Сегодняшних политиков и управленцев больше интересуют цифры, чем стоящие за ними реальные явления. Как следствие, индикаторы превращаются в самоцель, и усилия направляются на исправление цифр, а не ситуации. Поэтому едва ли стоит удивляться тому, что политики оторваны от жизни, а их решения не помогают в исправлении существующих проблем. Политика и экономика — не единственные области, в которых обретшие собственную жизнь цифры могут приводить к катастрофе. В финансах алгоритмический трейдинг, ориентированный на максимизацию прибыли и игнорирующий интересы людей, вызывает обвалы на фондовых рынках и банкротства. В медицине фальсификация и неверная интерпретация данных влекут за собой ошибочные выводы об эффективности разных методов лечения, опасности вакцин и… потенциальном количестве смертей от нового вируса.

7

УПРАВЛЯТЬ С ПОМОЩЬЮ ПРИБОРНОЙ ПАНЕЛИ

Я обещаю помнить, что не создаю я мир, и что не подчиняется он моим уравнениям. И хоть буду я бесстрашно использовать модели для оценки стоимости, да не прельщусь я математикой.

Эммануэль Дерман и Пол Уилмотт, «Манифест финансового инженера»

Кризис рациональности

Дело было однажды вечером в июне 1981 года, в самом начале семилетнего срока Франсуа Миттерана. Рабочий день подходил к концу, когда Ги Абея вместе с его коллегой Роланом Вильепеном позвали в кабинет министерства номер 2. Министр имел хмурый вид. Он только что получил приказ от президента, который требовал от них лучше экономить деньги налогоплательщиков. Однако президент не вчера родился: он знал, что одних призывов недостаточно, и необходимо правило, причём необходимо как можно скорее.

Задание было поручено двум молодым экономистам. Проблема в том, что не было никаких исследований, которые могли бы помочь им в выполнении этого задания. Но поскольку приказ поступил из Елисейского дворца, об отказе или просьбе об отсрочке не могло быть и речи. Экономисты начали анализировать всевозможные данные в поисках решения. В итоге они решили взять за основу дефицит бюджета.

Однако данное решение подверг критике сам Ги Абей. Фиксированная сумма не подходила: дефицит в 10 миллиардов может проистекать из разницы как между 30 и 40 миллиардами, так и между 340 и 350 миллиардами. Но сроки поджимали. Не было времени пересматривать свой выбор. Вопрос был в том, к чему привязать дефицит. Возможно, к ВВП? В Елисейском дворце хотят простую формулу — они её получат: пусть будет соотношение дефицита к ВВП. Но Ги Абей снова раскритиковал данный выбор, заявив, что это равнозначно делению капусты на морковь. Дефицит — это долг, который необходимо погасить в течение одного или нескольких лет. Отношение дефицита к ВВП означает сопоставление будущих выплат по долгу с доходом, полученным в данном году.

«Отношение дефицита к ВВП в лучшем случае может служить лишь индикатором, мерилом: оно устанавливает порядок величины, оценивает масштаб и даёт непосредственное, интуитивно понятное представление — не более того. Оно ни в коем случае не предназначено для того, чтобы служить компасом; оно ничего не измеряет: это не критерий. Ценность имеет только обоснованный анализ платежеспособности: любой банкир (или любой рынок, что, по сути, одно и то же) подтвердит это».

Но делать нечего. Картина была почти завершена, оставалось лишь добавить последний штрих: цифру. Цифра эта должна было выглядеть презентабельно и выражать приемлемый дефицит. Поскольку рабочий день подходил к концу, наши два героя спешили закончить. Вот как сам Ги Абей рассказывает о том, что в итоге было сделано:

«1% был бы слишком незначительным числом, к тому же мы знали, что уже существенно превысили этот порог. 2% в эти неспокойные времена были бы слишком ограничивающими, и, следовательно, бессмысленными; да и сама цифра выглядела бы плоско и надуманно. В то время как 3% — это солидная цифра, за которой стоят реальные прецеденты».

Тем вечером двое сотрудников министерства финансов вернулись домой, не подозревая, что трагикомическая сценка, которую они разыграли, однажды получит триумфальный эпилог.

Десять лет спустя при работе над Маастрихтском договором рассматривались разные способы привести экономики стран-членов ЕС к единому знаменателю. Не могло быть и речи о том, чтобы одна из стран допустила выход госдолга из-под контроля, так как это поставило бы под угрозу стабильность евро. Поэтому необходимо было, чтобы страны строго придерживались определённых правил. Одно из самых известных предписывает, что годовой дефицит бюджета не может превышать 3% ВВП. Данное правило было отменено лишь в марте 2020 года — в разгар пандемии Covid-19.

От индекса счастья к индексу настроений в семье

Данная история показывает, насколько мало значения придают подобным индикаторам даже сами их создатели. Их задача часто состоит в том, чтобы удовлетворить некорректно сформулированный политический запрос. Социоально-экономические индикаторы всегда подразумевают количественно выраженные цели: снизить безработицу, увеличить количество выпускников ВУЗов, повысить экономический рост на 1 пункт. Однако любой индикатор — это всего лишь ориентир, связанный с другим, более важным индикатором: популярностью политиков.

Руководители всё больше напоминают капитанов кораблей, которые включили автопилот, и не отрывают глаз от приборной панели, не обращая внимания на то, что происходит за бортом. В конечном счёте, неважно, если их индикаторы не отражают реальность; неважно, если они предвзяты и даже абсурдны. Если индикаторы в норме, значит цель достигнута, а действия оправданы. А поскольку политическая математика — это альфа и омега государственной стратегии, всё, что можно измерить в обществе, должно быть отображено на приборной панели. Начиная со счастья.

Идея не нова. По примеру бухгалтера, регистрирующего приходы и расходы, Джереми Бентам предлагал суммировать или вычитать радости и беды для расчёта индекса счастья. Бентам, возможно, и не самый известный британский мыслитель, но один из самых влиятельных, отец утилитаризма и предшественник либерализма; его труды по-прежнему оказывают влияние на современные политику и экономику.

В возрасте 32 лет Бентам опубликовал трактат «Введение в основания нравственности и законодательства», в котором сформулировал концепцию утилитаризма. Речь здесь идёт не об отделении полезного от бесполезного, как можно было бы подумать, а об измерении полезности каждой вещи в соответствии с приносимым ей счастьем. С этой точки зрения, съесть бутерброд с ветчиной, отдохнуть и написать стихотворение — это одинаково полезные занятия. Вот как сам Бентам резюмирует свою идею:

«Природа поставила человечество под управление двух верховных властителей, страдания и удовольствия. … Принцип полезности признаёт это подчинение и берёт его в основание той системы, цель которой возвести здание счастья руками разума и закона. … Под принципом полезности понимается тот принцип, который одобряет или не одобряет какое бы то ни было действие, смотря по тому, имеет ли оно (как нам кажется) стремление увеличить или уменьшить счастье той стороны, об интересе которой идёт дело, или, говоря то же самое другими словами, содействовать или препятствовать этому счастью. …. Итак, удовольствия и избежание страданий составляют те цели, которые имеет в виду законодатель, поэтому ему полезно понять их ценность».

Согласно Бентаму, задача правительства — сделать народ счастливым. А для этого необходимо уметь измерять счастье. Автор выделяет 7 «обстоятельств»:

1. интенсивность (чем сильнее удовольствие, тем оно полезнее)
2. продолжительность (чем устойчивее удовольствие, тем оно полезнее)
3. несомненность/сомнительность (чем вероятнее удовольствие, тем оно полезнее)
4. близость/отдалённость (чем ближе во времени удовольствие, тем больше его полезность)
5. плодовитость (чем чаще удовольствие порождает другие удовольствия, тем оно полезнее)
6. чистота (чем реже удовольствие порождает страдания, тем оно полезнее)
7. распространение (чем с большим количеством других людей разделяется удовольствие, тем оно полезнее)

Это позволяет оценивать каждое действие, начисляя по 1 очку за каждое из 7 «обстоятельств» и подсчитывая их сумму. Если действие приносит больше удовольствия, чем страдания, то может считаться одобрительным. Простое сложение позволяет не только создать объективную мораль, но и снабдить правителей надёжным методом.

Идея Бентама позволяет свести политику к измеряемым элементам и придать ей благородную цель: достижение счастья. Метод, состоящий в разделении явления на измеряемые элементы, не нов: самая ранняя попытка была предпринята античными философами-атомистами, прежде всего Левкиппом и Демокритом. Оба оказали влияние на Галилея, выдвинувшего идею о том, что книга природы написана на языке математики, а наша задача — его расшифровать. Бентам продолжил данный подход, атомизировав счастье.

Так что felicific calculus («математика счастья») и утилитаризм в целом имеют очень древние философские корни. Тем не менее, здесь не всё гладко. Во-первых, само по себе сведение счастья к поддающимся измерению критериям проблематично: не все имеют одинаковую шкалу ценностей, поэтому законодатель неизбежно получит не подлежащие сравнению цифры. Во-вторых, выбор 7 «обстоятельств» спорен: список можно было бы дополнить другими. В-третьих, Бентам основывает свой подход на идеологическом выборе, который никак не объясняет. Он предлагает суммировать пункты для всех граждан и считать более полезными для общества те действия, которые набирают больше всего пунктов.

Возьмём в качестве примера компанию из 100 сотрудников, которые выполняют одинаковую работу и получают по 1 000 евро. Затем принимается ни на чём не основанное решение о том, что один из сотрудников отныне будет получать 11 000 евро, а остальные 99 — по 910 евро. Это выглядит несправедливым, так как один человек будет получать в 11 раз больше остальных, а те потеряют 9% своей зарплаты. Однако, согласно алгоритму Бентама, всеобщее счастье в данном случае возрастает, поскольку сумма всех зарплат повысилась со 100 000 евро до 101 090 евро.

Подобная математика кажется абсурдной, однако именно так рассчитывается экономический рост. Распределение доходов не учитывается, во внимание принимается лишь суммарный показатель. В нашем случае рост зарплат составил 1,1%, несмотря на то, что доходы 99% сотрудников снизились на 9%.

Как получается, что, беря за основу похвальную идею — сделать людей счастливыми, — мы приходим к прямо противоположному результату? Причина в том, что статистика часто пропитана политической идеологией. Бентам выбрал сложение, которое является наиболее простой операцией. Оно также лучше всего подходит для представления всего общества, поэтому оно используется при расчёте ВВП — а, следовательно, и темпов экономического роста страны. Однако сумма ничего не говорит о распределении слагаемых. Поэтому возникает вопрос: чем следует руководствоваться при управлении страной и какой статистический индикатор лучше всего подходит для данной цели?

Счастье, как его определяет Бентам, плохо поддаётся измерению; для этого потребовались бы систематические опросы граждан с целью выяснить, делают ли их более или менее счастливыми те или иные решения. Именно поэтому государства отдают предпочтение индикаторам, не имеющим ничего общего с чувствами населения. Уровень безработицы, экономический рост, индексы деловой и потребительской уверенности, индекс потребительских цен, индекс цен на строительно-монтажные работы — вот новые названия 7 «обстоятельств» Бентама.

Вместо того, чтобы спрашивать, как чувствуют себя граждане, правительство полагается на индекс доверия домохозяйств.

Опросы граждан имеют целью собрать информацию об их финансовом положении, их способности откладывать деньги, их уровне жизни, их карьерных перспективах и изменении цен. Счастье? Сегодня вопрос не в том, счастливы ли люди, а в том, будут ли они потреблять. Бентам считал счастье целью работы правительства; потребительская уверенность же — это лишь средство для достижения реальной цели: развития экономики. Уравнение капитализма выглядит следующим образом: чем больше потребительских товаров приобретается, тем выше уровень индивидуального счастья.

Произвольные цифры безработицы

Счастье — далеко не единственное, что искажается сомнительной статистикой; три других аспекта повседневной жизни находят отражение в трёх других ключевых индикаторах: безработицы, покупательной способности и экономического роста.

Начнём с безработицы. Согласно определению, принятому в 1982 году Международной организацией труда, безработный — это человек трудоспособного возраста (старше 15 лет), который соответствует всем 3 из следующих условий:

• не имеет работы, то есть работал менее 1 часа в течение текущей недели;
• готов приступить к работе в течение 2 недель;
• активно искал работу на протяжении последнего месяца или нашёл работу, к которой приступит менее чем через 3 месяца.

Первое условие подразумевает, что если у вас нет постоянной работы, но вы время от времени подрабатываете няней, то вам лучше делать это неофициально, иначе вас не признают безработным. Второе условие означает, что если вы сломали ногу, пока искали работу, и не сможете передвигаться в течение 2 недель, то больше не считаетесь безработным. С третьим условием сложнее: начинается ли активный поиск работы с момента просмотра первого объявления в интернете или с момента отправки резюме?

Так что цифры безработицы не такие однозначные, как кажется. Когда отчёт ложится на стол министра, тот может отдать предпочтение тем или иным из показателей. Во Франции цифры INSEE регулярно отличаются от цифр Pôle emploi. Как это возможно? Неужели специалисты двух организаций не умеют считать? Всё дело в том, что они берут за основу разные определения безработицы.

