Почему люди думают так ограниченно? Причина проста: это глубоко укоренившееся наследие палеолита. На протяжении сотен тысяч лет тот, кто стремился к краткосрочной выгоде в узком кругу родственников и друзей, жил дольше и оставлял больше отпрысков, даже когда коллективная борьба приводила к разделу охватывающей территории, возглавляемой вождем племени, или падению целой империи. Долгосрочный прогноз, который мог бы спасти их отдаленных потомков, требовал дальновидности и продолжительного альтруизма, следовать которым инстинктивно трудно».
См. также Miller (2000): «У эволюции нет дара предвидения. У нее отсутствует долгосрочное видение руководства фармацевтической компании. Биологический вид не может привлечь венчурный капитал для оплаты счетов, пока его исследовательская команда работает на будущее… Каждый вид вынужден на протяжении каждого поколения оставаться вновь и вновь «биологически прибыльным», иначе он просто-напросто вымрет. У видов всегда существуют проблемы с «денежными потоками», препятствующие спекулятивным инвестициям в свое будущее. Главное то, что всякий ген, лежащий в основе каждой потенциальной инновации, должен обеспечить более высокую эволюционную отдачу, нежели гены, конкурирующие с ним, иначе он исчезнет, прежде чем инновация хоть сколько-нибудь разовьется. И это затрудняет объяснение инноваций».
Глава 6
Одураченные перекосом в сторону отрицательного результата. Первую подсказку, которая объясняет популярность исходов с перекосом в сторону отрицательного результата, можно встретить уже в ранней литературе о поведении в условиях неопределенности в виде проблемы «малых чисел». Тверски и Канеман в своей совместной работе (Tversky и Kahneman, 1971) пишут: «Мы утверждаем, что люди считают всякую случайную выборку из популяции высоко репрезентативной и тем самым подобной всей популяции во всех ее существенных характеристиках». Отсюда проистекает ошибка индукции — убежденность в том, что из наблюдаемых фактов можно вывести общие свойства, «необоснованная уверенность в изначальном наличии трендов» и в стабильности наблюдаемых моделей, а также получение заключений, которые характеризуются бóльшим доверием к ним, нежели это может быть оправдано имеющимися данными. И что хуже всего, субъект исследования находит объяснения с помощью причинно-следственной связи или, скажем, обнаруживает характеристики распределения, подтверждающие его неправомерные обобщения. Легко видеть, что проблема «малых чисел» усугубляется перекосом, поскольку в большинстве случаев наблюдаемые средние величины будут отличаться от истинных средних значений, а наблюдаемое отклонение будет, по большей части, ниже истинного. А теперь учтите тот факт, что в жизни — в отличие от лаборатории или казино — мы не можем наблюдать вероятностное распределение, на основании которого получаются случайные величины: мы видим лишь реализации этих случайных процессов. Было бы прекрасно, если бы мы могли измерять вероятности, но пока дело обстоит так, что мы не можем делать это теми же способами, какими мы измеряем температуру или рост человека. Это значит, что, когда мы вычисляем вероятности, опираясь на данные, относящиеся к прошлому времени, мы делаем предположения о перекосе при генерации случайных последовательностей, при этом все данные обусловлены генератором. Короче говоря, при наличии перекоса в программных пакетах начинает действовать маскировка истинных свойств, а мы