Текст книги "Здравый смысл врет. Почему не надо слушать свой внутренний голос"

Автор книги: Дункан Уоттс

сообщить о нарушении

Текущая страница: 7 (всего у книги 22 страниц) [доступный отрывок для чтения: 9 страниц]

Какую бы модель мы ни взяли, в большинстве условий для запуска социальной эпидемии лидеры мнений оказывались действительно более эффективны, нежели обычные люди. Впрочем, относительное воздействие было намного меньшим, чем предполагал закон малого числа. Приведу пример. Допустим, количество людей, на которых оказывает влияние лидер мнений, в три раза превышает число тех, на кого оказывает влияние среднестатистический человек. Интуиция подсказывает, что при прочих равных косвенное воздействие лидера мнений также затронет в три раза больше людей. Другими словами, лидер мнений будет иметь, что называется, «мультипликационный эффект» три. Закон малого числа тем временем утверждает: эффект должен быть гораздо сильнее – то есть «эта диспропорция становится более выраженной»132. Мы же обнаружили, что мультипликационный эффект для такого типа лидеров был, как правило, меньше трех, иногда – гораздо меньше, а во многих случаях и вовсе отсутствовал.

И вот почему: когда влияние распространяется через некий процесс заражения, итоговый эффект, как правило, намного больше зависит от общей структуры сети, нежели от качеств самих людей. Как масштабы лесного пожара зависят от ветра, температуры, низкой влажности и наличия горючих материалов, так и социальные эпидемии требуют соблюдения определенных условий. Как выяснилось, это условие не имеет никакого отношения к горстке влиятельных людей. Как раз наоборот: все дело в наличии критической массы внушаемыхлюдей, которые, в свою очередь, воздействуют на других внушаемых людей. Когда эта критическая масса присутствует, даже самый обычный человек способен запустить социальную эпидемию – так, одной искры будет достаточно, чтобы, когда на то есть все условия, вспыхнул лесной пожар. И наоборот, если такая масса отсутствует, даже самый влиятельный человек может рассчитывать лишь на маленький каскад, не более того. Отсюда вывод: какие бы свойства мы ни измеряли, пока не будет установлено, как потенциальный лидер мнений вписывается во всю сеть, неизвестно, насколько влиятельным он окажется.

В некотором отношении в этом нет ничего удивительного. Услышав о большом лесном пожаре, например, мы ведь не думаем, что в искре, которая его спровоцировала, было нечто особенное. Такая идея просто смешна. Но когда в социальном мире случается нечто особенное, мы тут же приходим к мысли: кто бы ни явился причиной, этот человек непременно должен быть особенным. Каждый большой каскад в наших симуляциях, разумеется, обязательно кто-то инициировал. И каким бы заурядным ни был этот человек раньше, он оказался подходящим под описание закона малого числа: «крошечный процент людей, которые выполняют большую часть работы». Впрочем, наши симуляции четко показали, что ничего особенного на самом деле в этих личностях не было– мы создали их такими. Большая часть работы выполнялась не ими, выступавшими в качестве триггеров, а более крупной критической массой людей, легко поддающихся влиянию. Это значит, что неформальный лидер, чьи энергия и связи могут превратить книгу в бестселлер или продукт в хит, в основном определяется случайным стечением обстоятельств. Это, так сказать, «случайный лидер»133.

«Рядовые лидеры» на Twitter

Как тут же было подмечено, этот вывод целиком и полностью основывался на компьютерных симуляциях. Последние представляли собой (в силу необходимости) крайне упрощенные версии реальности и предполагали большое количество допущений, любое из которых могло оказаться ложным. Они – полезные инструменты, способные дать уникальную информацию. Но в конечном счете эти симуляции больше похожи на умозрительные, чем на реальные эксперименты и потому лучше подходят для постановки новых вопросов, а не поиска ответов на уже существующие. Так, если мы хотим узнать, способны ли конкретные люди на стимулирование диффузии идей, информации и, в итоге, воздействия, – и если эти влиятельные люди существуют, какие свойства отличают их от «обычных», – эксперименты нужно проводить в реальном мире. Однако на практике изучать взаимоотношения между индивидуальными влияниями и воздействием в широких масштабах безумно сложно.