При рассчёте уровня безработицы количество соискателей работы делится на активное население, а затем полученный результат умножается на 100. Под активным населением понимаются все люди на рынке труда, независимо от того, имеют они работу или нет. Поэтому для манипуляции цифрами достаточно поощрить безработных, не имеющих жизненной необходимости работать, перестать искать работу (и полагаться вместо этого на более высокий доход партнёра, например). Более низкие цифры безработицы, опубликованные во Франции во втором полугодии 2019 года, были обусловлены преимущественно занижением численности активного населения, а не улучшением ситуации на рынке труда.

Потребительская корзина

Часто, не желая признаваться в том, что у них не хватает денег на отпуск за границей, люди жалуются на свою низкую покупательную способность. Этот довольно загадочный технический термин стал очень популярным. На первый взгляд, покупательную способность определить достаточно просто: она измеряется тем, сколько остаётся в кошельке после уплаты налогов и взносов в систему социального страхования. Проще некуда, скажете вы. Тем не менее, расчёт покупательной способности сопряжён с вопиющими ошибками и манипуляциями.

Во Франции доля предоплаченных расходов (арендная плата; плата за воду, газ и электричество; контракты на мобильную связь; транспортные абонементы; страховые услуги) выросла с 12% располагаемого дохода в 1960-х годах до более чем 30% сегодня. Согласно исследованию, опубликованному DREES в 2018 году, за этой средней цифрой скрываются значительные колебания: в случае малообеспеченных домохозяйств предоплаченные расходы составляют 38% всех расходов (причём цифра может доходить до 65% среди холостяков и родителей-одиночек), а в случае более обеспеченных — 26%.

Средняя покупательная способность не отражает всего разнообразия экономических и социальных обстоятельств. Тем не менее, именно этот индикатор политики используют для оценки ситуации в стране. Сбор подробной и точной информации по уровню доходов, географичскому положению (арендная плата выше в крупных городах), возрасту, семейному положению и т. д. требует времени. Много времени. А политикам нужны мгновенные цифры, которые настоящая статистика предоставить не может (например, упомянутые выше цифры DREES были опубликованы с задержкой в 7 лет!).

Несоответствия и ошибки индекса потребительских цен

Среди прочего, показатель покупательной способности основан на ценах, изменение которых статистические институты изучают, отслеживая тысячи наименований потребительских продуктов и составляя из них среднюю потребительскую корзину. Однако набор продуктов часто меняется, отражая изменения в потребительских привычках. Например, в США в 1996 году не менее 47 миллионов человек пользовались относительно новым на рынке товаром: мобильным телефоном. Однако Федеральное бюро статистики труда стало учитывать данный товар при расчёте индекса потребительских цен только в 1998 году. То есть в течение 2 лет ИПЦ не отражал реальность, в которой жили миллионы американцев. Государственная статистика анализирует недавнее прошлое, а не текущее положение дел. Политики же, стремясь постоянно иметь актуальные данные, проецируют прошлое на настоящее.

Однако главный недостаток индекса потребительских цен связан с расходами на жильё. Если верить индикаторам, доля расходов на жильё (как собственное, так и арендованное) в расходах французских домохозяйств составляет 6%. Совершенно очевидно, что данная цифра бессмысленна: если человек является владельцем жилья, то тратит 0% дохода; если арендует, то тратит от 30% до 50%. А ещё при расчёте индекса потребительских цен не учитываются платежи по ипотеке. Почему? Потому что они относятся не к расходам, а к финансовым операциям.

Но хоть этот показатель и несовершенен, он всё же очень чувствителен: изменение индекса потребительских цен затрагивает жизни миллионов людей. Именно это произошло в 1996 году в США, когда Сенат обнаружил, что годовой уровень инфляции переоценивался примерно на 1% в течение нескольких лет из-за ошибки при расчёте ИПЦ. Как следствие, в федеральном бюджете образовалась дыра в размере 150 миллиардов долларов.

Деньги не пахнут и ВВП тоже

Экономический рост — это индикатор, который пользуется даже большей популярностью у политиков, чем индекс потребительских цен. Но что такое этот рост, на который молятся правительства всего мира? С технической точки зрения, экономический рост — это выраженное в процентах изменение ВВП из года в год. В глазах общественности, рост ВВП — это признак экономического развития, прогресса, успеха и благополучия.

Так и есть, если ограничиваться чисто количественной оценкой национального богатства. Но если как следует разобраться, то окажется, что государства включают в ВВП самые разные товары и услуги, которые вовсе не способствуют повышению благополучия страны.

Предположим, правительство в ожидании гражданской войны решает увеличить количество тюрем и повысить производство бронемашин, огнестрельного оружия, слезоточивого газа, бронежилетов, колючей проволоки, а также анксиолитиков и антидепрессантов в 10 раз; с чисто математической точки зрения, всё это приведёт к резкому росту ВВП. Более того, землетрясения, цунами и аварии на ядерных реакторах тоже способствуют росту ВВП, поскольку после катастрофы необходимо проводить восстановительные работы, что порождает экономическую активность.

То есть получается, что показатель роста той или иной страны никак не связан с качеством жизни населения? Именно этим вопросом задаются экономисты Жан Гадри и Флоранс Жани-Катрис в своей книге, опубликованной в 2005 году. Чтобы продемонстрировать несостоятельность существующих экономических индикаторов, они предлагают представить себе следующий сценарий:

«Если страна будет платить 10% своего населения за уничтожение имущества (рытьё ям на дорогах, повреждение транспортных средств и т. д.), а другим 10% за ремонт, то её ВВП будет таким же, как у страны, где эти 20% рабочих мест (совокупный эффект которых на благосостояние равняется нулю) направлены на повышение продолжительности здоровой жизни, уровня образования и участия в культурной жизни».

Нечто подобное произошло в Европе, когда несколько стран включили в свой ВВП два вида деятельности, сопряжённые с огромными доходами: торговлю наркотиками и проституцию. Инициатива исходила от Евростата. Обосновывала своё решение статистическая служба тем, что вклад каждого государства в бюджет Европы вычисляется на основе доходов этого государства. Поэтому некоторые страны (например, Нидерланды), где наркотики и проституция законны, учитывают доходы от них при расчёте валового национального дохода (ВНД), из-за чего делают более высокие взносы в европейский бюджет, чем их соседи.

Именно поэтому, начиная с 2014 года, Испания и Италия стали учитывать доходы, связанные с потреблением каннабиса и кокаина. Во Франции INSEE в 2017 году тоже начал принимать в расчёт торговлю наркотиками, что привело к повышению ВНД на 2 миллиарда евро.

Добродетельный круг (оворот) бешеных бабок

Индикаторы подобны веяниям моды. В 1960-х годах в моде были ВВП, темпы инфляции и темпы роста заработной платы. Сегодня о ВВП по-прежнему много говорят, а вот другие два вышли из моды. Индикаторы сегодняшнего дня — это дефицит бюджета, уровень госдолга, фондовые индексы и, конечно же, доля обязательных сборов и платежей в ВВП. Последняя во Франции достигает 50% и часто преподносится как символ непосильного бремени, которое представляют собой налоги для населения. Данный индикатор также регулярно используется для оправдания таких мер, как отмена налога на богатство, снижение корпоративного подоходного налога, сокращение числа государственных услуг, сокращение расходов на образование, здравоохранение и науку, сокращение количества госслужащих, а также снижение пособий по безработице и реформирование пенсионной системы; а ещё — приватизации, которая приносит государству дополнительные деньги без необходимости прибегать к повышению налогов и сборов.

Вопреки тому, что говорят политики и СМИ, нужно, прежде всего, отметить, что обязательные сборы и платежи ни в коем случае не равнозначны налогам. Последние составляют лишь незначительную часть первых, а большую часть образуют взносы в фонд социального страхования. Используются эти средства иначе, чем налоги: после того, как они собираются с домохозяйств, они почти полностью возвращаются населению в виде социальных выплат (возмещение медицинских расходов и компенсации за несчастные случаи на производстве, пенсии по старости, семейные и жилищные пособия, пособия по безработице).

Лишь собственно налоги могут считаться бременем для населения. Сегодня во Франции они составляют около 20% ВВП (что значительно ниже упомянутых выше 50%). Что касается расходов на государственный аппарат, то они находятся на уровне примерно 18% ВВП и — вопреки расхожему мнению — имеют тенденцию к снижению из-за политики жёсткой экономии.

Поэтому индикатор доли обязательных сборов и платежей в ВВП слишком неоднороден, чтобы иметь какой-либо смысл. Использование данного индикатора в политике служит лишь идеологическим манипуляциям.

Сложения чисел недостаточно? Можно их приукрасить!

Статистика стала настолько важным аспектом экономики и политики, что иногда дело доходит до абсурда. Поскольку необходимо любой ценой показать миру, что у вас дела идут лучше, чем у соседей или предшественников, поскольку политика отныне оценивается не по видимым результатам, а по количественным показателям, некоторые искусственно завышают цифры.

Одиним из примеров служит Китай. Китайские провинции соревнуются друг с другом, демонстрируя двузначные показатели роста. Всё просто: чем более высокого роста добъётся губернатор, тем больше у него шансов на продвижение по службе. Как следствие, местные администрации заинтересованы в завышении цифр.

В этом отношении особенно выделяется одна провинция: Ляонин. Прозванная «Рурской областью Востока» из-за местной тяжёлой промышленности, эта прибрежная провинция имеет население в почти 50 миллионов человек и граничит с Северной Кореей. Согласно материалам WikiLeaks, в 2007 году её бывший губернатор Ли Кэцян признался американскому послу, что многие цифры в китайской экономике высосаны из пальца и что он сам им не доверяет. Чтобы оценить ситуацию в своей провинции, он отслеживал потребление электроэнергии, железнодорожные грузоперевозки и выданные кредиты. К слову, средние темпы роста всех китайских провинций выше общенациональных, что невозможно с математической точки зрения.

В 2013 году Ли Кэцян стал премьер-министром. Год спустя власти уличили провинцию Ляонин в фальсификации статистики. Что касается трёх упомянутых Ли Кэцяном индикаторов, то «The Economist» окрестил их «индексом Кэцяна» и сегодня они считаются более надёжными показателями для оценки китайской экономики, чем ВВП.

Примером неудачной фальсификации цифр служит Греция. 1 января 2001 года страна присоединилась к еврозоне. Это стало наградой за снижение дефицита с 10% в 1995 году до 1,6% в 1999. Впечатляющее достижение. И невольно вызывающее сомнения. Греческое правительство существенно приукрасило цифры: реальный дефицит в 1999 году составил 5,8%. С таким показателем стать частью еврозоны было бы невозможно. Именно поэтому греческое правительство решило подделать цифры, а Европа, которая охотно приняла Грецию из геополитических соображений, не потрудилась расследовать это бюджетное чудо.

В этой игре дураков был и третий участник: банк Goldman Sachs, к которому правительство Греции обратилось за помощью в сокращении госдолга. Чтобы страна смогла занимать деньги, банк предложил финансовую схему, которая на тот момент ещё не была запрещена: кросс-валютный своп. Данная операция предполагает обмен долга, выраженного в одной валюте, на долг, выраженный в другой валюте. Уловка в том, что эта схема расценивается не как долг, а как денёжная операция. То есть это заём, который не ведёт к увеличению дефицита. Италия также прибегала к данной практике: в 1996 году при поддержке банка JP Morgan правительство провело своп по выгодному курсу с целью уложиться в европейские требования.

Своп Goldman Sachs заключался в немедленном предоставлении Греции иностранной валюты в обмен на будущие налоги с аэропортов и национальной лотереи. Кстати, банк также получил несколько сотен миллионов евро за свои услуги. Всё это стоило дорого и грозило поставить под угрозу будущее страны, но политическое лицо было сохранено… по крайней мере, временно. В Афинах не знали, что Goldman Sachs спекулировал на фондовом рынке, делая ставку на дефолт Греции, своего собственного клиента!

И вот в 2004 году новое правительство Греции раскрывает правду. Европейский центральный банк в шоке, а Евростат напоминает, что всегда скептически относился к греческой статистике. ЕС обеспокоен, однако никаких санкций не следует. В том же 2004 году своп попадает под запрет, однако это не мешает Goldman Sachs в 2005 году продать своп 2001 года Национальному банку Греции. В 2008 году происходит мировой экономический кризис, который сильно бьёт по Греции. В 2009 Goldman Sachs и Национальный банк Греции создают финансовую компанию, чтобы продлить срок погашения долга до 2039 года. Греция вынуждена пересмотреть свой показатель дефицита, который внезапно подскакивает до 12,7%.

Что происходит дальше всем хорошо известно: Греция обращается за помощью к Европе, однако кризис её суверенного долга поднимает вопрос о её исключении из зоны евро. Германия хочет показательно наказать Грецию, чтобы положить конец подобным махинациям; в итоге страна остаётся в зоне евро и получает помощь, но вынуждена принять очень жёсткие меры. Экономическая и социальная ситуация ухудшается изо дня в день; происходит вспышка малярии, что свидетельствует о плачевных санитарных условиях; показатели самоубийств, убийств, заражения ВИЧ и проституции растут.

