Будущее под прицелом настоящего: пересечение гуманитарного и военного

Сегодня будущим интересуются большие структуры типа крупных нефтяных компаний, военных и правительств в сфере энергетики. Это связано с тем, что они связаны с большими финансовыми потоками, которых больше ни у кого нет. Поэтому у них и существуют другие интересы, которых также нет у других.

Компания Shell, к примеру, не только разработала сценарный подход к будущему, но и была единственной, предсказавшей конец Советского Союза. Хотя ЦРУ и другие сопротивлялись ее прогнозу говоря, что у них нет для этого достаточно данных. Как рассказывает работавший в то время в Shell П. Шварц, они исходили из того, что в 1985 г. на авансцену СССР выходил большой сегмент молодого поколения ([1], см. его био [2-3]). А известно, что у каждого нового поколения другие представления о демократии. Shell же интересовались будущим СССР, потому что должны были решать, вести ли им разработки добычи нефти в Северном море. А СССР был важным фактором нефтедобычи и от него зависело, какой будет цена нефть.

Сценарный подход начался с разработок Г. Кана сороковые в РЕНД (см. о нем — [4], есть пример такой секретной разработки по ядерному сдерживанию 1957 г. [5]) и дошел до Shell в семидесятые. Постепенно он сместился с внешних факторов на внутренние. Как говорит в одном из интервью Шварц [6]: возникло «понимание того, что большие сложные методологии и тщательно разработанные компьютерные модели не являются оптимальным решением. И все сместилось от формальных процессов планирования более как инструментарию мышления. Это методология для вероятностного мышления, для размышлений о разных возможностях, задания вопрос «что если?» (см. историю сценарного подхода в военных и в бизнес ситуациях [7-8]). Даже разработки теорий специальных операций начинаются с повторения призыва Кана «думать о невозможном» [9].

Когда Г. Фейнман выступает в Институте Санта Фе на тему эволюции культуры/цивилизаций (см. один из его текстов [10]), то это также взгляд в будущее, поскольку знание моделей прошлого позволяет видеть модели будущего. Когда он с соавторами предлагает выделять общества прошлого, базирующиеся либо на достатке, либо на знании, то это взгляд и на нас [11-12]. Первые общества базировались на внешних связях обмена, вторые — на локальных обществах, распределяя информацию и объясняющее знание. Когда Фейнман говорит о прошлых сложных обществах, то это актуально и сегодня (см. видео его выступления в Институте Санта Фе [13]). К тому же, и войну очень часто связывают с культурой (см., например, [14]).

Кстати, связи информационного и материального в истории очень видны. Например, Леруа-Гуран пишет [15, р. 210]: «Переход от мифологического к рациональному мышлению был очень постепенным, точно синхронизируемым с развитием урбанистической концентрации и металлургии». Сегодня из Санта Фе появились новые данные, сближающие города современности и города прошлого. С. Ортман (см. о нем — [16]) с коллегами выделили следующие сходные характеристики [17-21]. В больших древних городах было больше памятников на человека, дома и памятники были больше. Рост продуктивности был побольше, чем давала возрастающая численность населения. Чем большим был город, тем большим было форсирование.

Ортман говорит: «Это было удивительно, чему нельзя было поверить. Мы выросли на постоянных рассказах, что благодаря капитализму, индустриализации и демократии современный мир радикально отличается от прошлых миров. Мы же нашли предшественников фундаментальных драйверов важных социоэкономических моделей современных городов».

Л. Беттанкур (см. о нем на сайте Санта Фе [22]) назвал города «социальными реакторами» (см. также [23]). Все социальные результаты растут в городах быстрее, чем растет население, как позитивные (достаток или инновации), так и негативные (преступность или бедность).

Ортман говорит и следующее: «Для меня идея того, что те же фундаментальные процессы, которые породили такое место, как Нью-Йорк, работали и в древних сельских деревнях в других частях мира, является поразительной».