Главная загвоздка – в огромных массивах данных, большинство которых очень трудно собрать. Продемонстрировать, что один человек повлиял на другого, – уже проблематично. А если требуется установить их воздействие на более крупные популяции? Необходимо собрать сведения о целых цепочках влияния, в которых один человек влияет на другого, тот – на третьего, и т. д. Очень быстро речь пойдет о тысячах и даже миллионах взаимоотношений. И все это – чтобы отследить распространение одного-единственного фрагмента информации! А ведь в идеале хотелось бы исследовать многие подобные случаи. Для проверки такого вроде бы незамысловатого утверждения – «некоторые люди влиятельнее других, и каким-то образом это важно» – требуется громадный объем данных. Кстати, вот почему так называемые исследования диффузии столь долго окружали различные мифы: когда невозможно ничего доказать, всякий волен предложить любую правдоподобную историю, какая ему нравится. Ведь кто прав – неизвестно.

Впрочем, как и в случае с экспериментами типа «Музыкальной лаборатории», с развитием Интернета ситуация явно начала меняться к лучшему. Сегодня целый ряд новейших исследований диффузии в социальных сетях проводится в масштабе, просто немыслимом каких-то лет 10 назад. Записи в блогах распространяют сообщения и информацию по сетям блогеров. Странички фанатов – по Facebook. Голосовой сервис Instant Messenger– по сети друзей. А участники онлайн-игры Second Lifeраспространяют жесты среди других игроков134. Вдохновленные этими исследованиями, мы с коллегами по Yahoo!Джейком Хофманом и Уинтером Мейсоном, а также Эйтеном Бакши, талантливым аспирантом Мичиганского университета, решили поискать лидеров общественного мнения в самой крупной коммуникационной сети, которую только смогли заполучить в свое распоряжение, – в Twitter.

Во многих отношениях Twitterидеально подходит для поиска неформальных лидеров. Во-первых, в отличие от Facebook, например, где люди связываются друг с другом по множеству причин, суть Twitter– в передаче информации «подписчикам», эксплицитно указывающим, что они читают ваши записи. Результирующий «график реципиентов», таким образом, отражает распространение информации по сети друзей и контактов. Во-вторых, эта сеть невероятно многообразна. Основную массу ее пользователей составляют простые люди, чьи подписчики – их настоящие друзья. Но есть здесь пользователи, записи которых читает уйма народа – это общественные деятели (блогеры, журналисты и знаменитости – Эштон Кэтчер, Шакил О’Нил, Опра Уинфри и другие), медиаорганизации (такие как CNN)и даже правительственные и некоммерческие организации (администрация Барака Обамы; Даунинг-стрит, 10 [28] ; Всемирный экономический форум). Подобное разнообразие позволило нам дать качественную оценку влияния обычных людей так же, как Опры, избежав ряда двусмысленностей, отличавших более ранние представления о лидерах общественного мнения.

Наконец, если одни твиты представляют собой новости о повседневной жизни тех, кто их пишет («Пью кофе в Starbucksна Бродвее! Замечательный день!»), то другие – миллионы – относятся либо к иному контенту (новости или смешные видео), либо к понятиям из внешнего мира (книги, фильмы и т. д.), о которых пользователи Twitterхотят выразить свое мнение. А поскольку формат сети ограничивает объем каждого сообщения 140 знаками, люди часто прибегают к «сокращателям ссылок», заменяющим длинный путаный адрес сайта короткой аккуратной записью вроде http://bit.ly/beRKJo. Преимущество этих укороченных URL в том, что они, по сути, приписывают свой уникальный код каждому сегменту контент-эфира на Twitter.Следовательно, когда пользователь делится интересным твитом, мы можем увидеть, от кого он исходил первоначально, и проследить цепочки диффузии по графику подписчиков.

В общей сложности в течение двух месяцев в конце 2009 года нам удалось отследить более 39 млн таких «событий» диффузии, инициированных более чем 1,6 млн пользователей. Для каждого события мы посчитали количество ретвитов обсуждаемого URL: сперва непосредственными подписчиками пользователя-инициатора («сида»), потом их подписчиками, потом подписчиками их подписчиков, и так далее – в итоге проследив весь каскад ретвитов, запущенных одним-единственным первоначальным твитом. Как показано на схеме ниже, одни каскады были широкими и плоскими, другие – узкими и глубокими. Третьи – очень большими, со сложной структурой: некоторое время они оставались маленькими, а затем вдруг начинали резко увеличиваться. Впрочем, большинство каскадов – примерно 98 % – не распространялись вообще.

