6666666»), что идеально согласуется с распределением Пуассона.
Человеческое восприятие случайности искажено предвзятостью: людям кажется, что случайный ряд должен быть «равномерным». Психиатр Клаус Конрад назвал склонность видеть скрытые закономерности в случайных данных апофенией. При подбрасывании монеты 20 раз вероятность получить серию из 4 или более «орлов»/«решек» подряд составляет 78%. Однако люди при выдумывании «случайных» рядов избегают длинных серий и слишком часто чередуют значения.
Случайный выбор (сортировка) обеспечивает объективную справедливость (призыв в армию, отбор присяжных, распределение органов) и является основой рандомизированных контролируемых испытаний (РКИ) в медицине, гарантирующих равенство известных и неизвестных факторов риска в сравниваемых группах.
В июне 2021 года в Великобритании выяснилось, что большинство людей, умерших от Covid-19, были полностью вакцинированы. Противники вакцин заявили об их бесполезности. Однако автор указывает, что это классическое проявление смешения условных вероятностей, разрешаемое с помощью теоремы Байеса.
Нас интересует не условная вероятность умереть, если ты вакцинирован \(P(\text{Смерть} \mid \text{Вакцина})\), которая крайне мала (\(0.2%\)), а обратная вероятность: \(P(\text{Вакцина} \mid \text{Смерть})\). Поскольку среди пожилого населения было вакцинировано 95%, абсолютное число смертей в огромной группе привитых оказалось больше, чем в крошечной группе непривитых (\(5%\)), даже несмотря на то, что у непривитых риск смерти был в 10 раз выше!
Преподобный Томас Байес (1702–1761) сформулировал математический механизм обновления убеждений на основе новых доказательств:
\[\text{Апостериорные шансы} = \text{Отношение правдоподобия} \times \text{Априорные шансы}\]
- Априорная вероятность \(P(A)\): наша начальная уверенность до получения новых данных.
- Отношение правдоподобия (Likelihood ratio): сила полученных улик.
- Апостериорная вероятность \(P(A \mid B)\): пересмотренная уверенность после учета улик.
Байесовский подход активно применялся Аланом Тьюрингом в Блетчли-Парке при взломе немецкой шифровальной машины «Энигма». Тьюринг ввел единицу измерения силы улик — банан (и децибаны), определяемую как десятичный логарифм отношения правдоподобия. Это позволило экономить машинное время компьютеров Bombes, бракуя заведомо неправдоподобные настройки роторов.
Байесовский вывод кардинально отличается от классической статистики: он рассматривает вероятность как меру личной неопределенности, а не долгосрочную частоту.
При автоматическом обучении байесовских систем ключевым является Правило Кромвеля, сформулированное статистиком Деннисом Линдли. Оно отсылает к известной фразе Оливера Кромвеля перед Шотландской церковью (1650 г.): «Умоляю вас всеми милостями Христовыми, помыслите, что вы можете ошибаться». Математически Правило Кромвеля гласит: никогда не присваивайте априорную вероятность 0 или 1 ни одному событию, если оно не является логической неизбежностью. Если событию присвоен априорный ноль, никакие последующие доказательства не смогут изменить убеждение системы. Оставление даже \(1%\) вероятности обмана позволяет алгоритму быстро переучиваться при поступлении аномальных данных.
Современная нейробиология пришла к концепции «Байесовского мозга»: наше восприятие окружающей реальности — это не прямое отражение сенсорных данных, а постоянная генерируемая мозгом байесовская гипотеза (априорное ожидание), которая корректируется поступающими сигналами от органов чувств.
ГЛАВА 8. Наука и неопределенность
Научные исследования направлены на расширение границ знаний, а значит, неизбежно работают в условиях неопределенности. Объектами исследовательской неопределенности выступают физические константы, численность популяций, виртуальные параметры (ВВП, средний эффект лекарства), исторические факты и фундаментальные законы природы.
В метрологии (науке об измерениях) действует официальное «Руководство по выражению неопределенности измерений» (GUM). Оно делит неопределенность на две категории:
- Неопределенность типа A: рассчитывается традиционными статистическими методами по разбросу данных наблюдений.
- Неопределенность типа B: оценивается экспертным суждением на основе всей имеющейся научной информации (некалиброванность приборов, температура среды, погрешности методов).
Поразительно, что международный орган по эталонам и мерам официально требует использования субъективных экспертных суждений для полной оценки погрешности физических измерений.
В традиционной статистике широко используются доверительные интервалы (например, 95%). Их строгое математическое определение крайне неудобно: «Если процедуру повторить бесконечное число раз, 95% построенных интервалов будут содержать истинное значение». Ошибочно утверждать, что данный конкретный интервал с вероятностью 95% содержит истинное значение — он либо содержит его, либо нет.