В статье в журнале Science приходят к следующим выводам по поводу того, что древние города работали как социальные реакторы [24]: «Большие города являются средами, где большее число социальных взаимодействий на единицу времени может быть поддержано и удержано. В свою очередь эта общая динамика является базой для расширения экономической и политической организации, таких явлений, как разделение и координация труда, специализация знаний, развитие иерархических политических и гражданских институтов. Поскольку выражение этой деятельности является локальным и отражает историю и культуру, большие города в любой урбанистической системе в среднем имеют общие характеристики, поскольку они усиливают возможности социального взаимодействия, дают лучшие возможности для взаимодополняемости, в результате увеличивая производительность и объем материальных ресурсов и человеческого труда».

Если Санта Фе — это институт в области фундаментальных наук, который интересуется, хотя и редко, гуманитарными объектами, то существуют подобные проекты из недр мощных ведомств, например, министерства обороны. Пентагон запустил в 2008 г. инициативу Минерва ([25], см. такой же проект Камелот, датируемый 1964 г. [26-28]). В проекте Камелот также была попытка привлечь политических экспертов к решению военных задач.

В рамках проекта Минерва предлагалось даже создавать новые науки, как такие, которые когда-то были созданы на военные деньги типа Теории игр или Советологии. Официально названной цифрой финансирования было 50 миллионов долларов на пять лет ([29], см. также сайт проекта — [30]). Тогда предлагалось три основных направления: китайские военные и технологические исследования, иракские и террористические перспективные исследования и религиозные и идеологические исследования [31]). Газета New York Times рассказала о проекте автоматического сканирования Интернета в 21 латиноамериканской стране под названием «Информационный глаз в небе» [32]. Другой проект направлен на автоматическое обнаружение в интернете террористических сетей в Афганистане. А еще были проекты Университета Аризоны по политическим оппонентам радикального ислама и Университета Техаса по влиянию климатических изменений на политическую стабильность в Африке. Пентагон также привязали в СМИ к нашумевшему исследованию Фейсбука по анализу «заражения» эмоциональными сообщениями [33]. Правда, Фейсбук сразу же стал защищаться от возможных связей с военными или правительственными заказчиками [34].

Ведущий компьютерный ученый из Массачусетского технологического института А. Пентленд прокомментировал эти выделяемые военными гранты так: «Результатом станет намного лучшее понимание того, что происходит в мире, того, как хорошо местные правительства справляются с ситуациями. Это внушает надежду, а не страх, поскольку это, вероятно, первая реальная возможность для всего человечества получить прозрачность в правительстве».

Новый проект направлен на следующие ключевые точки [35-37]: Идентичность, влияние, мобилизация; Культура, идентичность и безопасность; Формирование представлений и влияние; Мобилизация для изменений; Общественная упругость и изменения; Управление и правление закона; Ресурсы, экономика и глобализация; Дополнительные факторы, влияющие на общественную упругость и изменения; Власть и сдерживание; Проявление власти и диффузия; Другие варианты сдерживания; Инновации в национальной безопасности, конфликте и кооперации; Аналитические методы и метрики в исследованиях безопасности; Новые проблемы в конфликтах и безопасности.

Это наступление военных грантов вызвало сопротивление со стороны американских антропологов. Они увидели в этом не обучение умению выживать, а умению убивать. Пентагон сразу же выложил 60 миллионов долларов на изучение человеческого пространства войны [38]. Пошло большое число статей антропологов, сопротивляющихся такому проникновению военных в науку [39-42].

И последнее, но очень важное пересечение гражданских ученых и военных заказов лежит в области больших массивов данных. К примеру, очень интересные работы делает К. Леетару, отталкиваясь от такого объекта как социальные медиа ([43-45], см. его сайт — www.kalevleetaru.com). Однако возникают и голоса предостережения, например, А. Пентленд, который увидел следующий набор проблем в отношении больших массивов информации [46]:

  • проблема корреляции: при больших объемах практическая каждая проблема начинает давать «статистически значимые» ответы, например, люди, которые едут на работу по понедельникам в своей машине, а не на общественном транспорте, скорее всегда заболеют гриппом, что связано с наличием множества возможных отношений, которые могут быть «статистически значимыми»;
  • проблема «человеческого понимания»: нахождение корреляции — это одно, а понимание их, позволяющее построить новую лучшую систему, гораздо сложнее;
  • проблема происхождения: бизнес останавливается перед сложностями извлечения информации из «мусора» и придания ему формы, с которой можно работать;
  • проблема приватности: чем больше бизнес интересуется силой больших массивов информации, тем сильнее людей волнует проблема вмешательства таким путем в их частную жизнь.
  • Отталкиваясь от наличия больших информационных массивов, сегодня делается также множество работ по предсказанию будущего (см., например, [47-52]).

    Но не только алгоритмы ведут к правильным предсказаниям. Правда, оказалось, что эксперты-политологи оказались настолько слабы в этом отношении, что конгресс даже запретил финансирование политических тем [53]. Однако в сфере разведки, наоборот, возник четырехлетний проект по поиску новых подходов к политическим предсказаниям ([54-55], сайт — www.goodjudgmentproject.com). Его лидером стал профессор Ф. Тетлок, который и издал в 2005 г. книгу о «плохих» политических экспертах (см. о нем [56-57]).

    Тетлок изучил точность прогнозов 284 экспертов, давших 28 тысяч прогнозов, пытаясь найти более удачные модели [58]. Как оказалось, в основном прогнозы были неудавшимися. И консерваторы, и либералы, и оптимисты, и пессимисты — все ошибались. Только один параметр оказался важным: «как ты думаешь, важнее того, о чем ты думаешь».

    Этот параметр превратился в разделение экспертов на два типа: «лис» и «ежей». И в этом соревновании сильнее оказались лисы. У ежей есть одна великая теория, например, марксизм, и они применяют ее во всех возможных областях. Лисы не принимают великих теорий, они каждый раз отталкиваются от конкретных событий.

    Выступая в американском музее холокоста на тему предсказания массового насилия, Тетлок перечислил свои исходные данные, на которые опиралась книга [59]. Это 55 стран за 20 лет. Когда эксперты были на 90% уверены, результат получался только в 68% случаев. Когда эксперты были на 10% уверены, результат осуществлялся в 30% случаев.

    Для эксперимента по краудсорсингу предсказаний они разделили людей на два класса: команда по контенту и команда по процессу. Специалисты по контенту дают сырой материал для предсказаний, а специалисты по процессу объединяют его в прогнозы.

    В своем тексте 2010 г., который выстроен как ответы на критические высказывания, высказанные на симпозиуме, он повторяет свой базис текста 2005 г. ([60], это целый номер журнала Critical Review, 2010, Vol. 22, No. 4, посвященный обсуждению его идей): «Политические эксперты в моем исследовании были систематически сверхуверенными, что они знают ответы на сложные вопросы экономических, внутриполитических и геополитических трендов. Результаты приписанных 90-процентных вероятностей часто случались только в 70 процентах или 60 процентах случаев».

    Тетлок говорит также, что удача «лис» была чуть больше, чем у алгоритмов экстраполяции. Но даже это «чуть» оказывается важным в случае решений большой важности (см. также первую главу книги Тетлока в онлайне [61]).

    Исходное деление на лис/ежей Тетлок взял у И. Берлина, эссе которого носит название «Еж и лиса». Здесь он цитирует древнегреческого поэта Архилоха «Лиса знает много вещей, но еж знает одну большую вещь» [62]). Берлин в результате отнес к ежам Данте, Шекспира — к лисам. Платон, Лукреций, Паскальт, Гегель, Достоевский, Ницше, Ибсен, Пруст — в разной степени ежи, Геродот, Аристотель, Монтень, Эразм, Мольер, Гете, Пушкина, Бальзак, Джойс — лисы.