Каскады на Twitter

Последнее наблюдение крайне важно. Как мы будем подробно обсуждать в следующей главе, стремясь понять, почему некоторые вещи «распространяются как зараза» – загруженные миллионы раз видео с YouTubeили смешные послания, циркулирующие по электронной почте или Facebook, – грубейшей ошибкой будет учитывать лишь те немногие из них, которые действительно стали популярными. В большинстве ситуаций изучать можно только «успехи», ибо никто просто-напросто не дает себе труд отслеживать неудачи. Поэтому последние имеют тенденцию очень быстро исчезать в мусорной корзине истории. В сети Twitter,однако, мы можем проследить каждое событие – маленькое или большое. Это, в свою очередь, позволяет установить, кто именно влиятелен, насколько он влиятельнее обычного человека и возможно ли выявить различия между ними так, чтобы это можно было использовать на практике.

Мы старались сымитировать поведение гипотетического маркетолога – то есть, используя знания о свойствах и прошлом поведении примерно миллиона человек, попытаться предсказать, насколько влиятельным каждый из них окажется в будущем. Основываясь на этих прогнозах, маркетолог мог затем «профинансировать» некую группу людей, чтобы она опубликовала необходимую ему информацию, сгенерировав серию каскадов. Чем точнее он мог предсказать величину каскада, инициированного каждым конкретным человеком, тем эффективнее определялся бюджет для спонсируемых твитов.

Проведение такого эксперимента на практике по-прежнему очень трудновыполнимо, поэтому мы сделали все возможное для максимального приближения к реальности. В частности, использовали уже собранные данные, разделив их на две половины: первый месяц стал «историей», а второй – «будущим». Затем мы вложили все наши «исторические» данные в статистическую модель – включая количество подписчиков у каждого пользователя, подписчиков их подписчиков, частоту твитов после регистрации, а также успешность вызывания каскадов в течение этого периода. Потом мы использовали эту модель для предсказания влиятельности каждого пользователя в наших «будущих» данных, а в конце сравнили результаты с тем, что произошло на самом деле.

Если вкратце, то мы обнаружили следующее: прогнозы индивидуального уровня крайне ненадежны. В среднем пользователи с большим количеством подписчиков, успешнее вызывавшие каскады ретвитов в прошлом, действительно имели больше шансов оказаться успешными и в будущем. Но в отдельных случаях наблюдались резкие случайные колебания. Так же как с «Моной Лизой» в предыдущей главе, на каждого человека, проявлявшего качества успешного лидера мнений, приходилось много других людей с теми же самыми качествами, которые, однако, каскадов не вызывали. Не являлась эта неопределенность и следствием нашей неспособности измерить надлежащие качества (в реальности у нас было больше данных, чем обычно бывает у маркетолога) или сделать это аккуратно. Скорее, проблема, как и в случае с вышеописанными симуляциями, заключалась в том, что большая часть факторов, управляющих успешной диффузией, зависит от вещей, находящихся за пределами контроля отдельных сидов. О чем говорит этот результат? Маркетинговые стратегии, фокусирующиеся на горстке «особенных» людей, ненадежны. А значит, оптимальным для маркетологов является подход «портфеля», подразумевающий направленность на большое количество потенциальных лидеров мнений и эксплуатацию их среднего эффекта, что позволяет устранить случайность на уровне индивида.

Будучи многообещающим в теории, подход портфеля ставит вопрос об эффективности затрат или, другими словами, рентабельности. Согласно недавно опубликованной в New York Timesстатье, например, звезда телевизионного реалити-шоу Ким Кардашьян за твит с упоминанием продукции спонсоров получала 10 тысяч долларов. В то время у нее было больше миллиона подписчиков. Выходит, платить выгоднее ей, а не обычным пользователям со всего-то парой сотен подписчиков. С другой стороны, последние наверняка согласятся упомянуть о некоем продукте за гораздо меньшую сумму. Итак, если более «видные» люди «стоят» дороже, на кого же ориентироваться специалистам по маркетингу: на относительно небольшое количество более влиятельных и «дорогих» или на большое – менее влиятельных и дешевых? А еще лучше – как добиться оптимального баланса?

