Хаос. Создание новой науки. Джеймс Глик

стало отправной точкой, с которой началось применение компьютеров для моделирования сложных систем. Использованная методика сослужила хорошую службу множеству представителей естественных, точных и гуманитарных наук. С ее помощью ученые пытались предугадать буквально все, начиная с динамики маломасштабных жидкостных потоков, изучаемых конструкторами двигателей, и заканчивая денежными потоками, изучаемыми экономистами. В самом деле, к 1970-1980-м годам компьютерные прогнозы экономического развития напоминали глобальные предсказания погоды. Модели, представлявшие собой хитросплетенную, до некоторой степени произвольную паутину уравнений, преобразовывали известные начальные условия – будь то атмосферное давление или денежную массу – в будущие тенденции. Программисты надеялись, что неизбежные упрощающие предположения не слишком сильно искажают истину. Если на выходе получалось нечто странное – наводнение в Сахаре или повышение процентных ставок на несколько порядков, – уравнение подправляли таким образом, чтобы подогнать результат под ожидаемый. Как это ни печально, эконометрические модели мало соответствовали реальности, но это не мешало многим людям, которым следовало бы лучше понимать, что к чему, вести себя так, будто они верили в итоги изысканий. Прогнозы экономического роста и безработицы составлялись с точностью до сотых, а то и тысячных долей[30]. Правительства и финансовые институты субсидировали прогнозирование и действовали в соответствии с ним – зачастую в силу необходимости, а иногда просто желая получить лучший результат. Возможно, они все же знали, что показатели вроде «потребительского оптимизма» не столь хорошо поддаются измерению, как, например, влажность воздуха, и что дифференциальных уравнений, идеально отражающих политические движения или изменения в мире моды, еще никто не создал. Но лишь немногие осознавали, сколь ненадежен был сам процесс компьютерного моделирования, даже в тех случаях, когда исходным данным вполне можно доверять, а законы заимствованы из физики, как в случае с предсказанием погоды.

      Истинный успех компьютерного моделирования состоит в том, что составление прогнозов погоды из искусства превратилось в науку. По оценкам Европейского центра, мировая экономика ежегодно сберегала миллиарды долларов благодаря предсказаниям, которые статистически были лучше, чем ничего. Однако прогнозы, составленные более чем на два-три дня, оказывались крайне умозрительными, а более чем на неделю – просто бесполезными.

      Причина заключалась в эффекте бабочки[31]. Стоит возникнуть незначительному и кратковременному погодному явлению – а для глобального прогноза таковыми могут считаться и грозовые штормы, и снежные бури, – как предсказание утрачивает актуальность. Погрешности и случайности множатся, каскадом накладываясь на турбулентные зоны атмосферы, начиная от пылевых вихрей и шквалов и заканчивая воздушными токами в масштабах целого материка, отслеживать которые удается лишь

30

Medawar R В. «Expectation and Prediction» // Pluto's Republic. Oxford: Oxford University Press, R 301–304.

31

Изначально Лоренц использовал для описания эффекта образ чайки, а тот образ, который используется сейчас, по-видимому, позаимствован из его работы «Predictability: Does the Flap of a Butterfly's Wings in Brazil Set Off a Tornado in Texas?» и связан с выступлением на ежегодном собрании Американской ассоциации содействия развитию науки в Вашингтоне 29 декабря 1979 года.