Искажающий эффект цифр

Играют ли цифры против нас? Данный вопрос невольно возникает, когда мы узнаём, как рассчитывается ВВП. Когда речь идёт о торговле товарами и услугами, всё предельно просто: создаваемое богатство оценивается на основе количества денег в обращении. Однако когда денежные операции отсутствуют, как, например, в случае с государственным образованием, оценить богатство, созданное учителем, гораздо сложнее: разумеется, он передаёт ученикам знания, однако эти знания могут быть конвертированы в деньги лишь через много лет.

В некотором смысле, вклад педагогов в ВВП составляет 100%: без них никто не умел бы читать, писать и считать, и экономика остановилась бы. Однако данный подход несомненно оказался бы проблематичным на практике. Поэтому было принято на вооружение более простое решение: если деятельность не предполагает денежного обмена (как в случае между учителем государственной школы и его учеником), созданное богатство считается равным вознаграждению лица, выполняющего работу. То есть вклад учителя в ВВП равен его зарплате.

Преимущество данного решения в его простоте. Однако есть одна проблема: при равном уровне образования, заработная плата учителей (как начальной школы, так и университета) ниже, чем у работников других сфер. Соответственно, государство, сосредоточенное на показателях экономического роста, никогда не будет вкладывать в образование, поскольку вклад педагогов в ВВП очень мал.

Данный пример (как и пример Греции) демонстрирует, насколько статистические индикаторы искажают реальную ситуацию: изначально разработанные для моделирования и интерпретации реального положения дел, они в конечном счёте оказывают влияние на него. Политические решения оказываются продиктованы не реальностью (нужно ли нанять больше учителей, чтобы повысить уровень образования?), а статистическим индикатором (увеличение количества учителей не приведёт к существенному экономическому росту). Если цифры в порядке, реальность на местах и условия жизни граждан не принимаются во внимание.

В 1975 году Чарльз Гудхарт, на тот момент экономист в Банке Англии, а позже преподаватель в Лондонской школе экономики, сформулировал закон, который разоблачает коварный механизм: «любая наблюдаемая статистическая закономерность склонна к разрушению, как только на неё оказывается давление с целью управления». Проще говоря: «когда мера становится целью, она перестаёт быть хорошей мерой». Закон Гудхарта объясняет, почему уровень безработицы, покупательная способность, индекс потребительских цен, ВВП и экономический рост, став политическими целями, превратились в ненадёжные статистические индикаторы.

Являемся ли мы тем параметром, который мы упускаем из внимания?

Когда цифры ставятся выше реальности, управление государством превращается в управление цифрами. Ещё более 60 лет назад шведский политолог Герберт Тингстен предупреждал:

«Из-за критериев, которые ныне используются для оценки политики, функции государства становятся настолько техническими, что политика сводится к прикладной статистике».

Данное утверждение дополняет вывод, к которому Токвиль пришёл столетием ранее:

«Концепция государственного управления упрощается: цифры диктуют законы и правовые нормы. Вся политика сводится к арифметике».

Уместно спросить себя: управляем ли мы цифрами или цифры управляют нами? Ведь если цифры являются целью политики, то именно они диктуют условия. Одни цифры ни на чём не основаны (как, например, 3% дефицита), другие неадекватно отражают ральность (как, например, покупательная способность, уровень безработицы и ВВП). Именно поэтому многие организации стремятся создать новые индикаторы — например, индекс человеческого развития ООН, который учитывает здоровье, образование и уровень жизни. Однако не является ли это лишь очередной попыткой выразить общество в числах?

8

СВЕДЕНИЕ (И РАЗВЕДЕНИЕ) СЧЕТОВ

Все лгут.

Доктор Хаус

Один человек солжёт… и весь мир пустеет

9 августа 1945 года американцы собрались у своих радиоприёмников. Гарри Трумэн только что объявил о том, что на Хиросиму была сброшена атомная бомба. Президент США закончил своё обращение следующими словами:

«Мы применили его [ядерное оружие], чтобы сократить агонию войны, спасти жизни тысяч и тысяч молодых американцев. Мы будем продолжать применять его до тех пор, пока полностью не лишим Японию возможности продолжать войну. Нас остановит лишь капитуляция Японии».

С того самого дня не прекращаются дебаты о применении ядерного оружия против Японии. Сторонники бомбардировок убеждены, что это ускорило капитуляцию врага и позволило избежать огромных потерь, к которым бы привело наземное вторжение. Противники утверждают, что применение ядерного оружия было не только необязательным на этом этапе войны, но и является военным преступлением. Нас здесь интересует конкретный аспект, вокруг которого ведутся споры: цифры.

По собственным словам Трумэна, он решил применить ядерное оружие ради сохранения жизней тысяч американцев. Однако сколько именно жизней было бы потеряно в ходе наземной операции? Похоже, что перед принятием решения об уничтожении двух городов никто не подсчитывал потенциальные потери от вторжения в Японию. Были приблизительные оценки, однако они существенно разнились в зависимости от позиции подсчитывающего.

Вот несколько оценок, получивших наиболее широкую огласку. 15 июня 1945 года Объединённый комитет начальников штабов объявил, что вторжение в Японию приведёт к потере 40 000 американских солдат. Однако 3 дня спустя этот же комитет подал президенту новый отчёт, в котором потенциальные потери оценивались в 250 000 солдат, то есть в 6 раз выше.

На этом история не закончилась. В июле того же года Министерство обороны США поручило физику Уильяму Шокли провести новую оценку. Тот в своём отчёте указал, что количество убитых было бы от 400 000 до 800 000. А Герберт Гувер и вовсе заявил, что потери могли достичь 1 миллиона солдат. Данная цифра произвела сильное впечатление; после этого итог был предрешён. Ни один военачальник не одобрил бы операцию, которая бы стоила столько человеческих жизней. Однако была ли данная оценка верной? Был ли бы отдан приказ о бомбардировке Хиросимы и Нагасаки, если бы потери американцев были оценены в 40 000? Этого мы никогда не узнаем.

Тем не менее, можно предположить, что цифра в 1 миллион погибших сыграла свою роль в решении о применении ядерного оружия. Подсчёты проводились и после капитуляции Японии. Желая оправдать применение ядерного оружия, политики продолжали приводить цифры в районе 1 миллиона. Затем свои цифры начали предлагать и союзники. В речи, произнесённой перед Палатой общин 16 августа 1945 года, Черчилль впервые назвал цифру, превышающую 1 миллион, заявив, что вторжение стоило бы Америке 1 миллион, а Англии — 250 000 жизней.

Математика была использована сначала для влияния на политическое решение, а затем, после указа президента — для его оправдания в глазах всего мира. Но как были получены эти результаты? Трудно сказать, поскольку большинство оценок были либо засекречены, либо субъективны. Однако, судя по всему, первые оценки были основаны на предыдущих сухопутных сражениях на японской территории. Подсчитав среднее количество погибших солдат на квадратный километр, военные советники затем умножили его на площадь, которую необходимо было занять в ходе предстоящей операции.

Кто хочет стать миллионером?

Двое мужчин встречаются в роскошном кабинете в западной части Лондона. Мягкая обивка сидений, столы из ценных пород дерева, блестящий паркет: всё излучает богатство и хороший вкус. Это место, куда вхожи только самые богатые клиенты. Директор объясняет потенциальному инвестору, как работает его компания:

«Господин Б., мелкий торговец, конторщик, пастор, актёр, литератор — что хотите, словом, самая заурядная личность. … Б. ищет занять, скажем, 50 или 100 фунтов, может быть больше — неважно. Б. предлагает двух поручителей. Б. дают в долг. Поручители подписывают обязательство. Б. страхует свою жизнь на сумму вдвое большую, чем сумма его долга, и приводит страховаться двух приятелей — в виде благодарности обществу. Ха-ха-ха! Ведь неплохая мысль? … Б. платит самый высокий процент, какой полагается по закону. … кроме того, что мы берём с него обычные проценты, мы ещё получаем с Б. страховые взносы, и с его приятелей тоже, и, дадим мы ему ссуду или нет, берём с него за «справки» (для справок мы взяли специального человека, платим ему фунт в неделю), берём с Б. немножко и за услуги секретаря; словом, дорогой мой, мы сдираем с этого Б. семь шкур и наживаем на нём хорошенький капиталец. Ха-ха-ха! … Мы предлагаем клиентам пожизненную ренту на самых выгодных условиях, какие только существуют на денежном рынке и провинциальные старушки и старички покупают её. Ха-ха-ха! И мы её, может быть, и выплатим. Может быть! Ха-ха-ха!».

Инвестор на седьмом небе: это лёгкие деньги, которые сами идут к нему в руки. Однако он не знает, что когда компания обанкротится, он также потеряет свои инвестиции. Тогда директор в очередной раз сменит свое имя с Монтегю Тигг на Тигг Монтегю и начнёт всё сначала.

Данная история позаимствована из романа Чарльза Диккенса «Жизнь и приключения Мартина Чезлвита» (1844), в котором английский писатель изобличает страховых мошенников. Перед приведённым отрывком Диккенс использует латинский афоризм «Bis dat qui cito dat» (Вдвойне даёт тот, кто даёт скоро). Данное изречение очень точно передаёт суть аферы и предвосхищает то, что произойдёт через 70 лет после публикации романа.

3 августа 1920 года. Тысячи людей собрались у здания по адресу Скул-стрит 27 в Бостоне. Виновник этого события — Чарльз Понци, владелец мелкой фирмы, которая обещала вкладчикам сделать их богатыми. Этот итальянский иммигрант, сколотивший состояние за один день, обещал через 3 месяца выплатить 150% вложенной суммы. И это работало! Понци начал более года назад, и первые вкладчили не разочаровались. Новость о чудесном вкладе распространилась, как лесной пожар.

Однако тем утром 1920 года дело приобрело дурной оборот: слишком много людей одновременно потребовали обратно свои деньги. Понци не мог заплатить им всем. Дело в том, что он просто использовал вклады новых клиентов, чтобы выплачивать дивиденды старым. Как только приток новых вкладчиков прекратился, выплачивать дивиденды стало невозможно. Когда его финансовая пирамида была разоблачена, Понци оказался в тюрьме. Утешением ему может служить тот факт, что он вошёл в историю, а его афера стала известна как «схема Понци».

Тем не менее, Понци не был изобретателем данной схемы. В 1869–1872 годах бывшая актриса Адель Спитцедер стала самой богатой женщиной Баварии, создав финансовую пирамиду, которая обещала клиентам 10% прибыли за 2 месяца. Около 30 тысяч человек вложили сумму, равную 400 миллионам евро по сегодняшнему курсу, а банкротство её банка спровоцировало волну самоубийств среди вкладчиков. Несколько лет спустя некая Сара Хау открыла в Бостоне Женский депозитный банк, обещавший незамужним женщинам 8% в месяц. Во Франции были свои герои: Марта Ано и Александр Ставиский.

Есть и примеры из недавнего прошлого. В 1997 году в Албании крах нескольких финансовых пирамид разорил миллионы людей и вызвал беспорядки, из-за которых страна оказалась на грани гражданской войны. Но и это ничто по сравнению с масштабом аферы Сергея Мавроди, который в 1989 году основал АО «МММ». Арестованный в 1994 году по обвинению в сокрытии налогов, он организовал своё избрание в Госдуму, получив таким образом депутатскую неприкосновенность. В 1997 году он объявил «МММ» банкротом и скрылся, но в 2003 году был снова арестован. В 2011 году, выйдя на свободу, он создал «MMM-Global», нацеленный на азиатский и африканский рынки, обещая вкладчикам 1% в день. Воспользовавшись бедностью населения, этот аферист организовал крупнейшую финансовую пирамиду в истории, обманув около 10 миллионов россиян и около 30 миллионов людей по всему миру. Когда он умер в 2018 году, его похороны были оплачены за счёт бывших вкладчиков «МММ».

Хотя в основе финансовых пирамид лежит манипулирование цифрами, они также опираются на краеугольный камень мошеннических практик: непрозрачность финансовой деятельности. После биржевого краха начала 2000-х годов и банкротства гигантов Enron и WorldCom, где бухгалтерские манипуляции сыграли ведущую роль, был принят Закон Сарбейнза — Оксли, обязывающий компании публиковать финансовые отчёты. Однако и это не помогло предотвратить ипотечный кризис, кризис суверенного долга и аферу Бернарда Мейдоффа.

Последний вкладывал деньги своих клиентов в рискованные активы; когда дивиденды не были достаточно высокими, чтобы выполнять данные вкладчикам обещания, он применял старый добрый метод, используя деньги новых вкладчиков, чтобы расплатиться со старыми. Эта смешанная система позволяла ему оставаться в деле 48 лет (рекорд в данной области) и даже стать председателем совета директоров NASDAQ, второй крупнейшей фондовой биржи в мире. Этот самоучка и внук иммигрантов из Нью-Йорка олицетворял собой американскую мечту: в возрасте 22 лет он основал инвестиционную компанию, имея на счету всего 5 000 долларов, а к 2008 году стал миллиардером. Когда в разгар экономического кризиса его клиенты массово бросились возращать свои деньги, он не смог расплатиться со всеми: он должен был выплатить 7 миллиардов, а имел в своём распоряжении только 1. В 2009 году он был приговорён к 150 годам тюрьмы.