Прежде всего, ответ на этот вопрос будет зависеть от того, сколько пользователи Twitterзахотят получать за свои твиты – если они вообще согласятся на это. Единственный способ сие узнать – попробовать по-настоящему. Мы же провели ряд умозрительных экспериментов, позволивших, во-первых, проверить широкий спектр вероятных допущений, каждое из которых соответствовало разной гипотетической устной маркетинговой кампании, а во-вторых, измерить «доход на инвестиции», используя ту же статистическую модель, что и раньше. Результаты удивили даже нас: будучи действительно влиятельнее обычных людей, кимы кардашьяны стоили настолько дороже, что не оправдывали затрат. С точки зрения распространения информации, наиболее рентабельными оказались «рядовые лидеры мнений» – то есть, люди, чье влияние было средним или даже ниже среднего.

И снова – порочный круг

Прежде чем вы броситесь избавляться от акций Ким Кардашьян, должен подчеркнуть: мы не проводили этот эксперимент в действительности – только вообразили. Хотя мы и изучали данные из реального мира, а не компьютерную симуляцию, наши статистические модели включали множество различных допущений. Пусть нашему гипотетическому маркетологу удалось убедить несколько тысяч «рядовых лидеров» высказаться о том или ином продукте. Однако совершенно неясно, отреагируют ли на это подписчики так же благосклонно, как на нормальные твиты. Как знает всякий, чьи друзья пытались продать им что-то на Amway, в коммерческих предложениях, включенных в личную коммуникацию, есть щекотливый момент. С другой стороны, если подписчиков Ким Кардашьян это не смутит, то в реальной жизни ее найм окажется гораздо эффективнее, чем в нашем исследовании. И, наконец, очень может статься, выбранный нами способ измерения влияния – количество ретвитов – ошибочен. Мы измеряли последние потому, что только их и могли измерить, – это лучше, чем вообще ничего. Но главное, конечно, – количество людей, которые кликают на тот или иной материал, жертвуют деньги на благотворительность или покупают тот или иной товар. Возможно, подписчики Кардашьян прислушиваются к ее твитам, не обязательно делясь ими со своими друзьями, – в таком случае мы, опять-таки, недооценили степень ее воздействия на людей.

А может, и нет. В конце концов, мы просто не знаем, кто действительно влиятелен и на что способны такие лидеры мнений – как этих людей ни определи. Пока не станет возможным измерение воздействия относительно неких важных для нас последствий, пока не будут проведены эксперименты в реальном мире, позволяющие измерить влияние разных людей, к данным любых исследований (включая и наше) следует подходить скептически. Тем не менее во всех вышеизложенных результатах, полученных в ходе экспериментов «тесного мира», симуляционных исследований распределения влияния в сетях и исследования Twitter, должны вызвать серьезные сомнения утверждения, рассматривающие социальную эпидемию как результат деятельности горстки особенных людей. В первую очередь это касается закона малого числа. Скорее, все три исследования – каждое по-своему – свидетельствуют о том, что влияние гораздо эгалитарнее.

Признаться, неясно даже, правомерно ли вообще думать о социальном изменении как о социальной эпидемии. Хотя в ходе изучения Twitterнам и удалось обнаружить, что подобные эпидемии действительно имеют место, они все-таки оказались невероятно редки. Из 40 млн событий лишь несколько дюжин вызвали хотя бы тысячу ретвитов – и только одно или два добрались до 10 тысяч. В сети из десятков миллионов пользователей 10 тысяч ретвитов – не так уж и много, но даже этого почти невозможно достичь. На практике, таким образом, лучше, наверное, вообще забыть о больших каскадах и вместо них попытаться генерировать много-много маленьких. А для этой цели отлично подойдут «рядовые лидеры». Они не делают ничего сверхъестественного, поэтому понадобится большое их количество. Зато это устранит большую часть случайностей. Что, в свою очередь, обеспечит постоянный положительный эффект.