Британский статистик Джордж Бокс сформулировал знаменитый афоризм: «Все модели ошибочны, но некоторые из них полезны». Модель — это карта, а не территория. Задача состоит не в поиске «истинной» модели, а в выборе модели, адекватной конкретной цели.
Автор подвергает жесткой критике современную практику фиксации на P-значениях (\(P < 0.05\)) и «статистической значимости». Эндрю Гелман называет это «отмыванием неопределенности» — превращением случайных данных в ложную уверенность.
На примере испытания дексаметазона при Covid-19 (исследование RECOVERY) автор показывает, что даже идеальное P-значение (\(P = 0.0003\)) относится только к рандомизированным группам в испытании, а не к эффекту применения препарата в реальных клинических условиях.
Для работы с модельной неопределенностью Шпигельхалтер предлагает 5 подходов:
1. Открытое изложение всех ограничений и оговорок.
2. Проведение анализа чувствительности к различным предпосылкам.
3. Объединение результатов независимых моделей (мультимодельные ансамбли, как при расчете числа R).
4. Корректировка моделей субъективными суждениями типа B.
5. Восприятие P-значений лишь как ориентировочных индикаторов.
В физике элементарных частиц для заявления об открытии (например, бозона Хиггса в ЦЕРНе в 2012 году) требуется порог в 5 сигма — вероятность того, что фоновый шум дал такой всплеск, должна составлять менее 1 на 3,5 миллиона.
ГЛАВА 9. Насколько мы уверены в своем анализе?
Рассматривая качество статистических заключений, Шпигельхалтер разделяет два концептуальных пути:
1. Прямой путь (Прямая неопределенность): количественные вероятности, интервалы и распределения, полученные из математических моделей и экспертных опросов.
2. Косвенный путь (Косвенная неопределенность): качественная оценка уверенности в самом анализе, основанная на силе доказательств, полноте данных, наличии информационных пробелов и согласии экспертов.
Разведывательное сообщество Великобритании использует шкалу аналитической уверенности (Analytical Confidence): низкая, средняя, высокая. В 2017 году спецслужбы США заявили с высокой уверенностью (ЦРУ, ФБР) и умеренной уверенностью (АНБ), что Россия вмешивалась в выборы.
При расчете последствий скандала с зараженной кровью в Великобритании (когда 3000 человек заразились гепатитом С и ВИЧ через трансфузии) команда автора использовала комплексное моделирование Монте-Карло с 10 000 прогонов, объединив данные (тип A) и экспертные суждения (тип B). Итог был сопровожден качественной оценкой аналитической уверенности по шкале SAGE: умеренно-высокая.
В медицине используется шкала GRADE, оценивающая качество доказательств (высокое, умеренное, низкое, очень низкое). В образовательной сфере Британский фонд поддержки образования отображает надежность рекомендаций значками «висячих замков» (от 1 до 5).
Если прямая неопределенность отвечает на вопрос «Каковы шансы?», то косвенная неопределенность отвечает на вопрос «Насколько можно верить этим расчетам?».
ГЛАВА 10. Что или кто виноват? Причинность, климат и преступность
Размышления о причинно-следственных связях делятся на две категории:
- Общая причинность («следствия причин»): имеет ли воздействие \(A\) тенденцию вызывать результат \(B\) в повторяющихся ситуациях (например, вызывает ли курение рак легких)?
- Специфическая (частная) причинность («причины следствий»): вызвало ли конкретное воздействие \(A\) данный индивидуальный исход \(B\) в конкретном случае (вызвало ли курение рак у конкретного мистера Смита)?
Международное агентство по изучению рака (IARC) классифицирует вещества по группам (1 — канцерогенно, 2A — вероятно канцерогенно, 2B — возможно канцерогенно, 3 — не классифицируемо). Шпигельхалтер подчеркивает: эти категории отражают силу доказательств наличия связи (косвенную неопределенность), а не величину риска. Заменитель сахара аспартам и обработанное мясо могут попадать в категории риска, но иметь совершенно разную степень опасности для здоровья.
В гражданском праве решение выносится на основе «баланса вероятностей» (вероятность \(> 50%\)). В американском законодательстве действует правило «удвоения риска»: если относительный риск (\(RR\)) воздействия определенного фактора превышает 2 (\(RR > 2\)), это означает, что более \(50%\) случаев заболевания в группе обусловлены именно этим фактором. В таком случае суд признает индивидуальную причинную связь доказанной.