Необъяснимые ошибки в электронных таблицах Excel

Все упомянутые выше аферы были организованы частными лицами, готовыми на всё, чтобы разбогатеть. Но как получается, что цифрами манипулируют государственные органы, которые по умолчанию должны быть вне всяких подозрений? Дело в том, что когда цифры позаимствованы из престижных научных исследований, они редко подвергаются сомнению. Вот какая история не так давно произошла в одном американском университете.

Томас Херндон был обычным студентом экономики в Массачусетском университете. Когда профессор дал студентам задание проанализировать выбранное ими экономическое исследование, жизнь Томаса неожиданно изменилась. Молодой человек давно интересовался политикой жёсткой экономии и её влиянием на повседневную жизнь граждан. Он также считал, что она неэффективна с точки зрения улучшения ситуации в стране. Вот почему он выбрал для анализа статью, опубликованную в 2010 году в престижном журнале «American Economic Review», которая и подтолкнула многие страны к принятию мер жёсткой экономии. Статья называлась «Рост во времена долгов», а её авторами были Кармен Райнхарт и Кеннет Рогофф из Гарвардского университета. В статье утверждалось, что если валовый внешний долг превышает 60% ВВП, годовые темпы роста снижаются как минимум на 2 процентных пункта; если же он превышает 90% ВВП, то рост может стать отрицательным. То есть долг имеет непосредственное и значимое влияние на рост. Данная статья, вышедшая в период рецессии, приобрела широкую популярность не только в академических, но и в политических кругах, так как оправдывала политику жёсткой экономии.

Томас Херндон провёл те же расчёты, что Райнхарт и Рогофф, но получил иные результаты. Он сразу понял, что что-то не сходится. Сколько бы он ни считал, он каждый раз приходил к одному и тому же выводу: при превышении долгом отметки в 90% ВВП, средние темпы роста стран, рассматриваемых в статье Райнхарт и Рогоффа, составляли не -0,1%, а +2,2%. Поражённый сделанным открытием, Херндон обратился к своим профессорам, Майлку Эшу и Роберту Поллину. Они также проделали свои расчёты и пришли к тому же результату, что и он. Оказывается, что статья, которая 3 года формировала политику во всём мире, содержит ошибку.

15 апреля 2013 года трое публикуют собственную статью под заголовком «Действительно ли высокий госдолг существенно замедляет экономический рост?». Студент и два профессора перечисляют многочисленные ошибки в оригинальной статье: игнорирование лет, в течение которых определённые страны переживали рост, несмотря на высокий долг; игнорирование экономического развития Австралии, Новой Зеландии и Канады после Второй мировой войны; и загадочное исчезновение некоторой информации, не согласующейся с тезисом авторов (самый удивительный пример — это отсутствие в таблице Excel 5 стран в алфавитном порядке: Австралии, Австрии, Бельгии, Канады и Дании). Херндон, Эш и Поллин обвиняют своих коллег из Гарварда в намеренном сокрытии информации. Намеренными ли были эти ошибки или нет, одно можно сказать наверняка: если их устранить, тезис Райнхарт и Рогоффа оказывается опровергнут.

В информационном веке математические ошибки могут приводить к катастрофам. Аппарат Mars Climate Orbiter сгорел из-за того, что инженеры НАСА забыли конвертировать данные в метрическую систему. Трейдер JPMorgan, получивший прозвище Лондонский Кит, спровоцировал рекордные убытки из-за того, что в своей модели перепутал сумму со средним значением. Возможно ли, что одна ошибка в таблице Excel подорвала экономику западных стран?

Многие приняли исследование Райнхарт и Рогоффа как истину в последней инстанции. В 2010 году Джордж Осборн, недавно назначенный канцлером казначейства Великобритании, привёл их статью в качестве аргумента за сокращение бюджетных расходов. В 2012 Пол Райан, ссылаясь на неё, разработал свой бюджетный «План процветания». В 2013 году Олли Рен, на тот момент европейский комиссар по финансам, а позже глава Банка Финляндии, на основании изложенных в статье выводов выступил за политику жёсткой экономии в ЕС. Что касается Греции, то, к своему несчастью, она переживала экономический кризис как раз в тот момент, когда исследование Райнхарт и Рогоффа имело наибольшее влияние. Именно поэтому знаменитая «тройка» — ЕК, ЕЦБ и МВФ — выдвинула в качестве условия предоставления помощи принятие мер жёсткой экономии.

Яблоки и устрицы

В публичных дебатах одна из главных проблем, связанных с математикой, заключается в её непонимании, из-за чего многие рядовые граждане, журналисты и политики сопоставляют совершенно разные цифры и неверно их интерпретируют. Например, в 2013 году когда некий консультант по экономическим вопросам в прямом эфире заявил, что ежегодное повышение тарифов EDF (французской электроэнергетической компании) на 6% в течение 5 лет означает повышение на 30% по итогам данного периода, никто из присутствующих не насторожился. Тем не менее, это неверно. Увеличить число на 6% означает помножить его на 1,06. Следовательно, при росте на 6% в течение 5 лет необходимо умножить число на 1,065. В результате получим 1,338. А это значит, что повышение за 5 лет составит не 30%, а 33,8%.

Это безобидная ошибка, которая проистекает из непонимания расчёта процентов и существенно не влияет на результат. А теперь представим себе кандидата на местных выборах, который, критикуя работу своего предшественника, суммирет 28% повышение налога на жильё и 50% повышение налога на недвижимость и утверждает, будто местные налоги выросли на 78%. Это уже ошибка совсем другого масштаба. Простоты ради, предположим, что налог на жильё вырос со 100 евро до 128 евро, а на недвижимость — со 100 евро до 150 евро. Сумма этих двух налогов, в таком случае, выросла с 200 евро до 278 евро, а это 39%, то есть в 2 раза меньше, чем заявляет наш кандидат.

Ещё одна область, где распространены неверные оценки, основанные на процентах, — это результаты выборов, которые журналисты или политические деятели иногда интерпретируют неверно. Например, сравнение процентных показателей партии на двух разных выборах лишено какого-либо смысла. Кандидат в президенты, набравший 3 миллиона голосов на первых выборах и 3,5 миллиона на вторых, вполне может получить на первых 12%, а на вторых — 10%. Всё зависит от числа избирателей, пришедших на участки. В зависимости от того, хотите ли вы похвалить или раскритиковать результат кандидата, вы сделаете акцент либо на количестве отданных за него голосов, либо на проценте голосов относительно числа проголосовавших. Если же вы хотите дискредитировать его результат, то укажете процент набранных им голосов относительно общего числа зарегистрированных избирателей.

Осознавая, что подсчёт процентов часто порождает путаницу, политики быстро поняли, что это можно использовать с выгодой для себя. Например, существуют способы значительно занизить степень повышения налогов. Поскольку многие налогоплательщики инстинктивно считают, что повышение с 5% до 10% — это увеличение на 5%, а не на 100%, опытные пиарщики начали эксплуатировать это распространённое заблуждение так, чтобы никто не мог уличить их во лжи. Для этого они использовали очень удобное понятие процентных пунктов.

Рассмотрим пример господина X, который при зарплате в 2 000 евро ежемесячно платит налог Z в размере 100 евро. Когда, слушая выступление министра по радио, он узнаёт, что налог Z повысится на 2 процентных пункта, то есть с 5% до 7%, он и бровью не ведёт. В конце месяца он обнаруживает, что из его зарплаты было вычтено не 102 евро, а 140 евро. Тем не менее, министр не соврал, а лишь использовал выгодные ему понятия, чтобы приуменьшить масштаб повышения.

Есть и другие двусмысленные понятия: состояние, наследство, доход. Помните Ги Абея, который критиковал собственную формулу об отношении дефицита к ВВП, говоря, что она равноценна сложению капусты с морковью? Здесь речь идёт об одной из самых распространённых математических ошибок: сопоставлении данных, которые не имеют ничего общего друг с другом. Это часто приводит к выводам, противоречащим здравому смыслу.

Например, утверждается, будто состояние Билла Гейтса равно ВВП Португалии. Трудно сказать, откуда взялась данная формула, которую даже приводит в своём романе «99 франков» Фредерик Бегбедер. Сравнение состояния бизнесмена с ВВП государства лишено всякого смысла; это совершенно несравнимые вещи. Понятно, что здесь имеется в виду: один Билл Гейтс богаче, чем целая страна. Но это не так. Чтобы продемонстрировать это, сравним сравнимое: собственность американского бизнесмена (виллы, апартаменты, машины, земельные участки) с собственностью Португалии (археологическими памятниками, дворцами, замками, храмами, церквями, живописью, скульптурой, виноградниками, промышленностью, лесами и объектами ЮНЕСКО). Как вам кажется, кто имеет больше?

Наконец, последняя лексико-математическая манипуляция связана со средней зарплатой, которую необходимо отличать от медианной зарплаты. При расчёте медианной зарплаты все работающие граждане делятся на две половины: половину, зарабатывающую меньше этой суммы, и половину, зарабатывающую больше. Кроме того, средняя зарплата также может рассчитываться по-разному: как мы теперь знаем, есть среднее арифметическое и среднее геометрическое, а также среднее гармоническое (и многие другие), что оставляет много пространства для манипуляций.

Возьмём в качестве примера предприятие с штатом из 10 человек; 9 сотрудников получают 1 500 евро в месяц, тогда как директор — 6 500 евро. Желая показать, что он щедро вознаграждает своих подчинённых, директор объявляет, что средняя зарплата на предприятии превышает 2 000 евро (2 005 евро, если быть точным). Он суммирует 10 зарплат, а затем делит результат на количество сотрудников, включая себя, чтобы получить цифру, которая ему более удобна. Тем не менее, данный результат не отражает очевидной разницы в зарплатах. Если использовать медианный метод, то получим 1 500 евро, а при использовании среднего геометрического — 1 738 евро.

Снижение загрязнения ведёт к повышению загрязнения (и наоборот)

Как мы видели в предыдущей главе, любой статистический показатель, превращаясь в самоцель, становится объектом манипуляций: одни аспекты преподносятся в более выгодном свете, другие скрываются. Именно так было в случае с «дизельгейтом».

Перед выходом на рынок автомобили должны пройти серию тестов, часть из которых связана с объёмом выхлопных газов. И вот конструкторы одной сильно загрязняющей окружающую среду машины задумались: как сделать так, чтобы в день теста выбранная случайным образом машина вдруг оказалась более экологичной?

В Volkswagen обратили внимание, что Агентство по охране окружающей среды США (АООС) каждый раз использует один и тот же протокол: руль в статичном положении, скорость постоянная, капот поднят, а задние колёса неподвижны. Так почему бы не запрограммировать бортовой компьютер таким образом, чтобы при наличии всех этих критериев он автоматически переключал мотор в экологичный режим? Сказано — сделано. Агентство клюнуло на удочку и заключило, что тестируемые автомобили — одни из самых экологичных на рынке. Но раз подобный режим существует, спросите вы, почему бы не использовать его всё время?

Дело в том, что он повышает расход топлива и снижает производительность двигателя. А рядового покупателя больше интересуют собственный бумажник и мощность автомобиля, чем окружающая среда. Поэтому, с точки зрения конструктора, имеет смысл, чтобы режим сокращения выбросов работал на максимуме во время тестов и на минимуме всё остальное время.

В период с 2009 по 2015 год Volkswagen продвигал свой «чистый дизель», который на самом деле был «чистым» только во время тестов. Благодаря этой уловке Volkswagen Jetta в 2009 году даже был признан «самым экологичным автомобилем года».

Всё шло хорошо до тех пор, пока в 2012 году Международный совет по чистому транспорту (ИХХТ) не решил провести исследование, посвящённое объёмам выхлопов десятка европейских машин. Поскольку нормы в США более жёсткие, чем в Европе, ИХХТ решил также сравнить европейские машины с 3 американскими, среди которых был Volkswagen Jetta. К сожалению для немецкого машиностроителя, ИХХТ использовал иной протокол, чем АООС: тесты проводились в режиме езды. Очень скоро обнаружились реальные показатели, и они были ужасными: выбросы оксида азота у Jetta оказались в 20 раз выше дозволенного в Европе объёма.

В сентября 2015 года разразился скандал, повлёкший за собой отставку председателя совета директоров, который не знал об этой афере. Два дня спустя новый исполнительный директор объявил о начале внутреннего расследования. В итоге оказалось, что мошенническим ПО было оснащено более 11 миллионов машин. Volkswagen пришлось выплатить клиентам и властям 23 миллиарда долларов. В США один из руководителей компании даже был приговорён к 7 годам тюрьмы и штрафу в размере 400 000 долларов.

Этот крупнейший в истории автомобильной индустрии скандал содержит множество уроков. Например, он в очередной раз доказывает, что в случае с количественными тестами всегда есть огромный соблазн манипулировать данными, чтобы получить цифры, за которыми ничего не стоит. Он также учит нас, что использование одного и того же протокола облегчает манипуляции. Представьте себе письменный экзамен, все вопросы к которому вам известны заранее. Эффект неожиданности — это по-прежнему эффективное оружие. А, имея дело с противником, который знает вас, как свои пять пальцев, имеет смысл поручить решение о своём следующем шаге третьему лицу. Именно так поступил в 2019 году Ник Кирьос в ходе теннисного турнира в Вашингтоне, спросив зрительницу, куда подавать мяч.