Наконец, каковы бы ни были результаты, эти исследования помогают выявить основной недостаток мышления с позиций здравого смысла. Парадоксально, но закон малого числа выставляется как противоречащий интуиции, хотя на самом деле мы привыкли мыслить категориями особенных людей. Они выполняют основную работу? Разумеется. Это представление для нас совершенно естественно. Нам кажется, что, признав важность межличностного влияния и социальных сетей, мы вышли за рамки тавтологического утверждения «Х произошел потому, что этого хотел народ». Но что скажет наша интуиция, попытайся мы представить, как связаны между собой миллионы человек внутри сложной сети – или еще хуже: как распространяется влияние по этой сети? Путем сосредоточения всейдеятельности в руках нескольких человек аргументация «особенных людей» (например, закон малого числа) сводит проблему понимания зависимости результатов от структуры сети к более простой проблеме понимания мотивации особенных людей. Как и всякое объяснение, подсказанное здравым смыслом, это тоже звучит разумно и вполне может оказаться верным. Однако, утверждая, что «Х произошло потому, что несколько особенных людей заставили его произойти», мы, по сути, просто заменили одно тавтологическое утверждение другим.

Глава 5 Оказывается, прошлое – не такой уж хороший учитель

Суть предыдущих трех глав сводится к тому, что объяснения, построенные на здравом смысле, – вовсе и не объяснения. Это просто тавтологии, примеры циркулярных рассуждений. Учителя подделывают ответы учеников на итоговом тестировании потому, что у них появился стимул это делать. «Мона Лиза» – самая известная картина в мире, так как ей присущи все качества «Моны Лизы». Автолюбители перестали покупать неэкономичные внедорожники потому, что так диктуют социальные нормы. А горстка особенных людей возродила былую славу бренда Hush Puppies, начав покупать его обувь раньше остальных. Возможно, эти утверждения верны, однако вся их суть сводится к одному: случилось то, что случилось. Следовательно, истинными объяснениями они не являются.

Самое же любопытное вот в чем: несмотря на очевидность внутренней циркулярности, присущей объяснениям с позиций здравого смысла, что именно в них ошибочно – неясно. В конце концов, в естественных науках мы тоже не всегда знаем, почему происходит то или иное явление, однако, как правило, это удается выяснить с помощью лабораторных экспериментов или наблюдений за систематическими закономерностями. Почему же мы не можем точно таким же образом извлекать уроки из прошлого? Иными словами, думать об истории как о ряде экспериментов, в которых определенные общие законы причинно-следственной связи определяют наблюдаемые нами последствия? Разве путем систематического совмещения наблюдаемых закономерностей мы не можем вывести эти законы так, как мы это делаем в естествознании?135 Представьте, например, что битва за внимание между величайшими произведениями искусства – это эксперимент, нацеленный на выявление признаков великого искусства. Пусть вплоть до XX века никто и не подозревал, что «Мона Лиза» собирается стать самой знаменитой картиной в мире. Теперь-то мы провели эксперимент и знаем это. Можно по-прежнему не понимать, что именно в «Моне Лизе» делает ее уникально великой, но у нас, по крайней мере, есть хоть какие-то данные. Другими словами, даже если объяснения, подсказанные здравым смыслом, отличает тенденция путать то, что произошло, с тем, почему это произошло, разве мы, как экспериментаторы, не делаем все возможное?136

В некотором смысле, ответ – да. Скорее всего, мы действительно делаем все возможное – и при соответствующих обстоятельствах вариант с наблюдениями и опытом вполне сносно работает. Но вот в чем загвоздка: для заключения о том, что «А вызывает Б», нужно провести эксперимент много раз. Допустим, А – новое лекарство, снижающее уровень «плохого» холестерина, а Б – шансы пациента заработать болезнь сердца в течение следующих 10 лет. Если производитель может доказать, что вероятность болезни сердца у пациента, принимающего лекарство А, существенно ниже, чем у пациента, его не принимающего, ему разрешено утверждать и то, что А предотвращает болезнь сердца. В противном случае утверждать это производитель не имеет права. Но, поскольку любой конкретный человек может либо принимать препарат, либо не принимать, единственный способ доказать, что лекарство вызывает некий эффект, – это провести эксперимент много раз. Испытание препарата, таким образом, требует множества участников, в произвольном порядке распределенных по двум группам: получающих и не получающих лекарство. Оказываемый эффект затем измеряют как разницу в результатах между «лечебными» и «контрольными» группами – причем чем меньше эффект, тем крупнее должно быть испытание. Только тогда удастся исключить случайные совпадения.