В климатологии развивается научная дисциплина атрибуции экстремальных погодных явлений. Ученые сравнивают климатические модели реального мира (с выбросами CO2) и гипотетического мира без человека, определяя, насколько антропогенный фактор увеличил вероятность конкретной жары или наводнения (например, жара в Великобритании 2023 года стала в 10 раз более вероятной).
В уголовных процессах оценка судебно-медицинских доказательств (ДНК, следы обуви) должна происходить через отношение правдоподобия (Likelihood Ratio):
\[LR = \frac{P(\text{Улика} \mid \text{Гипотеза обвинения})}{P(\text{Улика} \mid \text{Гипотеза защиты})}\]
Однако Апелляционный суд Англии и Уэльса запретил экспертам формально применять теорему Байеса непосредственно в зале суда, оставив взвешивание улик на человеческое суждение присяжных.
Юридическая загадка о «синем автобусе» (1971 г.) иллюстрирует разрыв между статистической вероятностью и доказательной силой. Пешехода сбил синий автобус. Компания X владеет 80% всех синих автобусов в городе. Является ли это достаточным доказательством вины компании X? Две трети юристов считают, что да (вероятность \(> 50%\)), а треть — что нет, так как отсутствуют специфические улики конкретного происшествия. Как отмечал Джон Мейнард Кейнс, увеличение объема доказательств увеличивает «массу аргумента», давая более прочное основание для заключения.
ГЛАВА 11. Предсказание будущего
Предсказание будущего фундаментально отличается от эпистемического устранения незнания — будущее ещё не произошло. Древние методы предсказания (клеромантия, карты Таро, чаинки) строились на намеренно туманном языке.
Современное прогнозирование опирается на математические модели. Шпигельхалтер разбирает пример построения модели прогноза результатов футбольных матчей. Используя распределение Пуассона для голов каждой команды с учетом силы атаки и слабости обороны, автор рассчитал вероятности для последнего тура Английской Премьер-лиги. Модель дала 9 из 10 верных исходов и штрафной балл Брайера \(0.34\) (по сравнению с \(0.59\) у дефолтной модели без навыка), что дало показатель мастерства прогноза Brier Skill Score (BSS) = 43%. Однако автор признает, что в следующем сезоне эта же модель провалилась из-за удачи первого эксперимента.
В метеорологии прогнозирование на неделю вперед опирается на ансамбли — запуск суперкомпьютерной модели атмосферы 50 раз с минимально измененными начальными условиями (метод ансамблевого прогнозирования Тима Палмера). Если в 20 из 50 прогонов идет дождь, выводится вероятность 40%.
При экономическом прогнозировании Банк Англии публикует веерные диаграммы (Fan Charts). Диаграмма показывает не точечный прогноз, а вероятностные зоны (30%, 60%, 90%). Главная особенность веера Банка Англии — за пределами 90%-ной окрашенной зоны остаются \(10%\) серые «хвосты». Банк Англии открыто заявляет, что в 10 случаях из 100 произойдет нечто, вообще не предусмотренное моделью (как финансовый крах 2008 г. или пандемия 2020 г.).
При прогнозировании климата на десятилетия вперед МГЭИК использует мультимодельные ансамбли из 30 независимых климатических моделей мира. Из-за неизбежной неполноты моделей 90%-ный диапазон разброса моделей официально понижается в формулировках до «вероятного» (66%). Дэвид Стейнфорт предупреждает: «Вместо подгонки наших действий под узкий прогноз одной модели мы должны искать устойчивые и гибкие решения, надежные в широком диапазоне климатических исходов».
Источники неопределенности в прогнозах:
1. Алеаторная изменчивость (неустранимый шум).
2. Эпистемическая неопределенность параметров.
3. Модельная нерешительность (выбор структуры).
4. Человеческое поведение и внешние шоки.
ГЛАВА 12. Риск, неудачи и катастрофы
9 сентября 1980 года во время тайфуна «Орхидея» в океане бесследно исчез британский балкер MV Derbyshire весом 90 000 тонн (вдвое больше «Титаника»). 44 человека погибли. Лишь через 20 лет подводная экспедиция установила причину: тайфун сдвинул крышку маленького люка на носу, вода заполнила носовой отсек, нос опустился, и гигантские волны последовательно сорвали крышки всех грузовых люков. Произошел «идеальный шторм» — каскад маловероятных событий.
Технические подходы к рискам катастроф опираются на Количественный анализ рисков (QRA). Для моделирования редких экстремальных событий используются математические распределения с тяжелыми хвостами (например, распределение Парето).