Тогда как Volkswagen занижал показатели загрязнения окружающей среды, сегодня производители, наоборот, завышают их. В июле 2018 года Объединённый исследовательский центр Европейской комиссии объявил, что декларируемые производителями объёмы выбросов CO2 завышены. Какая муха укусила автопроизводителей? Дело в том, что поскольку в Европе от производителей требуется сокращать выбросы CO2, изначально завышая показатели, им легче получить желаемые цифры. К тому же, если целевой показатель ниже, то расходы на его достижение также будут менее высокими. Возможно, вскоре мы услышим о новом скандале…

Последний способ снизить загрязнение воздуха искусственным путём — это экспортировать его. Данный метод позволяет государству снизить свой углеродный след и заставить исчезнуть миллионы тонн загрязняющих веществ. Хоть иногда отходы экспортируются ради благого дела (мобильные телефоны, например, содержат редкие металлы, которые перерабатывают лишь немногие предприятия), в большинстве случаев на другой конец мира отправляют пластик, чтобы самим не вдыхать токсичные газы, выделяющиеся при его переработке.

За последние несколько десятилетий торговля отходами превратилась в растущий рынок, позволяющий западным улучшить свою экологию за счёт развивающихся стран. В 2010 году на США приходилось 26% мирового экспорта отходов, тогда как импортировали они 4,4%. Китай, наоборот, импортировал 27,7%, а экспортировал 3%. Но это лишь официальные данные. НКО Basel Action Network оборудовала трекерами продаваемые в США принтеры, чтобы проследить их путь после того, как те выбрасывались. Треть из них нелегально оказывались в Азии.

Выразить общественное мнение в цифрах, чтобы лучше им манипулировать

Когда простой манипуляции цифрами недостаточно, некоторые начинают и вовсе создавать цифры из ничего. Распространённый сегодня пример — создание тысяч фальшивых аккаунтов в соцсетях, чтобы обеспечить поток лайков. Данный метод был изобретён задолго до появления интернета. О нём пишет Шекспир в своей пьесе «Юлий Цезарь»:

Меня не терпит Цезарь. Брута ж любит.
Когда б я Брутом был, а он был Кассий,
Ему б я не поддался. Нынче ж ночью
Ему под окна я подброшу письма,
Как будто бы они от разных граждан;
В них напишу, что имя Брута чтится
Высоко в Риме, намекнув при этом
На властолюбье Цезаря туманно.

Нечто подобное произошло в середине 1980-х годов с сенатором от штата Техас Ллойдом Бентсеном, которому пришли сотни писем от фиктивных отправителей. За этими письмами стояли страховые компании, стремившиеся защитить свои интересы. Но сенатор не попался на крючок; он ответил афоризмом: «Техасец знает разницу между настоящей травой (grassroots) и искусственным газоном (AstroTurf)». Так родился термин «астротурфинг», означающий имитацию широкой общественной поддержки, которой на самом деле не существует.

Изобретатели маркетинга очень быстро осознали пользу фиктивных цифр для продвижения продукта. Неожиданным образом, одними из тех, кто принял на вооружение данную стратегию, стали книгоиздатели. В начале 2000-х годов, вместо того, чтобы подчёркивать достоинства книг, издательские дома решили указывать на обложках количество купивших данные книги людей. Посыл: количество важнее качества, а ценность книги определяется количеством тех, кто её прочитал. Это полная противоположность посвящения «немногим счастливцам», которым Стендаль закончил свою «Пармскую обитель».

Помимо собственно reductio ad numerum есть также проблема верифицируемости. Реальные цифры проданных издательским домом книг окутаны такой же тайной, как счета швейцарского банка. Проверить их правдивость невозможно. Более того, цифры, которые приводят издатели, всегда круглые; и можно предположить, что они округляются в большую сторону. Когда на ленте (чаще всего красной) написано: «Продано 200 000 экземпляров», какова реальная цифра: 198 974 или 149 072? Невозможно сказать.

Однако главным образом астротурфинг процветает в сфере политики. Задолго до Уотергейтского скандала 1974 года, который закончился его отставкой, Ричард Никсон провернул необычную манипулятивную схему. С 1969 по 1971 год он организовал отправку самому себе телеграмм поддержки от граждан, которые на самом деле были членами его собственной команды. Целью данной схемы было искусственно завысить число сторонников войны во Вьетнаме и таким образом повлиять на общественное мнение.

Китайские власти также поняли, насколько важно создавать видимость поддержки режима. Правительство вознаграждает граждан за публикацию на форумах положительных отзывов о его работе. Этих людей называют 50-центовой партией — по сумме денег, предположительно выплачиваемой за один комментарий.

9

ПОЗНАЙ САМОГО СЕБЯ (И ОСОБЕННО ДРУГИХ!)

Послушайте, мой институт использует самые современные научные методы: графологию, патографию, изучение наследственности, теорию вероятностей, статистику, психоанализ, глубинную психологию и т. д. Мы изучаем научные аспекты явлений; ведь все явления в мире подчиняются законам, вечным законам!

Наука, современная детективная работа, всё больше сужают область случайности, беспорядка, так называемой индивидуальности. Нет никакой случайности! Нет никаких фактов! Да, именно так! Есть только научные взаимосвязи.

Роберт Музиль, «Мечтатели»

От мечты об автоматонах к реальности алгоритмов

По мнению многих людей, алгоритмы вскоре лишат нас свободы воли. На основе чего делается такой вывод? Причина — непонимание того, что такое алгоритм на самом деле, и его смешение с враждебным человеку искусственным интеллектом.

На самом деле, алгоритм — это просто последовательность действий, которые выполняются с целью получения определённого результата. Например, кулинарный рецепт — это разновидность алгоритма. В математике алгоритмы существовали с древних времён. Они, например, содержатся на вавилонских табличках, которым боле 4000 лет. Знаменитый алгоритм Евклида, позволяющий найти наибольший общий делитель двух целых чисел, был создан 2300 лет назад. Слово «алгоритм» происходит от имени персидского математика Аль-Хорезми. Одним словом, алгоритмы — это вовсе не новое изобретение.

Почему они внушают нам страх? Мы видим, что они становятся всё более эффективными и оказывают всё большее влияние на нашу жизнь. Однако, повторимся, в этом нет ничего нового. Человеческая деятельность сложна; поэтому ведущие умы всегда стремились упростить её — иногда, как отмечал Аристотель, это имело карикатурный эффект:

«Если бы каждое орудие могло выполнять свойственную ему работу само, по данному ему приказанию или даже его предвосхищая, и уподоблялось бы статуям Дедала или треножникам Гефеста, о которых поэт говорит, что они "сами собой (aytomatoys) входили в собрание богов"; если бы ткацкие челноки сами ткали, а плектры сами играли на кифаре, тогда и зодчие не нуждались бы в работниках, а господам не нужны были бы рабы».

Именно это произошло, когда появились первые ткацкие станки — прежде всего, созданный в 1801 году знаменитый жаккардовый ткацкий станок, управляемый при помощи перфокарт. Используя данный принцип, Ада Лавлейс позже создала первую компьютерную программу. Но Аристотель не мог предвидеть, что, когда машины оживут, то вызовут гнев со стороны рабочих, у которых они отберут рабочие места. Изобретение ткацкого станка оставило без работы многочисленных ремесленников.

Последние организовали движение луддитов и стали крушить машины. Эти стихийные протесты имели место в 1811–1812 годах на севере Англии, прежде всего в Ноттингеме, городе Робина Гуда. Социальная проблематика данного движения актуальна и сегодня, так как автоматизация снова ставит под угрозу рабочие места.

Однако алгоритмы сегодня воспринимаются как угроза не из-за их негативного влияния на общество, а из-за опасений, что они могут поработить человечество. Это вовсе не иррациональный страх. Города, управляемые алгоритмами, — это кульминация долгого процесса, начавшегося с создания первых механических часов в конце Средневековья.

Измерение времени уже тогда было важным делом по ряду экономических причин, а также чтобы определять время для молитвы. Устав святого Бенедикта, написанный в середине VI века, предписывает, в котором часу монах должен просыпаться, молиться, принимать пищу, работать и т. д. В то время распорядок дня диктовался движением солнца.

В XIV веке, с изобретением первых механических часов, христианская церковь установила молитвенные часы, не привязанные к солнечному циклу. С появлением абстрактного времени зародилось представление о том, что Вселенная устроена, как часы. Его очень точно резюмирует Вольтер: «Вселенной я смущён; и, видя мощь часов, в них мощь часовщика я прозревать готов».

В XVIII веке начали появляться автоматоны, выглядящие, как маленькие человечки. С 1767 по 1774 год семья Жаке-Дро создала три автоматона: органистку, нажимавшую на клавиши и умевшую играть 5 разных мелодий; рисовальщика, сдувавшего пыль от своего карандаша и выполнявшего 4 рисунка, среди которых были собака и портрет Людовика XV; и писателя, самого сложного из всех трёх, способного написать любой текст из 40 знаков на 3 строчках и обмакивавшего перо в чернильницу.

Когда автоматон принял человеческий облик, человек начал уподобляться автоматону. Начиная с середины ХХ века, появилось представление о человеческом мозге как компьютере, способном хранить информацию. Это самый настоящий парадокс, учитывая, что мозг придумал компьютер, а не наоборот. Сегодня мы представляем себе весь мир, как компьютерную программу (как в фильме «Матрица»).

Вопреки утверждению Ницше, Бог не умер — он просто превратился в компьютерный алгоритм. Как следствие, люди превратились в маленькие программы, подчиняющиеся Великому Алгоритму: нам показывют поп-апы, чтобы подтолкнуть нас к покупкам; нам дают деньги, чтобы заставить нас их тратить; нам демонстрируют информацию (верную или ложную), чтобы повлиять на наше мнение. Что ещё хуже: мы оцениваем самих себя через призму цифр — сколько шагов мы сделали сегодня, сколько калорий сожгли, какой у нас индекс массы тела (ИМТ), какая жировая или мышечная масса, какой IQ, сколько очков мы набрали в онлайн-игре, сколько получили уведомлений, сколько лайков набрала наша фотография из отпуска, сколько у нас подписчиков в социальных сетях… Мечта Пифагора превратилась в картикатуру: отныне мы — лишь набор чисел и фрагмент больших данных.

Кружок пророков

Когда посетители храма Аполлона в Дельфах обращались к Пифии за предсказаниями будущего, она делала пророчества в трудной для понимания и как можно более расплывчатой форме. Перед тем, как передать пророчества вопрошающим, жрецы редактировали их. Изменилось ли что-то с тех пор? Кажется, что да…, но это только видимость. Государства и крупные компании, руководствуясь приницпом «управлять — значит предвидеть», не оставляют ничего на волю случая.

Возьмём, к примеру, господина Х, который в течение дня оставляет комменатрии под постами своих друзей в Facebook и ставит им лайки. Во время обеденного перерыва и в общественном транспорте его девушка Y выкладывает в той же соцсети несколько фотографий, принимает запрос на добавление в друзья и отклоняет несколько других. К 19 часам, когда X и Y возвращаются домой, программа уже записала и обработала (без их ведома) всю их активность в Facebook. Отыне американский гигант знает некоторые тайны их личной жизни и их желания. Более того, определённые функции соцсети способны спрогнозировать, как долго просуществует союз XY.

За этой программой стоят два человека: инженер Facebook Ларс Бекстрём и профессор Корнеллского университета Джон Клейнберг; последний известен тем, что в 1999 году разработал алгоритм HITS (Hyperlink Induced Topic Search), который приписывает рейтинг каждому сайту и располагает их в порядке авторитетности. Двое учёных взяли выборку из 1,3 миллиона случайно выбранных профилей пользователей Facebook, которые указали, что состоят в отношениях, но не указали, кто их партнёр. Подсчитав количество общих друзей у каждых двух пользователей, а затем проделав то же самое с друзьями их друзей, программа Клейнберга и Бекстрёма позволила с небольшой погрешностью определить, кто был чьим партнёром. Затем алгоритм приписал каждой паре рейтинг, рассчитанный, исходя из количества связей между одним из партнёров и кругом друзей другого (дело в том, что люди, состоящие в длительных отношениях, как правило, склонны знакомить своего партнёра со своими друзьями; они также проводят вместе время, что рано или поздно приводит к новым знакомствам в Facebook). Благодаря этому алгоритм также оказался способен спрогнозировать риск расставания.

С какой целью, спросите вы, Facebook хочет знать, кто состоит в отношениях с кем и как долго? Алгоритмы для оценки личной жизни пользователей позволяют соцсети более точно подбирать рекламу под целевую аудиторию. В зависимости от рейтинга каждого пользователя, ему показывают либо рекламу семейного отдыха и подарков на день Святого Валентина, либо рекламу сайта знакомств.