В повседневных ситуациях принятия решений, когда мы снова и снова сталкиваемся с более или менее схожими обстоятельствами, возможна достаточно точная имитация условий клинических испытаний. Например, каждый день мы можем возвращаться домой с работы разными дорогами, выходить из офиса в разное время. Повторяя эти вариации много раз и предполагая, что уличное движение в разные дни примерно одинаково, можно миновать все сложные взаимоотношения причины и следствия: достаточно просто понаблюдать, какой маршрут в среднем занимает меньше всего времени. Аналогичным образом обстоят дела и с основанной на опыте профессиональной компетенцией – будь то в медицине, инженерии или военном деле: в ходе занятий учащиеся многократно сталкиваются с ситуациями, максимально приближенными к тем, в которых они окажутся после получения диплома137.

История случается лишь однажды

Учитывая, насколько хорошо данный квазиэкспериментальный подход зарекомендовал себя в повседневных ситуациях и в профессиональном образовании, не удивительно, что, объясняя с позиций здравого смысла поведение рынка, популярность произведений искусства, успехи и неудачи отдельных людей, фирм и даже исторических сил, мы рассуждаем точно так же. Теперь-то вы, наверное, уже понимаете, к чему это ведет. В политике и планировании каждая ситуация в некоем важном отношении отличается от того, что происходило ранее. Следовательно, тот или иной эксперимент можно провести лишь единожды. На определенном уровне данная проблема очевидна – никто ведь не думает, что войну в Ираке можно сравнить с войной во Вьетнаме или даже в Афганистане. Поэтому мы с осторожностью переносим выводы с одной на другую. Аналогичным образом, никому и в голову не придет, что, изучив успех «Моны Лизы», можно многое понять об удачах и провалах современных художников. А вот следующий момент очевиден гораздо меньше: поскольку мы можем провести каждый эксперимент только один раз, «сделанные на его основе выводы» – хотя бы о самом эксперименте – могут оказаться гораздо менее информативными, чем кажутся.

Например, действительно ли так называемая «большая волна» [29] в Ираке осенью 2007 года явилась причиной снижения уровня насилия, наблюдавшегося летом 2008-го? Интуиция подсказывает, что так и было. Более того: «большая волна» была разработана специально для вызывания такого эффекта. Комбинация интенциональности (преднамеренности) и сроков говорит в пользу причинности – равно как и часто цитируемые заявления администрации, явно искавшей повод погордиться. Однако в период с осени 2007-го до лета 2008 года произошли и многие другие события. Группировка Ансар ас-Сунна, видя еще большую угрозу от основных террористических организаций (типа «Аль-Каиды»), чем от американских солдат, решила сотрудничать со своими оккупантами. Росло недовольство и среди шиитских формирований – самое главное, в войске Махди Моктады ас-Садра. Иракская армия, полиция и правительство, получив наконец возможность справиться с боевиками, принялись отвоевывать свои позиции. Не только «большая волна», но и любой из этих факторов могли вызвать снижение уровня насилия. Или, возможно, дело оказалось в какой-то их комбинации. Или в чем-то вообще ином. Как нам узнать?

Один из способов – «проигрывать» историю много раз. Столько, сколько мы это делали в эксперименте «Музыкальная лаборатория». И наблюдать за происходящим как при наличии фактора «большой волны», так и без него. Если во всех этих альтернативных версиях истории в первом случае насилие уменьшается, а во втором – нет, тогда с определенной долей уверенности можно утверждать, что этот процесс по крайней мере отчасти вызван «большой волной». Если же большую часть времени уровень насилия остается прежним или, наоборот, уменьшается вне зависимости от наличия или отсутствия «большой волны», значит, такое снижение точно вызвала не она. В реальности, разумеется, данный эксперимент был проведен лишь однажды, поэтому мы никогда не сможем увидеть все другие его версии, которые могли бы (или не могли) разворачиваться иначе. Как в таковом в этом нет ничего страшного – во всяком случае, ничего, что мы могли бы изменить. Но отсутствие «контрфактических» версий истории оказывает любопытный эффект на наше восприятие одной-единственной фактической: мы склонны воспринимать ее как неизбежную.