    Еще в 1996 г. у Тетлока была статья о когнитивном и риторическом стилях Черчилля ([63], см. также статью о Тетлоке в New Yorker [64]). В этой статье Тетлок замечает, что Черчилль был не особо интегративно сложным, имея в виду, что в этом случае человек пытается совместить или принять во внимание противоречащие взгляды. Другой путь мышления носит название когнитивной сложности. И Черчилль обладал именно ним. Этот вариант предполагает иметь разные представления, которые при этом не вступают в противоречие между собой.

    У Чемберлена, кстати, был высокий уровень интегративной сложности. Смена этих уровней в случае прихода Черчилля, как пишет Тетлок в другой своей совместной работе, является сигналом неизбежности войны [65]. Кстати, анализируя советские высказывания с 1945 по 1983 гг. Тетлок приходит к выводу, что интегративная сложность падает перед интервенциями (вход в Афганистан или размещение ракет на Кубе)

    В беседе с Ф. Тетлок [66] говорит о двух своих выводах. С одной стороны, политические эксперты плохи, когда они предсказывают события за пределами одного года. С другой, они думают, что знают о будущем больше, чем они реально знают. Он называет это систематической сверхуверенностью. Ошибочные предсказания разведки он делит на два типа: неверное позитивное предсказание и неверное негативное предсказание. Примером первого он называет наличие оружия массового уничтожения в Ираке, а второго — 11 сентября.

    Д. Брукс в газете New York Times раскрывает суть проведенных в 2011 г. экспериментов по краудсорсингу предсказаний [67]. Была сделана попытка предсказать следующее: выйдут ли из зоны евро определенные страны, вернется ли Северная Корея к переговорам по разоружению, поменяются ли постами В. Путин и Д. Медведев. Над предсказаниями работало пять команд из МТИ, Мичигана и Мериленда. Предсказания сбылись с точностью 60%. Это удалось получить, поскольку в команды были отобраны люди, прошедшие тестирование. Одной из особенностей, которую следовало иметь был открытый ум, одной из характеристик которого является открытость новым идеям [68]. Потом их дополнительно обучили, причем некоторые тренинги были сделаны по книге известного психолога Д. Канемана. Их научили различать, например, внешний и внутренний взгляды на событие.

    Кстати, Брукс заканчивает свою статью словами, что если бы он был президентом Обамой, то он хотел бы иметь у себя эти предсказания, однако разведывательное сообщество будет их ненавидеть. Эта его гипотеза опровергается попытками «приручить» краудсорсинг под нужды разведки (см., к примеру, [69-70]).

    Нейт Силвер (см. о нем [71], у него есть книга [72], он имеет сайт — fivethirtyeight.com, где есть предсказания даже на тему, кто именно получит премию Оскара [73]).

    В книге он разграничивает два термина, которые есть в английском, в отношении предсказаний — forecast и predict [72]. Если predict имеет латинские корни, то forecast — англо-германские. Он отражает новую протестантскую модель мира, это планирование в условиях неопределенности.

    В интервью он так отвечает на вопрос, кем является Обама, ежом или лисой [74]: «Думаю, что Обама лиса, и это делает его президентство трудным. Поскольку Джордж Буш точно был ежом. У него было очень сильное чувство и он мог говорить публике, что тут моральный порядок вселенной, что является абсолютным добром или злом. И в этом нет неоднозначности . Ежи имеют возможность иногда быть решительными и убедительными, они также могут полностью ошибаться и начинать из-за этого войну. Лисы много совещаются. И это может не нравиться людям, которые ждут быстрых ответов. В то же самое время можно сказать, что Обама играет в долгую игру. Историки говорят, что он будет выглядеть лучше через 10 лет, чем сейчас. […] Быть лисой хорошо, если ты делаешь предсказания о мире. […] Мне кажется, что большинство руководителей — ежи, они очень сильно уверены в конкретном представлении о своем продукте. Они чересчур оптимистичны в том, как хорош их продукт. Поэтому многие из них проигрывают».

    Газета New York Times отозвалась о книге Силвера следующим образом, что она пока направлена на спортивные и политические соревнования [75]. Но его амбиции ведут его к более серьезным вопросам.