В нашем примере X и Y не имели возможности убедиться в точности прогнозов об их отношениях. Однако в некоторых других случаях люди на собственном опыте узнают, насколько эффективны предиктивные алгоритмы. Одна такая история была рассказана в «New York Times» в феврале 2012 года. Отец девушки-подростка, разозлившись на то, что сеть супермаркетов Target отправила его дочери скидочные купоны на товары для беременных, заявился в ближайший магазин и обвинил управляющего в том, что тот подталкивает его дочь завести ребёнка. Несколько недель спустя ему пришлось извиняться: оказалось, что его дочь на тот момент уже была беременна. Магазин об этом знал, потому что её поисковые запросы и покупки соответствовали профилю женщины, которая ждёт ребёнка.

Эпоха алготрейдеров

Однако всё это цветочки по сравнению с использованием алгоритмов в сфере финансов. Вот уже более 10 лет большинство операций на главных фондовых рынках осуществляются не людьми. Трейдинговые алгоритмы позволяют выиграть время и нивелировать риск человеческих ошибок.

Всё большая доля сделок приходится на высокочастотный трейдинг. Данные инструменты принимают решения за миллионные доли секунды. Время — деньги. Но перегонки между программами также открывают возможности для манипуляций на рынке.

Например, стратегия лейеринга состоит в размещении нескольких ордеров без намерения их исполнять. Цель — заставить других поверить в резкое увеличение или уменьшение спроса или предложения и, следовательно, вызвать изменение цен в нужную сторону. Само собой, подобные манипуляции запрещены; однако нарушение особенно трудно зафиксировать, когда операция длится меньше секунды. Тем не мене, в 2011 году компания Swift Trade получила штраф в размере 8 миллионов фунтов за применение данного метода.

Есть ещё одна похожая тактика — квот-стаффинг; она заключается в наводнении рынка многочисленными ордерами, а затем их внезапной отмене. Единственная цель — создать путаницу, чтобы воспользоваться хаосом самому. Однако иногда путаница может принимать неожиданные масштабы, как это было 6 мая 2010 года, когда индекс Dow Jones потерял почти 1 миллион пунктов, после чего вырос на 600… всего за 15 минут! Так называемый flash crash, вызванный манипуляциями с высокочастотным трейдингом, между 14:42 и 14:57 выглядел, как самый настоящий финансовый кризис, однако его последствия оказались незначительными: снижение на закрытии, но никакой катастрофы. В других случаях flash crash имел более серьёзное влияние на рынок — например, в 2011 году он за несколько секунд обвалил цены на какао и сахар.

Тогда как люди замедляли процесс и пытались поддерживать цены на постоянном уровне, алгоритмы ускоряют обвал, приоритизируя быструю прибыль. Иногда это приводит к потере миллиардов долларов, как это было в 2013 году на Сингапурской бирже. Иногда угроза возникает из-за ошибок в программном обеспечении, как это было в случае с Knight Capital Group, которая потеряла 462 миллиона долларов и оказалась на грани банкротства из-за нескольких строчек кода.

Демократия против алгократии

С каждым годом появляется всё больше научных исследований, посвящённых нашей активности в соцсетях. Михал Косински из Стэнфордской высшей школы бизнеса занимается психометрией — количественным измерением психологических аспектов личности. В 2013 году он стал соавтором статьи, в которой продемонстрировал, что легкодоступные цифровые записи о поведении пользователей (лайки в Facebook) могут быть использованы, чтобы с высокой точностью предсказать целый ряд атрибутов: сексуальную ориентацию, этническую принадлежность, вероисповедание, политические убеждения, характер, уровень интеллекта и счастья, наркотическую зависимость, развод родителей, возраст и пол.

Алгоритм способен предсказать цвет кожи пользователя в 95% случаев, пол — в 93%, сексуальную ориентацию — в 88%, политические взгляды — в 85% и т. д. Самое удивительное во всём этом то, что используемая эконометрическая модель относительно проста: она подразумевает линейные и логистические регрессии, которые умеет применять даже студент-первокурсник на факультете статистики. Косински и его соавторы предупреждают, что компании и правительства могут использовать подобные модели для повышения продаж или влияния на результаты выборов.

В Италии Сильвио Берлускони использовал собственный медиаконгломерат Mediaset для пропаганды своих идей. Исследование, проводившееся с 1980-х по конец 2000-х годов, показало корреляцию между просмотром принадлежащих Берлускони каналов и голосованием за его партию. Однако данная стратегия имеет один недостаток: телевидение обращается к зрителям как группе. Куда более эффективным было бы использование индивидуальной манипуляции, адаптированной под каждого потенциального избирателя.

Именно это сделали двое бизнесменов Стив Бэннон и Роберт Мерсер. Применив открытия Косински, они создали консалтинговую компанию Cambridge Analytica с целью повлиять на результаты выборов. На основе психосоциальных характеристик избирателей, алгоритм отправлял им таргетированную рекламу, которая имела больше шансов их убедить. Если алгоритм, например, исходя из лайков, определял, что конкретный человек является геем, то показывал ему публикации, посвящённые заявлениям того или иного кандидата на тему гомосексуальности.

Роберт Мерсер, бывший сотрудник IBM, — это айтишник, ставший бизнесменом. Консерватор, близкий к американским крайне правым, он оказывает финансовую поддержку антиэнвайронменталистам и антиабортному движению. Стив Бэннон — это альтернативно-консервативный активист, с 2012 по 2016 год руководитель альт-правого сайта Breitbart News, публикующего сексистские, расистские и конспирологические материалы.

Используя большие данные в политических целях, двое бизнесменов хотели предоставить ультраправым алгоритмическое оружие. В ходе праймериз Республиканской партии Cambridge Analytica участвовала в кампании Теда Круза, представляющего наиболее консервативное крыло партии. Компания использовала данные десятков миллионов пользователей Facebook — собранные без их ведома — для таргетированной агитации за Теда Круза. Несмотря на успех во многих штатах и потраченные 6 миллионов долларов, Тед Круз в итоге уступил Дональду Трампу. Мерсер сразу же предложил последнему услуги своей компании, а Бэннон стал руководителем избирательной кампании будущего президента. Как и деньги, данные не пахнут. Алгоритмы оптимизировали агрессивную риторику Трампа. Чернокожие избиратели стали получать видеоролик в стиле «Саус-Парка», в котором Хиллари Клинтон называет афроамериканцев «сверххищниками» (цитата позаимствована из её речи 1996 года, в которой она называет так членов банд).

Но в 2018 году разразился скандал. Бывший сотрудник Cambridge Analytica Кристофер Уайли передал конфиденциальные документы газете «Guardian». Так общественность узнала о том, что данные пользователей Facebook используются без их ведома. Разоблачение имело эффект разорвавшейся бомбы. Скандал принял такие масштабы, что Марк Цукерберг, которого вызвали давать показания перед Конгрессом, вынужден был оправдываться и объявлять о пересмотре политики конфиденциальности.

Компания не смогла пережить этот скандал и объявила о банкротстве. Однако большинство её сотрудников перешли работать в две другие компании: Emerdata и Data Propria. Нет нужды говорить, что эти две компании занимаются точно тем же, чем занималась Cambridge Analytica. Достаточно лишь изменить название, и можно продолжать спокойно вести свои дела. Прямо как у Диккенса, где Монтегю Тигг стал Тиггом Монтегю.

Уничтожат ли алгоритмы мир?

Алгоритмы являют собой реальную угрозу для нашей эпохи. По мнению Бернара Стиглера, они убивают индивидуальность человека. А математик Кэти О’Нил считает, что алгоритмы служат для контроля за населением и способствуют усугублению неравенства; им на откуп отдано слишком много, и это делает их оружием массового поражения.

Рассмотрим в качестве примера получение займа. Поскольку кредит сегодня можно получить онлайн, для банков очень важно давать ответы потенциальным клиентам быстро, иначе те уйдут к конкурентам. В то же время, нужно уметь отличать платежеспособных клиентов от неплатежеспособных. Таким образом, алгоритм должен обладать двумя качествами: скоростью вычислений и способностью к прогнозированию. Что касается последней, то программа учитывает все исходные данные: не только доходы клиента, но также его имя и адрес проживания. Если алгоритм установит, что клиенты по имени Мухаммед (или Мохамед, Моханд, Муамед и т. д.) в прошлом имели трудности с погашением кредита, он автоматически снизит рейтинг всех потенциальных клиентов с этим именем. Точно так же, если окажется, что жители Клиши-су-Буа не выплачивают по кредитам, то алгоритм в дальнейшем будет отказывать проживающим в этом городе. То есть если вас зовут Мухаммед и вы живёте в Клиши-су-Буа, даже если вы при этом имеете докторскую степень по экономике и хотите занять деньги для создания собственного бизнеса, у вас будет меньше шансов на получение кредита, чем если бы вас звали Артур и вы жили в 15-м округе Парижа. Другими словами, алгоритм занимается расовым профилированием. Он отказывает тем, кто похож (статистически) на клиентов, которые имеют проблемы с погашением кредитов. Потенциальные клиенты оцениваются, исходя из того, на кого они похожи, а не того, кто они есть.

Но можно ли сказать, что такая математика цинична, несправедлива и опасна? Вовсе нет. Алгоритмы сегодня — это то же самое, чем когда-то был порох. Изобретённый в Китае в III веке н. э., он поначалу использовался в медицинских целях, но после попадания в Европу в XIII веке начал использоваться в пушках, которые произвели революцию в военном искусстве и значительно увеличили количество убитых на поле боя. Но кого следует в этом винить: порох или тех, кто начал использовать его в военных целях?

Алгоритм выполняет те задачи, для которых его используют. Отказывая человеку в получении кредита, он не выносит никаких оценочных суждений. Отказ исходит не от него, а от того, кто пользуется программой, чтобы принимать более взвешенные решения быстрее. Если бы алгоритма не было, банкир принял бы точно такое же решение, только намного медленнее.

Сократ и большие данные

В эпоху, когда мир, управляемый алгоритмами, становится всё более реальной перспективой, стоит вернуться на 2500 лет назад и послушать, что говорили антики. Гиппий Элидский был софистом и современником Сократа. Благодаря невероятной памяти он считался живой энциклопедией; поскольку он знал всё обо всём, ему не было необходимости думать. Если ему задавали вопрос, ему достаточно было лишь покопаться в своей — как мы бы сказали сегодня — базе данных, чтобы дать ответ. А поскольку он был софистом, если ему задавали тот же вопрос на следующий день, ответ был другим. Гиппий упрекал Сократа в том, что тот постоянно говорит одно и то же, тогда как сам он постоянно менял мнение и заново изобретал себя. Гиппий стремился не к знанию, а к накоплению информации.

В попытках решить квадратуру круга, Гиппий открыл квадратрису, которая в итоге позволила решить другую великую задачу античности: задачу трисекции угла. Благодаря накоплению знаний, Гиппий, сам того не желая, способствовал прогрессу в геометрии. Однако по большей части он просто изрыгал огромное количество информации без какой-либо внятной идеи с одной лишь целью: убедить всех в своей гениальности. «Гиппий меньший», второй диалог, который молодой Платон посвятил своему сопернику, начинается с вопроса, обращенного к Сократу:

«А что же ты, Сократ, молчишь, после того как Гиппий произнёс такую речь? Ты и не одобряешь ничего из сказанного, и не возражаешь, если что-нибудь в ней кажется тебе сказанным неладно».

Сократ исходит из того, что он ничего не знает и что необходимо задавать вопросы, чтобы продвинуться вперёд в философии. Его подход требует терпения и не обещает чудес. Когда Гиппий участвует в игре Сократа, его недостатки разоблачаются, его тщеславие и тщетность его рассуждений становятся очевидны. Сократ же продвигается вперёд, беседуя с Гиппием; само собой, он не приходит к конечной истине, но добросовестно исследует одну её часть.

Сегодня Гиппий — это большие данные. Сократ подаёт нам пример. Алгоритмы и большие данные очень полезны, но именно от нас зависит, как они будут использоваться.

10

ТОЧНОСТЬ, КАК В АПТЕКЕ

Некоторые из этих прорицаний базировались на весьма причудливых подсчётах, где всё было вперемешку: и непременно цифра тысяча, и количество смертей, и подсчёт месяцев, прошедших под властью чумы. … Все эти пророчества объединяла общая черта — утешительность их итогов. И только одна чума не обладала этим свойством.

Альбер Камю, «Чума»

Болезни и цифры

В XVI веке конкистадоры прибыли к берегам Нового Света и привезли с собой оспу, которая вскоре истребила миллионы коренных жителей, что облегчило завоевание континента. Столетие спустя, когда в Европе разразилась эпидемия этой болезни, некоторые начали составлять списки умерших и зараженных для ведения статистики. Эпидемия пошла на спад лишь в начале XVIII века. В 1715 году молодая англичанка леди Мэри Уортли-Монтегю подхватила оспу, но выжила. В следующем году её муж был назначен послом в Османской империи, что позволило леди Мэри сделать первый шаг к искоренению этой болезни, несмотря на противодействие врачей, называвших её шарлатанкой, и духовенства, считавшего эпидемию карой Божьей.

В Константинополе она заинтересовалась методом вакцинации от оспы, состоявшем во введении здоровому человеку небольшой дозы гноя от больного; данный метод позволял выработать иммунитет от болезни на всю оставшуюся жизнь. Мэри Уортли-Монтегю сыграла важную роль в распространении данной практики в Западной Европе. Однако есть и ложка дёгтя в бочке мёда: хоть вакцинация и помогает успешно бороться с болезнью, она иногда приводит к смерти совершенно здоровых людей. И здесь на сцену выходит математика.

