Это очень древний механизм, имеющийся не только у нас, но и у многих животных. Автоматическая структурная экстраполяция – древний, экономичный и глубоко укоренившийся метод работы с будущим, функционирующий быстро и целостно.
По-видимому, восприятием водителя управляет не только этот механизм. И (опять же по-видимому)«холистические» формы умственных способностей, которые нам так горячо рекомендуют некоторые авторы[51], не всегда являются преимуществом!
Любители и эксперты
То, о чем мы говорили в предыдущем разделе, в сущности было поведением людей, в чьи служебные обязанности не входит создание правильной картины протекающих во времени процессов. Мы проанализировали поведение любителей. Как же обстоят дела с прогнозами у людей или учреждений, для которых обращение с такими процессами является обязанностью или профессией?
Рис. 42. Прогнозы по личному автотранспорту в ФРГ и фактическое развитие до 1984 года
На рисунке 42 приведено несколько примеров прогнозов относительно количества автомобилей в ФРГ. Жирная черная кривая представляет собой фактическое развитие, а тонкие линии обозначают прогнозы. Мы видим, что до середины 1983 года фактическое развитие четко совпадало с некоторыми прогнозами. Исключением является прогноз компании Shell 1979–1981 годов.
Уже в середине 1983 года количество личного автотранспорта в ФРГ достигло такого состояния, которое в 1979-м, то есть всего четырьмя годами ранее, ADAC[52] не желал предсказать даже для 2000 года. Официальные прогнозисты тоже явно были не в состоянии точно предсказать развитие ситуации с личными автомобилями: фактические данные были сильно недооценены.
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?
Должно быть, это получилось следующим образом: Саймон знал, как примерно следует действовать, чтобы запрограммировать успешный шахматный компьютер. У него было совершенно ясное представление об этом, и вдобавок он знал, что представление это является правильным. Однако он не учел в своих расчетах множество досадных мелких проблем, которые имеют обыкновение возникать в подобных проектах. Он видел дорогу, по которой можно пойти, но не видел многочисленных камней и выбоин на этой дороге, которые мешали проехать по ней к будущему на четвертой скорости. Именно обозревая «главные направления», человек склонен забывать о деталях.
Невнимание к непредвиденным помехам – это фактор, представляющий особую опасность для специалистов. Им известны направления развития процесса, они могут кое-что предвидеть, и именно поэтому склонны переоценивать скорость превращения возможностей в факты. В уже упомянутой книге предсказаний мы найдем этому множество примеров. Так, в ней есть такой прогноз: к 1985 году 90 % всех американских домохозяйств будут подключены к системе видеоданных. (Это соответствует распространению интернета к 2000 году.) Или еще один прогноз: что в 1985 году каждый телевизор будет показывать 300 каналов. Или что к 1985 году компьютерное программирование будет представлено в понятиях естественного языка. Все это допустимо. Самые большие сложности представляет собой компьютерное программирование на естественном языке или близко к нему. Однако сроки этих прогнозов уже давно наступили, и пока что незаметно, что хоть одно из этих предсказаний сбудется в ближайшем будущем.