Пионером вероятностной оценки безопасности (PRA) на атомных станциях стал Норман Расмуссен (отчет WASH-1400, 1975 г.). Команда Расмуссена построила деревья отказов, но недооценила человеческий фактор и каскадные ошибки проектирования, проявившиеся позже на АЭС Три-Майл-Айленд, в Чернобыле и на Фукусиме.
Страховые компании используют катастрофическое моделирование, выстраивая кривые вероятности превышения (Exceedance Probability Curves) и кривые F-N (связывающие частоту событий \(F\) и число жертв \(N\)).
В государственном управлении рисками применяются матрицы рисков (ось вероятности и ось воздействия). Однако фиксация на «Разумном наихудшем сценарии» (Reasonable Worst-Case Scenario) часто приводит к игнорированию более вероятных средних вариантов или совсем иных каскадных сценариев.
Критика QRA заключается в опасности создания иллюзии точного знания там, где господствуют непроверяемые допущения.
ГЛАВА 13. Глубокая неопределенность
История полна ложных прогнозов уверенных экспертов. Томас Мальтус (1798 г.) предсказывал неизбежный глобальный голод из-за роста населения, не учтя технологический прогресс. Пол Эрлих в книге «Населенческая бомба» (1968 г.) утверждал, что в 1970-х годах от голода умрут сотни миллионов людей.
Шпигельхалтер выделяет две категории внезапных катастрофических событий:
1. «Идеальные штормы»: экстремальные события в далеких хвостах уже известного распределения (были в реестре рисков, но недооценивались).
2. «Черные лебеди» (по Нассиму Талебу): качественно новые события, о возможности которых никто даже не задумывался (отсутствовали в реестрах).
Самоуверенное представление о том, что мы предусмотрели всё, называется метаигнорированием («неизвестные неизвестные»). Осознание пределов собственных концепций ведет к онтологической неопределенности — признанию того, что сам наш понятийный аппарат и модели неадекватны реальности.
Энди Стирлинг предложил матрицу 4 квадрантов неопределенности:
- Квадрант A (Риск): исходы определены, вероятности поддаются моделированию (QRA).
- Квадрант B (Неопределенность): исходы определены, но основания для вероятностей слабы (используются ранжирование, диапазоны, таблицы неопределенностей EFSA).
- Квадрант C (Глубокая неопределенность / Загадки): исходы неполны, вероятности не поддаются оценке.
- Квадрант D (Нераспределенная вероятность): исходы неполны, но вероятности задаются через включение категории «Всё остальное».
Фрэнк Найт (1921 г.) разделял измеримый «риск» и неизмеримую «найтскую неопределенность». Шпигельхалтер несогласен с Найтом, указывая, что субъективная вероятность позволяет давать полезные оценки в любых условиях.
В условиях глубокой неопределенности (квадрант C) экономисты Джон Кей и Мервин Кинг (Radical Uncertainty) рекомендуют использовать сценарное планирование («обратная логика» / «разминирование») и исследовать референтный нарратив — историю, которую мы себе рассказываем о будущем.
Главный рецепт квадранта D — всегда оставлять в модели категорию «Ничего из вышеперечисленного» с небольшой априорной вероятностью, сохраняя готовность к сюрпризам.
ГЛАВА 14. Общение с неопределенностью и риском
Передача информации о риске может стать инструментом манипуляции. В 2002–2003 годах правительственные доклады США и Великобритании преднамеренно занижали неопределенность в отношении оружия массового поражения в Ираке для обоснования войны. Напротив, табачные компании десятилетиями искусственно преувеличивали неопределенность научных данных о вреде курения (стратегия «торговцев сомнениями» / агнотология — намеренное культивирование невежества).
Философ Онора О’Нил указывает: цель коммуникации — не завоевать слепое доверие, а продемонстрировать собственную надежность (trustworthiness).
При работе в кризисах Лорд Кребс сформулировал 5 правил коммуникации:
2. Открыто признавать то, что неизвестно.
3. Объяснять, что делается для поиска ответов.
4. Давать людям четкие инструкции по самозащите.
5. Предупреждать, что советы будут меняться по мере поступления новых данных.
При представлении рисков разница между относительным и абсолютным риском имеет решающее значение. Заявление «употребление продукта увеличивает риск рака на 50%» звучит пугающе. Но если абсолютный риск возрастает с 2 случаев на 100 000 до 3 случаев на 100 000, реальная опасность ничтожна. Для наглядного сравнения рисков используется единица микроморт (micromort) — шанс смерти 1 на 1 миллион (1 микроморт равен поездке на 7500 миль на поезде, 250 миль на авто или 6 миль на мотоцикле).
Графические методы визуализации неопределенности:
- Скрипичные и градиентные графики (предпочтительнее планок погрешностей, так как не создают ложных жестких границ).