В 1724 году английский медик Джеймс Джурин начал собирать статистические данные об умерших от оспы и вакцинированных от данной болезни, став первопроходцем в области использования теории вероятностей — относительно новой на тот момент — в медицине. Он задал себе простой вопрос: является ли вероятность смерти от вакцины значительно более низкой, чем вероятность смерти от заражения оспой? На основе статистических таблиц, сравнивающих вакцинированных людей с остальным населением, он заключил, что «риск умереть от оспы при вакцинации составляет 9 из 440—445, то есть 1 из 49—50», тогда как риск умереть от заражения оспой он оценил в 1 к 14. Сегодня риск при вакцинации оценивается в 2%, а при заражении — в 7%.

Во Франции процесс шёл медленнее: за вакцинацию выступали Вольтер, а позже Шарль Мари де ла Кондамин. Эпидемиологическое моделирование начало обретать форму благодаря усилиям швейцарского математика и медика Даниила Бернулли. Однако во Французской академии наук вакцинация столкнулась с оппозицией в лице Д’Аламбера, который выдвинул моральный аргумент: предпочтительнее ли более низкий и сиюминутный риск вакцинации, чем более высокий и отложенный (возможно, что мы заболеем оспой в старшем возрасте или вообще никогда) риск болезни? Франция не спешила применять теорию вероятностей в медицине.

Напоследок стоит отметить тесную взаимосвязь между оспой и вакциной (от лат. vaccinus — «коровий»). Первая вакцина от оспы с подачи Эдварда Дженнера, отца иммунологии, содержала вирус коровьей оспы. Так, математика стала частью медицины благодаря оспе.

К математике в медицине

В 1812 году Пьер-Симон де Лаплас публикует свою «Аналитическую теорию вероятностей», в которой математическому моделированию болезней посвящены лишь последние несколько страниц. В вышедшем 2 года спустя обновлённом и дополненном издании он уже куда решительнее разрабатывает данную тему. Чтобы выбрать наилучшее лечение, утверждает он, необходимо опираться на вероятность: чем больше количество наблюдаемых случаев, тем с большей уверенностью можно судить об эффективности лечения (это ничто иное, как практическое применение центральной предельной теоремы, разработанной самим Лапласом).

Позже работу Лапласа в данном направлении продолжили другие. Первым из них был Пьер-Шарль Александр Луи, пославившийся своими исследованиями туберкулёза и брюшного тифа. Луи также публично выступал против одного из самых известных хирургов того времени — Франсуа Бруссе, выдающегося врача, но приверженца кровопускания (о нём говорили, что он пролил больше крови, чем было пролито в ходе всех наполеоновских кампаний).

В 1835 году Луи математическим путём продемонстрировал, что кровопускание абсолютно не улучшает состояние больных. Для этого он сравнил пациентов, прошедших данную процедуру, с теми, кто ей не подвергался. Тем самым он воплотил в жизнь то, о чём писал Лаплас, и положил начало «числовому методу», который, по его мнению, необходим, чтобы установить законы в медицине:

«Без этого метода, по сути, существуют лишь отдельные факты, но нет законов, а значит и науки … такой путь не ведёт ни к чему, кроме иллюзий».

Медицина перестаёт быть искусством и становится наукой, в которой статистика является ключевым элементом. В 1840 году Казимир Бруссе, сын Франсуа Бруссе, публикует книгу «От прикладной статистики к патологии и терапии», в которой неоднократно хвалит Луи. Тем не менее, во Франции метод Луи приживается не сразу; а вот в англосаксонском мире его труды, впервые переведённые в 1844 году, пользуются огромным успехом. Местные врачи систематизируют подход, основанный на статистических данных, благодаря чему Пьер-Шарль Александр Луи становится предшественником того, что сегодня принято называть доказательной медициной.

Парадокс Симпсона

Сегодня под доказательной медициной подразумеваются, прежде всего, систематические обзоры клинических испытаний, двойной слепой метод, метаанализ и поперечные исследования. Так же, как в политике и правосудии, в медицине опубликованные цифры редко оспариваются. Но даже самые точные расчёты, основанные на неопровержимых медицинских данных, могут приводить к ошибочным заключениям: так, например, происходит, когда исследователи смешивают разнородные наборы данных.

Возьмём простой пример: в конце XIX века некоторые черепа, найденные в катакомбах Парижа, были измерены с целью установить корреляции и выявить параметры среднестатистического человека (все ли черепа имеют одинаковую форму и одинаковое соотношение длины и ширины?). Поскольку между мужскими и женскими черепами были очевидные различия, необходимо было рассматривать их отдельно. На основании изучения 806 мужских черепов корреляция составила 8,7%, что позволяло сделать вывод, что чем длиннее череп, тем он шире. В случае же с 340 женскими черепами корреляция составила -4,2% (отрицательное значение означает, что более длинный череп немного уже). Сильно упрощая, можно сказать, что женский череп скорее овальный, а мужской — скорее круглый. Но малые значения (к тому же, одно положительное, а другое отрицательное) указывают на то, что корреляция между длиной и шириной черепа незначительна. А вот если рассчитать корреляцию для мужчин и женщин вместе, то получим показатель 19,7%, который наталкивает на мысль (неверную) о том, что корреляция действительно существует. Смешение двух гетерогенных групп даёт контринтуитивный результат: корреляция оказывается значительно выше, чем в каждой из групп по отдельности.

Данный пример, описанный Карлом Пирсоном в 1899 году, иллюстрирует то, что позже будет названо парадоксом Симпсона. Вывод: из смешения неоднородных данных можно вывести что угодно. В медицинском контексте данная ошибка может иметь пагубные последствия, например, искажая показатели эффективности лечения. К сожалению, подобных примеров предостаточно.

Рассмотрим пример врача, который хочет выбрать наилучший курс лечения для своего пациента, страдающего от камней в почках. С этой целью он знакомится с исследованием, в котором сравниваются хирургическое вмешательство (лечение А) и чрескожная нефролитотомия (лечение В). Вывод кажется очевидным: при лечении А эффективность составляет 78% (273 вылеченных пациента из 350), тогда как при лечении В — 83% (289 из 350). Врач, убеждённый в том, что данные однозначны, советует пациенту лечение В, думая, что действует в соответствии с принципами доказательной медицины. Однако здесь кроется парадокс Симпсона: несмотря на цифры, лечение А на самом деле намного эффективнее лечения В. Чтобы получить достоверный результат, недостаточно одних лишь процентных показателей и скрупулёзных наблюдений. Необходимо принимать во внимание все аспекты вопроса. В данном случае не был учтён тот факт, что существует два типа камней: большие и маленькие (больше и меньше 2 см).

В случае с маленькими камнями, эффективность лечения А составляет 93% (81 из 87), а лечения В — 87% (234 из 270). В случае с большими, эффективность лечения А — 73% (192 из 263), а лечения В — 69% (55 из 80). Отсюда видно, что лечение А эффективнее в обоих случаях и что лечение А чаще используется при больших камнях, которые лечить труднее. Из 350 случаев лечение А использовалось при больших камнях 263 раза, тогда как лечение В — всего 80 раз. Именно из-за использования при большем количестве тяжёлых случаев лечение А в итоге имеет более низкую эффективность. Лечение В, наоборот, за счёт большого количества случаев с маленькими камнями, лечение которых чаще заканчивается успехом, имеет более высокие показатели. Как и в примере, который приводит Пирсон, к неверной интерпретации результатов приводит смешение двух разнородных наборов данных.

Другая очень распространённая ошибка при интерпретации статистики состоит в смешении корреляции и каузации: из того, что X и Y имеют место одновременно, выводится, что X — это причина или следствие Y. Простой пример: количество солнечных ожогов коррелирует с количеством проданного на пляже мороженого. Тем не менее, неверно заключать, что потребление мороженого — это причина или следствие солнечных ожогов. Скорее, оба явления — следствия третьего, а именно температуры: чем жарче, тем чаще люди едят мороженое и тем сильнее солнце обжигает кожу. Данный пример вызывает улыбку, однако смешением корреляции и каузации грешат многочисленные научные статьи.

В 2018 году в серьёзном научном журнале «JAMA Internal Medicine» была опубликована статья, в которой авторы, используя выборку в 70 000 человек, сравнивали тех, кто регулярно питался органическими продуктами, с остальными. Они пришли к выводу, что потребление органических продуктов снижает риск заболевания раком на 25%. СМИ мгновенно подхватили это исследование. Парижская медицинская академия, однако, призвала не спешить с выводами:

«Данное исследование представляет интерес, и авторы проделали важную работу. Тем не менее, ряд методологических ошибок не позволяют нам согласиться с выводами авторов. … Две группы людей, которые сравниваются в исследовании, отличаются не только тем, что одни питаются органическими продуктами, а другие — нет, но и другими факторами: полом, возрастом первой беременности (определяющим фактором при риске развития рака молочной железы), потреблением фруктов и овощей, социально-экономическим положением, физической активностью… все эти факторы могут объяснять различия в заболеваемости».

Решение питаться органическими продуктами действительно связано с определёнными социоэкономическими факторами (нужно, прежде всего, иметь достаточно средств и располагать временем на приготовление пищи); оно также свидетельствует о заботе о собственном здоровье (люди, которые избегают пестицидов, также обычно не курят).

Вопреки тому, что часто можно услышать, цифры не говорят сами за себя. Всегда можно сделать так, чтобы они говорили то, что нужно нам.

Несколько слов о недугах

Ещё один источник двусмысленности — это манипуляция определёнными терминами, которые используются в медицине. Например, понятие риска заболеваемости регулярно используется так, чтобы придать ему желаемый смысл.

Фармацевтическая промышленность, действующая согласно знаменитому афоризму генерала де Голля: «Никогда не следует лгать, но хитрить не запрещено», быстро осознала выгоду понятия о риске (без уточнения, идёт ли речь об абсолютном или относительном риске). Авторы Жан-Пьер Тьерри и Клод Рембо в своей книге «Избыток лечения вреден» показывают, насколько важно проводить различие между относительным (связанным с данной подгруппой) и абсолютным риском (относящимся к населению в целом). Они приводят пример предлагаемого пациентам, пережившим сердечный приступ, препарата, который должен снизить риск рецидива на 28%. Подобный результат на первый взгляд кажется весомым. Однако не стоит спешить с выводами:

«Цифра [в 28%] соответствует тому, что в статистике называется "относительным риском", и ничего не сообщает о "реальном риске" заболевания. Она была получена в результате сравнения двух групп из 100 человек: в первой из 100 принимавших препарат пациентов у 5 случился сердечный приступ; во второй пациенты получали плацебо, и у 7 из них случился сердечный приступ. Таким образом, приём препарата снизил риск заболевания на 28%, если учитывать только пациентов, у которых фактически произошёл повторный сердечный приступ».

То есть заявленный процент относится только к 7% участников исследования, а к остальным 93% — нет. Если рассчитать абсолютный риск, то окажется, что в реальности препарат снижает риск редицива всего на 2%. Само собой, в интересах фармацевтической компании приводить цифру относительного риска, которая по необходимости будет более высокой.

Ещё один способ манипулирования — это количественное изменение номенклатуры. Именно так было в случае с уровнем холестерина в крови. Всё началось с американского физиолога по имени Ансель Киз. Он опубликовал исследование в 1963 году, а затем и книгу в 1980, в которых утверждал, будто анализ 10 000 пациентов из 7 стран позволил ему установить взаимосвязь между избытком холестерина и сердечно-сосудистыми заболеваниями. В его трудах не было никаких признаков манипуляции… помимо того факта, что некоторые страны (в том числе Франция) не были включены в анализ, поскольку эти данные не согласовались с гипотезой Киза.

Редко упоминаемый в контексте холестерина факт связан с манипуляцией цифрами на конференции в Бетесде, организованной Национальными институтами здравоохранения США. Конференция, прошедшая в декабре 1984 года, была посвящена нездоровому питанию в США и его возможной связи с увеличением количества случаев сердечно-сосудистых заболеваний. Во-первых, обсуждалась скорее нездоровая пища, а не холестерин. Во-вторых, эксперты признавали, что всё не так просто, как кажется на первый взгляд:

«Есть многочисленные подтверждения взаимосвязи между высоким уровнем холестерина в крови и сердечно-сосудистыми заболеваниями. Тем не менее, есть сомнения насчёт того, что здесь существует причинно-следственная связь».

Иначе говоря, похоже, что связь действительно есть, но далеко не факт, что снижение уровня холестерина снижает и риск проблем с сердцем. Возможно, существует ещё третий фактор, следствием которого является высокий уровень холестерина. Несмотря на это, эксперты заключают:

«Анализ доступных данных показывает, что уровень выше 200 — 230 мг/дл связан с повышенным риском преждевременного развития сердечно-сосудистых заболеваний. Поразительно, но это затрагивает около 50% процентов взрослого населения США».

