Ситуация, когда заранее не до конца понятно, каким окажется результат того или иного действия, для многих дискомфортна. Люди привыкли ждать от неопределенности только плохого, потому что, как правило, именно плохое от нее и получают. Но здесь важно заметить, что неопределенность сама по себе нейтральна. В среднем она ни хороша, ни плоха. Точнее, не так… Она и хорошая, и плохая, так как непредвиденные результаты могут оказаться либо потенциальными мерзкими неприятностями, либо благоприятными возможностями. Однако, если мы не вполне понимаем вероятностную природу мира, мы не способны заметить те результаты своих действий, которых не ожидали увидеть. Стоит заметить, что реальные результаты крайне редко совпадают с ожидаемыми. Если нам повезет, эти множества пересекаются, но остается область результатов, которые мы получили, но о которых до этого не думали. То, что находится в этой области, и есть та самая неопределенность, которая в среднем нейтральна.

Рис. 27. Асимметрия мира

А страдаем мы от этой неопределенности по одной очень простой причине: чтобы воспользоваться благоприятной возможностью, я обязан ее увидеть, в то время как для того, чтобы пострадать от мерзкой неприятности, ее видеть как раз необязательно. Так и получается, что из-за того, что мы слишком доверяем своим ожиданиям и не вглядываемся в неожиданные последствия своих действий, мы упускаем благоприятные возможности, но при этом собираем все мерзкие неприятности.

Еще раз: в среднем неопределенность нейтральна, но из-за того, что мы не замечаем то, что она нам подкидывает (и чрезмерно доверяемся планам), мы упускаем благоприятные возможности, но собираем все мерзкие неприятности. Из-за этого мы начинаем бояться неопределенности и строить более детальные планы, чтобы им можно было довериться. Однако определенная доза внимания к неожиданному могла бы помочь, с одной стороны, подстраховаться от потенциальных мерзких неприятностей (до того как они подпалили наш результат), а с другой стороны — воспользоваться благоприятными возможностями.

Рис. 28. Благоприятная возможность и мерзкая неприятность реагируют по-разному

4.2. О том, насколько в реальности полезны научные исследования

Сейчас в интернете есть множество статей со словами «ученые доказали, что». К сожалению, ученые редко что-либо доказывают. Особенно в социологии, психологии и прочих областях, где объектом исследования являются люди в различных сочетаниях, количествах и проявлениях. Если вы посмотрите на то, что пишут ученые в своих статьях (благодаря scholar.google.com у нас есть доступ к огромному массиву научных исследований из различных областей без необходимости визита в научную библиотеку), вы никогда не увидите что-то вроде: «Мы провели эксперимент и доказали, что кофе полезен» или «Мы долго работали и поняли, что спать нужно восемь часов». Если бы ученые исследовали влияние кофеина на организм человека, то, скорее всего, их вывод звучал бы примерно так: «Мы исследовали столько-то человек, давали им столько-то раз такое-то количество кофе, через столько-то времени мы измеряли такой-то параметр и по сравнению с контрольной группой заметили такое-то изменение этого параметра с таким-то значением доверительного интервала».

Или вот так: «Мы исследовали связь количества потребленного кофеина с ощущением бодрости после обеда, измеряя потребленный кофеин в литрах, а бодрость — при помощи опросов по шкале имени какого-то великого ученого, и увидели связь между этими параметрами — коэффициент корреляции Спирмена ноль целых сколько-то десятых при уровне значимости одна десятитысячная». И тут даже специалист не поймет, что это означает для отдельно взятого человека в обычной жизни. Ученые этим что-то доказали или все еще сомневаются? А если какая-то связь есть, что является причиной, а что следствием? Мало того, потом в этой же статье обязательно напишут: «Мы исследовали бодрость после обеда, но не уверены, что она влияет на бодрость перед ужином. В эксперименте мы использовали молотый кофе и не уверены в том, что аналогичные результаты могут быть получены на растворимом, — это направление нашей дальнейшей работы. А вообще мы благодарим кофейню за углом за поддержку наших исследований и еще сообщаем, что никакого конфликта интересов у нас нет».

Подавляющая часть научных работ в экспериментальной психологии и социологии — это исследование связей или корреляций. И очень часто не отягощенные интеллектом контент-мейкеры[21], прочитав только аннотацию статьи (а часто лишь название), подменяют корреляцию причинно-следственной связью и бегут писать очередную статью с громким заголовком[22]. Очень хорошую иллюстрацию тонкостей выводов на основе данных корреляционного анализа я нашел в учебнике по матстатистике для психологов Андрея Наследова [24]: исследователь решил сопоставить размер стопы ребенка со скоростью решения арифметических задач и, к своему удивлению, обнаружил очень сильную статистически значимую корреляцию. И пойди пойми, то ли при росте стопы улучшаются способности к математике, то ли наоборот — при накоплении знаний в области математики растет стопа. А может, это просто с возрастом у детей растут и стопы, и математические навыки [101].

То, что корреляция не говорит о наличии причинно-следственной связи, авторы научных статей знают (это могут забывать те, кто по мотивам аннотации пишут затем статью в популярный блог), но есть еще один момент, который не дает нам прямо воспользоваться результатами исследований, — эргодичность. Точнее, ее отсутствие. Этим словом называют свойство системы, при котором я могу использовать знание, полученное при наблюдении большого количества объектов в один момент времени, для определения результатов большого количества наблюдений, но уже одного объекта. Например, я могу подбросить 100 монеток один раз и результат будет таким же, как если бы я подбросил 100 раз одну монетку. А вот любимый пример Талеба — игра в русскую рулетку — свойством эргодичности не отличается. Если 1000 человек сыграют один раунд в русскую рулетку, то в среднем 870 из них выживут, но если один человек сыграет в эту игру 1000 раз…

Примерно то же происходит и с научными изысканиями. Ученые часто исследуют большие выборки людей непродолжительное время, но полученные таким образом результаты далеко не всегда можно транслировать на себя самого (один человек и продолжительное время). Другими словами, если я напою 100 человек кофе и измерю прирост их продуктивности, я получу, скорее всего, не такой результат, как если бы я сам пил кофе 100 дней и усреднял свой прирост производительности. Именно поэтому научные работы могут быть полезными для учителя (имеющего дело со множеством людей), но они не настолько полезны для ученика (желающего изучить и улучшить одного себя).

Рис. 29. Эргодичность

Из-за отсутствия эргодичности и из-за того, что мы очень сильно отличаемся друг от