- Массивы иконок (100 точек / пиктограмм).
- Контурные графики и диаграммы «спагетти» (для путей ураганов).
5 правил прозрачного информирования (Винтонский центр):
1. Быть информативным, а не убеждающим.
2. Сохранять сбалансированность (показывать и пользу, и вред).
3. Прямо сообщать о численной неопределенности.
4. Указывать на ограничения доказательств.
5. Упреждать возможные недоразумения.
ГЛАВА 15. Принятие решений и управление рисками
Теория рационального выбора в экономике (Homo economicus) предполагает, что человек оценивает исходы, умножает их на вероятности и максимизирует ожидаемую полезность. Даниэль Бернулли (1738 г.) объяснил неприятие риска через убывающую предельную полезность денег.
Канеман и Тверски в Теории перспектив доказали, что реальное поведение людей систематически отклоняется от математической модели:
- Неприятие потерь: боль от потери 1000 фунтов ощущается сильнее, чем радость от получения 1000 фунтов.
- Четырехкратная схема: стремление к риску при малой вероятности большого выигрыша (лотерея) и при высокой вероятности больших потерь (азартное отыгрывание); неприятие риска при высокой вероятности выигрыша и при малой вероятности потерь (страхование).
- Неприятие двусмысленности (Парадокс Эллсберга): люди предпочитают известный шанс 50:50 (мешок A) неизвестному шансу (мешок B), даже если ожидаемая выгода одинакова.
4 стратегии принятия решений в реальном мире:
1. Полный количественный анализ (работает только в «малых мирах»).
2. Полуколичественный анализ (оценка того, что возможно, и поиск устойчивых решений).
3. Эвристики (Герд Гигеренцер: «быстрые и экономные» правила интуиции).
4. Сюжетная основа (воображение сценариев будущего на основе нарративов).
В государственном регулировании стоимость спасенной жизни оценивается через показатели QALY (год жизни с поправкой на качество, в Великобритании около £20,000–£30,000) и VSL (ценность статистической жизни, в США около $10 млн).
Для контроля опасностей используется концепция Допустимости риска (Tolerability of Risk / ALARP) и коэффициенты неопределенности (safety factors) в токсикологии (обычно доза для мышей делится на 100 или 1000).
Принцип предосторожности в условиях глубокой неопределенности трансформируется в 9 практических соображений:
- Избыточность системы.
- Смирение перед сложностью.
- Надежность и устойчивость (resilience).
- Обратимость решений.
- Адаптивность и открытость к альтернативным точкам зрения.
- Сбалансированность (учет побочных эффектов самой предосторожности).
ГЛАВА 16. Будущее неопределенности
Книга завершается обсуждением экзистенциальных вопросов. Какова вероятность рождения конкретного человека или существования человечества? Автор указывает на антропный принцип и ошибку выжившего: задавать вопрос о вероятности собственного существования постфактум бессмысленно, так как мы не можем наблюдать исходы, где нас нет.
В области Искусственного Интеллекта крупноязычные модели (LLM) демонстрируют выраженную проблему: они выдают ответы с безупречной уверенностью, периодически галлюцинируя и не обладая встроенной калибровкой собственной неопределенности. Шпигельхалтер подчеркивает необходимость создания алгоритмов ИИ, обладающих байесовской оценкой собственного незнания.
Манифест неопределенности Дэвида Шпигельхалтера:
1. Неопределенность — это личные отношения с миром. Примите её с честностью и смирением.
2. Выражайте неопределенность в цифрах везде, где это возможно, избегая туманных слов.
3. Помните: вероятности — это не объективные свойства мира, а наши конструкции.
4. Обновляйте свои убеждения по принципу Байеса и соблюдайте Правило Кромвеля (сохраняйте сомнения).
5. Помните, что все статистические модели ошибочны. Проводите анализ чувствительности и используйте качественные шкалы уверенности.
6. В условиях глубокой неопределенности стремитесь не к узкой оптимизации, а к гибкости, обратимости и устойчивости.
7. Общайтесь надежно, прямо заявляя об оговорках и информационных пробелах.
Неопределенность неизбежна. Мы должны принять её, смириться с ней и научиться получать удовольствие от процесса познания неизвестного.
Summarizator — это Telegram-канал, где мы собираем саммари самых актуальных и захватывающих книг об ИИ, технологиях, саморазвитии и культовой фантастике. Мы экономим ваше время, помогая быстро погружаться в новые идеи и находить инсайты, которые могут изменить ваш взгляд на мир. 📢 Присоединяйтесь: https://t.me/summarizator