Эта, как ее называют психологи, тенденция к детерминизму [30] связана с хорошо известным явлением ошибки хиндсайта или суждения задним числом – то есть склонности после того, как результат стал известен, думать: «Так мы и знали!» В разнообразных лабораторных экспериментах участников просили сделать прогнозы о будущих событиях, а после того как последние происходили, интервьюировали людей повторно. Вспоминая свои прогнозы, испытуемые всякий раз переоценивали прежнюю уверенность в тех, что оказались правильными, и недооценивали – в ошибочных138. Тенденция к детерминизму (так называемый «пресмыкающийся детерминизм»), однако, несколько отличается от ошибки хиндсайта и более обманчива. Склонность к суждениям задним числом, оказывается, можно легко компенсировать – напомнить человеку, о чем он говорил до того, как узнал ответ. Или попросить записывать свои прогнозы. Но даже если мы точно помним собственную неуверенность в будущем – и даже если признаем, что тот или иной поворот событий застал нас врасплох, – то по-прежнему расцениваем результат как неизбежный. Забегая вперед, например, можно сказать: «большая волна» с одинаковой вероятностью могла как вызвать снижение насилия, так и не иметь к нему ни малейшего отношения. Но стоит нам узнать, что первый вариант таки имел место, тут же становится неважно, знали мы раньше о том, что это должно произойти, или нет (ошибка хиндсайта). Раз это произошло, убеждены мы, значит, это должнобыло произойти139.

Склонность к избирательности

Тенденция к детерминизму подразумевает недостаточное внимание к событиям, которые могли произойти, но не произошли. Впрочем, не уделяем мы его и большей части случившегося. Привлекают наше внимание и вызывают стремление объяснить только те события, которые кажутся нам интересными. Мы замечаем, что опоздали на поезд, но не задумываемся обо всех тех случаях, когда приходим вовремя. Мы замечаем, что встретили в аэропорту знакомого, но ни о чем не вспоминаем, когда встреча не происходит. Мы замечаем, что благодаря некоему управляющему показатели доходности его фонда превышают индекс S&P 50010 лет кряду, что у баскетболиста – «горячая рука», а у бейсболиста отличный удар, но ничего не видим при отсутствии столь экстраординарных показателей. Мы замечаем появление нового тренда и феноменальный успех компании, но не обращаем внимания, когда потенциальные тренды или новые компании исчезают, даже не успев запечатлеться в общественном сознании.

Равно как и склонность акцентировать произошедшее в ущерб не случившемуся, предвзятое отношение к «интересным» вещам совершенно понятно. С какой такой стати мы должны задумываться о неинтересном? Тем не менее эта предвзятость усугубляет тенденцию предлагать версии, «объясняющие» лишь часть данных. Если мы хотим выяснить, почему одни люди богаты или почему некоторые компании успешны, разумно найти таковых и определить их общие качества. Беда в том, что небогатый человек и неуспешная фирма, оказывается, обладают рядом тех же самых качеств. Единственный способ определить разницу между одними и другими – изучить оба типа и постараться выявить систематические различия. Однако, поскольку нас интересует только успех, интересоваться отсутствием такового кажется бессмысленным – или неинтересным. В результате мы связываем определенные качества с успехом, хотя на самом деле они в равной степени связаны и с провалом.

Проблема «избирательности» стоит особенно остро, когда события, на которые мы обращаем внимание, происходят лишь изредка. Например, когда борт 903 авиакомпании Western Airlinesврезался в грузовик, стоявший на заброшенной полосе в Мехико-Сити, 31 октября 1979 года, следователи быстро определили пять содействовавших этому факторов. Во-первых, и пилот и штурман были уставшими – за последние сутки каждый поспал всего по нескольку часов. Во-вторых, случилось недопонимание между экипажем и авиадиспетчером, приказавшим самолету ориентироваться на неиспользуемую полосу, а затем сместиться на другую, активную. В-третьих, недопонимание усугублялось плохой радиосвязью, не позволившей вовремя прояснить путаницу. В-четвертых, аэропорт был окутан густым туманом, скрывавшим от пилота и грузовик, и активную полосу. И, в-пятых, во время захода на посадку авиадиспетчер запутался – вероятно, вследствие стрессовой ситуации – и решил, что освещена заброшенная полоса.