    Кстати, одна из глав книги требует стать лисой, чтобы предсказания стали лучше. В ней он выстроил целую таблицу сравнения качеств «лис» и «ежей»:

    КАК ДУМАЮТ ЛИСЫ КАК ДУМАЮТ ЕЖИ
    Многосторонне: опираются на идеи из разных дисциплин, независимо от того, с какой стороны политической действительности они приходят Специализированно: обычно затрачивают большую часть своей карьеры на одну или две большие идеи. Могут смотреть на мнение других скептически
    Адаптируемы: находят новый подход или используют несколько подходов сразу, когда не уверены, что удается решить по первому варианту Стойкие: держатся того же подхода, новая информация используется для совершенствования старой модели
    Самокритичны: иногда готовы признавать ошибки в своих предсказаниях и принять на себя вину за них Упрямы: Ошибки приписываются невезению или особым условиям
    Толерантны к сложности: рассматривают вселенную как сложную, многие проблемы которой не решаются Ищут упорядоченности: считают, что мир должен подчиняться простым управленческим отношениям
    Осторожны: выражают свои предсказания в вероятностных терминах и рассматривают их как возможное мнение Уверенны: редко ограничивают свои предсказания и не хотят их менять
    Эмпиричны: Полагаются больше на наблюдение, чем на теорию Идеологичны: считают, что решения многих каждодневных проблем являются проявлениями какой-то большой теории или борьбы
    Лисы предсказывают лучше Ежи предсказывают хуже

    Зато следующий раздел называется еще интереснее «Почему ежи являются лучшими телевизионными гостями». В этом он опирается на разговор с Тетлоком, который сказал ему в личной беседе: «Каковы стимулы для публичного интеллектуала? Есть ученые, которые вполне довольны своей неизвестностью. Но есть и другие, которые стремятся быть публичными интеллектуалами, чтобы довольно смело предлагать не с малыми вероятностями довольно драматические изменения. Это скорее всего привлечет ваше внимание».

    То есть громкие слова естественно привлекут больше внимания.

    Нейт Силвер называет несколько принципов своей работы:

  • думать вероятностно: предлагайте диапазон возможных ответов,
  • сегодняшнее предсказание будет первым, но не последним: неверно считать, что хорошее предсказание не будет изменяться,
  • ищите консесус: групповое объединение предсказаний является более достоверным.
  • По последнему пункту у него есть разъяснение с опорой на Тетлока: «Лисы часто пытаются зайти в голову, что могут делать с целой группой ежей». Он имеет в виду, что лисы развили способность подражать этому процессу консенсуса». В 2008 г. Силвер правильно предсказал победителя в президентской гонке в 49 из 50 штатов, что позволяет относиться к нему серьезно.