Максимальный уровень холестерина внезапно снижается с 3 до 2 граммов на литр, несмотря на то, что сами эксперты выражали сомнения в наличии причинно-следственной связи. Как следствие, половина взрослых американцев попадают в группу риска. Десятки миллионов людей начинают принимать препараты для снижения холестерина. Невероятная удача для производителей! Тем более, что позже порог был снижен до 1,6.

Стоит отметить, что финансирование Национальных институтов здравоохранения непрозрачно. Можно предположить, что фармацевтическая отрасль — их крупнейший донор. Снизив допустимый уровень холестерина, собравшиеся в Бетесде учёные хотели одновременно улучшить здоровье населения и дать своим спонсорам повод к продолжению финансирования. Деньги — залог крепкой дружбы. В выигрыше все — кроме рядовых граждан, которые за одну ночь из здоровых превратились в больных. Как говорил доктор Нок: «Здоровый человек — это просто больной, который ещё не знает о своей болезни».

Вредные вакцины

В развитых странах всё большей людей отказываются прививать своих детей. Как правило, приводится один из двух аргументов: 1) некоторые вакцины сегодня бесполезны, так как болезни, от которых они защищали, искоренены; 2) вакцины представляют опасность, поскольку ослабляют иммунитет ребёнка. Дискуссии ведутся и внутри научного сообщества. Но, главным образом, вопрос об опасности вакцин является актуальным сегодня потому, что некоторые исследователи усложняют нам жизнь.

Рассмотрим научную статью, опубликованную в 1998 году британцем Эндрю Уэйкфилдом и 12 другими исследователями в журнале «The Lancet». Согласно авторам, у детей, которым была введена вакцина MMR (комбинированная вакцина против кори, эпидемического паротита и краснухи), через несколько дней появлялись симптомы энтерколита и аутизма. После выхода этой статьи мгновенно поднялась шумиха насчёт опасности вакцин.

Данная история обернулась скандалом, когда обман Уэйкфилда был разоблачён журналистом Брайаном Диром. Читатель сразу же насторожится, узнав о том, что в исследовании Уэйкфилда участвовало всего 12 детей. Более того, он выбрал детей, страдавших аутизмом и проблемами с кишечником.

Это именно то, что принято называть систематической ошибкой отбора. Она имеет место, когда выбранные для исследования люди не являются репрезентативными для населения в целом. Только в случае Уэйкфилда ошибка была намеренной. Поговорив с семьями 12 детей, Брайан Дир узнал, что вопреки заявлениям Уэйкфилда о том, что симптомы аутизма появились через несколько дней после введения вакцины, на самом деле всё было иначе: у одних симптомы появились только через полгода, а у других — вообще до прививки. Почему родители согласились участвовать в этом обмане? Большинство из них были членами группы, стремившейся доказать взаимосвязь между вакцинацией и аутизмом.

Зачем Уэйкфилд манипулировал цифрами? Дир выяснил, что его целью было собрать более 2 миллионов фунтов для создания компании, выпускающей ослабленную вакцину и тесты для диагностики аутизма. Всё это должно было принести более 3 миллионов фунтов за первые 3 года, а в конечном счёте — 30 миллионов.

Уэйкфилд предстал перед судом в 2010 году. Его статья была отозвана и ему было запрещено заниматься медицинской практикой. Тем не менее, миф о том, что вакцина MMR вызывает аутизм, имел серьёзные последствия: сокращение вакцинирования привело к вспышке свинки в Нью-Йорке в 2009 году и коклюша в Калифорнии в 2010.

Мания прогнозирования

Математические модели для анализа эпидемий появились в XVIII веке и постоянно совершенствуются. Сегодня они опираются на ИТ-инструменты, объединяющие самые разные демографические данные и использующие, например, сигналы мобильных телефонов для анализа взаимодействия людей (данная практика получила известность во время пандемии коронавируса, однако использовалась и намного раньше, в частности в Африке с целью ограничить распространение Эболы). С помощью этих инструментов исследователи симулируют цепочки передачи болезней, что позволяет властям принимать более оптимальные решения для защиты здоровья граждан. Однако если применительно к эндемическим заболеваниям и относительно хорошо изученным вирусам (вроде сезонного гриппа) прогнозы довольно надёжны, этого никак не скажешь о новых заболеваниях.

Так в начале вспышки коровьего бешенства прогнозы о распространении варианта Крейтцфельдта — Якоба оказались крайне ошибочными. В начале 2000 года, используя математическую модель, учитывающую количество потенциального зараженного мяса и инкубационный период болезни, исследователи в статье, опубликованной в журнале «Nature», объявили, что в одной только Великобритании умрёт до 136 000 человек. В дальнейших исследованиях цифра выросла до 500 000. Однако, вопреки мрачным прогнозам, за 12 лет от болезни умерло всего 173 человека в Великобритании, 27 во Франции, 5 в Испании и 4 в Ирландии.

Это далеко не единственный пример. После коровьего бешенства пришёл черёд SARS (тяжёлого острого респираторного синдрома), возникшего в ноябре 2002 на юго-востоке Китая. Спустя 5 месяцев ВОЗ выпустило глобальное предупреждение о данной болезни, вызываемой коронавирусом. Власти хотели знать, с чем они имели дело, и запросили математические модели. В апреле 2003 года в Институте Пастера прошла пресс-конференция, на которой гонконгские и французские исследователи заявили, что пути распространения этой атипичной пневмонии будут схожи с путями распространения гриппа, и что заболеть может 30% населения мира, то есть около 2 миллиардов человек.

Что касается числа жертв, то, согласно статье, опубликованной в «Lancet», уровень смертности должен был составить от 43 до 55% среди людей старше 60 лет и от 7 до 13% среди более младших. Если бы данный прогноз, сделанный на основе выборки из 1 425 госпитализированных больных, оказался верным, умерло бы около 190 миллионов человек. Однако на деле количество умерших от SARS во всём мире не превысило 800.

Два года спустя, в 2005 году, были зарегистрированы первые случаи передачи вируса птичьего гриппа человеку. По мнению некоторых эпидемиологов, вирус H5N1 должен был привести к смерти 150 миллионов человек. Но прогнозы вновь оказались очень далёкими от реальности: за 4 года во всём мире умерло меньше 260 человек. В 2009 году возник ещё один новый вирус — H1N1. Расчёты, опубликованные в начале эпидемии, предсказывали смертность на уровне 10% (на самом деле она оказалась ниже 1%). Ещё около 10 лет спустя появился Covid-19, и первые цифры, опять же, были очень далеки от реальности.

Почему математические модели настолько ненадёжны? На момент первых случаев заражения число больных ещё слишком мало, чтобы достоверно отражать тренд. Получение точных данных требует времени, тогда как политики требуют предоставить им цифры незамедлительно.

К сожалению, когда возникают чрезвычайные ситуации в области общественного здравоохранения, статистические ошибки изобилуют. Одна из них вышла на первый план при обсуждении смертности от Covid-19 в начале 2020 года. Чтобы как можно скорее оценить смертоносность вируса, специалисты разделили число смертей на число инфицированных, а затем помножили результат на 100. Однако полученная таким образом цифра имеет смысл только в момент t. Поскольку инкубационный период может составлять несколько недель, а госпитализация в тяжёлых случаях может длиться до месяца, деление числа смертей на число инфицированных бессмысленно, если мы не можем гарантировать, что инфицированные не умрут от болезни. Чтобы получить достоверный показатель смертности, необходимо разделить число смертей на число инфицированных, которые выздоровели. Однако число инфицированных по определению неизвестно до тех пор, пока всё население не будет протестировано. В такой ситуации уровень смертности не имеет смысла, так как по определению является завышенным.

Учитывая вышесказанное, всё сводится к вопросу о том, что предпочтительнее: сиюминутный, но вероятно ложный результат, или отложенный, но вероятно верный? Масштабы погрешности поражают: в случае с коровьим бешенством, математические модели завысили количество умерших в 100 000 раз, а в случае с H5N1 — в миллион! Несмотря на это, власти продолжают отдавать предпочтение первому варианту. Почему? Биоматематик Антуан Флао из Института всемирного здравоохранения говорит:

«Возможно, мы — и население, и учёные, и политики, и даже журналисты — просто не хотим признавать, что эпидемии могут быть непредсказуемыми».

Однако спешка, неполные или неточные данные и статистические ошибки не объясняют всего. Некоторые ошибочные прогнозы, касающиеся новых заболеваний, проистекают из культуры секретности, существующей в некоторых странах. Это не новое явление. Хотя оно вновь вышло на первый план во время пандемии Covid-19, то же самое имело место столетие назад во время одной из крупнейших пандемий в истории. Почему болезнь, пандемия которой случилась в 1918–1919 годах и унесла жизни десятков миллионов людей, получила название «испанский грипп»? Дело в том, что информация об этой болезни, возникшей в США, цензурировалась пребывающими в состоянии войны странами. А поскольку Испания, напрямую не участвовавшая в конфликте, не контролировала свои СМИ, именно местные журналисты первыми объявили о пандемии. Стоит отметить, что данная болезнь известна как испанский грипп во всём мире, кроме Испании, где она называется болезнью «неаполитанского солдата».

Нерешаемое уравнение коронавируса

Пандемия Covid-19 показывает, насколько трудно сделать так, чтобы цифры имели смысл. В начале весны 2020 года показатели смертности сильно варьировались между странами (Италия декларировала смертность на уровне 8,33%, а Германия — всего 0,22%).

Что касается Китая, то можно ли поверить в то, что в этой стране было всего 3 500 смертей зимой 2019–2020 годов, учитывая, что одна китайская провинция размером с целую страну? В одном только Ухане проживают 9 миллионов человек, и врачам совершенно точно потребовалось время, чтобы понять, что стоит за необычным увеличением количества случаев пневмонии. Если бы данные были верны, смертность составила бы 0,04%, что не могло вызвать тревогу целой страны. Очевидно, что количество смертей от Covid-19 было сильно занижено, что имело значительные последствия для Запада, который из-за этого недооценил масштаб угрозы.

Что касается низкой смертности в Германии в начале пандемии, то она была частично обусловлена своевременным и массовым скринингом, который позволял быстро оказывать помощь пациентам с положительным результатом теста (к тому же, количество коек в отделениях интенсивной терапии там значительно выше, чем, например, во Франции или Италии). Массовое тестирование населения автоматически увеличивает знаменатель в уравнении смертности (число умерших от вируса, поделённое на число инфицированных); как следствие, показатель смертности существенно снижается. А ещё в Германии не проводили тесты post mortem, тогда как во Франции и Италии всех умерших, которые были инфицированы, включали в статистику смертей от Covid-19. Но поскольку было множество бессимптомных случаев, можно с уверенностью сказать, чтобы если бы Германия придерживалась одного с большинством стран протокола, то показатели смертности там были бы намного выше. Одним словом, увеличив знаменатель и уменьшив числитель, немцы неизбежно получили более низкую смертность.

Ко всему вышеперечисленному следует добавить ещё один фактор: период задержки между моментом, когда человек умирает от болезни, и моментом, когда его смерть включается в базу данных. Во Франции эта задержка составляет от нескольких дней до нескольких месяцев. Так что Китай был не единственной страной, обнародовавшей недостоверные цифры.

От цифр эпидемии к эпидемии цифр

В 1662 году галантерейщик из Лондона Джон Граунт создал первые таблицы смертности и пытался внедрить систему эпидемиологического надзора с целью предупредить распространение бубонной чумы. В 1947 году Альбер Камю опубликовал «Чуму», роман, в котором он очень точно подметил, что во времена эпидемий цифры являются единственным способом осмыслить невидимое зло: достижение пика кривой Гаусса служит источником надежды. Что касается победы над чумой, то она у Камю описывается при помощи отсылки не к людям, а к цифрам. Всё начинается с цифр и заканчивается цифрами. Статистические данные затмевают собой смерть людей:

«Между тем новость была у всех на устах и в глубине каждого сердца зарождалась великая, потаённая надежда. Всё прочее отступало на задний план. Новые жертвы чумы казались чем-то маловажным по сравнению с ошеломляющим фактом: кривая заболеваний пошла вниз».

Так же, как западная медицина атомизировала человеческий организм, перейдя от лечения людей к лечению болезней, так и политика в 2020 году атомизировала общество, сосредоточившись на анализе цифр и превратив каждого гражданина в строку данных, имеющую смысл лишь в сочетании с миллионами других строк. Необходимо было постоянно подводить итоги пандемии, выраженные в количестве госпитализированных и выписанных пациентов, новых заражений и смертей.

Любой кризис обнажает недостатки системы. Вопреки расхожему мнению, Covid-19 обнажил не столько кризис системы здравоохранения, сколько кризис политики цифр. Во многих странах за последние несколько десятилетий политика цифр привела к сокращению государственных услуг, недостаток которых в том, что они прямо не способствуют экономическому росту. Пандемию власти тоже рассматривали исключительно через призму цифр. Ни одно из их решений не принимало во внимание психологические или социальные аспекты. Цели и вызовы связанного с пандемией кризиса формулировались в понятиях вероятностей (усугубления или ослабления пандемии), а после него — в понятиях экономических индикаторов, главным из которых был показатель роста.

©Antoine Houlou-Garcia

Это сокращённая версия книги. Оригинал можно почитать тут.