    Литература

    1. Schwartz P. The art of the long view. Planning for the
      future in an uncertain world. — New York, 1991»
    2. Peter Schwartz (futurist)
    3. Peter Schwartz
    4. Herman Kahn
    5. Deterrence and survival in the nuclear age.
      — Washington, 1957
    6. Dearlove D. The Thought Leadership Series Peter Schwartz Thinking the unthinkable. An interview with Peter Schwartz, scenario planning futurist
    7. Ross A.L. Thinking about the unthinkable
    8. Bradfield R. a.o. The origins and evolution of scenario techniques in long range business planning
    9. McRaven W.H. The theory of special operations
    10. Cultural evolution. Contemporary viewpoints. Ed. by G. Feinman a.o.
      — New York, 2000»
    11. Blanton R.A. a.o. A dual-processual theory for the evolution of Mesoamerican civilization
    12. Feinman G. Dual-processual theory and social formations in the Southwest
    13. Feinman G. Framing the rise and variability of past complex society
    14. Haas J. Warfare and the evolution of culture
    15. Leroi-Gourhan A. Gesture and speech. — Cambridge — London,
      1993»
    16. Scott Ortman
    17. Ortman S. a.o. The pre-history of urban scaling
    18. Smith M. Urban scaling of premodern cities: looking for data
    19. Green R. Ancient cities were like modern cities according to researchers
    20. Cities
      — ancient and modern, big and small — follow same rules of development
    21. Conover E. Ancient and modern cities obeyed the same mathematical rules
    22. Bettencourt L.
    23. Smith M. Urban scaling: cities as social reactors
    24. Ortman S. a.o. Settlement scaling and increasing returns in an ancient society
    25. The Minerva initiative
    26. Project Camelot
    27. Herman E. The romance of American psychology. Political
      culture in the age of experts. — Berkeley etc., 1995»
    28. Solovey M. Project Camelot and the 1960s epistemological revolution: rethinking the politics-patronage-social science nexus
    29. Cohen P. Pentagon to consult academics on security
    30. Minerva Inititiative
    31. Weinberger S. Pentagon’s Project Minerva Sparks New Anthro Concerns
    32. Markoff J. Government aims to build a ‘data eye in the sky’
    33. Wolverton J. The Pentagon Wants You to Spend Lots of Time on Facebook
    34. Gibbs S. Facebook denies emotion contagion study had government and military ties
    35. Nafeez A. Pentagon preparing for mass civil breakdown
    36. Broad agency announcement
    37. Nafeez A. Pentagon makes no secret of wanting to monitor social change activism
    38. Weinberger S. The Pentagon’s culture wars
    39. David Price
    40. The intersectioin of anthropology and the military and intelligence community
    41. Price D. Silent coup
    42. Price D. Anthropology and militarism
    43. Leetaru K.H. Culturomics 2.0: forecasting large-scale human behavior using global news media tone in time and space
    44. Leetary K.H. a.o. Mapping the global Twitter heartbeat: the geography of Twitter
    45. Empspak J. Supercomputer predicts civil unrest
    46. Pentland A. Big data biggest obstacles
    47. The super computer that sees the futurePentland A. Big data biggest obstacles
    48. Shachtman N. How the Pentagon predicts the future
    49. News from the future
    50. Boeking B. a.o. Predicting events surrounding the Egyptian revolution of 2011 using learning algorithms on micro blog data
    51. De Chant T. The inevitability of predicting the future
    52. Pohl D. Social media analysis for crisis management: a brief survey
    53. Stevens J. Political scietists are lousy forecaters
    54. Robson D. The best way to predict future
    55. The Good Judgment Project
    56. Philip Tetlock
    57. Philip E. Tetlock
    58. Brand S. Ignore confident forecasters
    59. Tetlock P.E. Expert judgment in early warnings of mass violence: extracting useful signals from noisy indicators
    60. Tetlock P.E. Second thoughts about Expert Political Judgment: reply to the symposium
    61. Tetlock P.E. Expert Political Judgment. Chapter 1. Quantifying the unquantifiable
    62. Berlin I. The hedgehog and the fox
    63. Tetlock P.E., Tyler A. Churchill’s cognitive and rhetorical style: the debates over Nazi intentions and self-gifernment of India
    64. Menand L. Everybody’s an expert
    65. Conway L.G., Suedfeld P., Tetlock P.E. Integrative complexity and political decisions that lead to war or peace
    66. How to win at forecasting. A conversation with Philip Tetlock
    67. Brooks D. Forecasting fox
    68. Stanovich K.E. a.o. Reasoning independently of prior belief and individual differences in actively open-minded thinking
    69. Wilson J.R. Goldcorp crowdsourcing. An industry best practice for the intelligence community?
    70. Tetlock P.E., Mellers B.A. Intelligent management of intelligent agencies.
    71. Nate Silver
    72. Silver N. The signal and the noise. Why so many predictions
      fail — but some not. — New York, 2012»
    73. Hickey W. Fivethirtyeight’s election-like Oscar prediction
    74. Gordon N.A. Do we want to believe in numbers. A Q&A with Nate Silver
    75. Scheiber N. Known unknowns

    Почепцов Георгий Георгиевич, доктор филологических наук, профессор.

    Источник: psyfactor.org

    Input your search keywords and press Enter.