Экспонента. Как быстрое развитие технологий меняет бизнес, политику и общество - Азим Ажар

занижен на 100% — или на бесконечность, в зависимости от того, как считать. В течение этого десятилетия мы смотрели на то, как экспоненциальная технология падала в цене и росла в масштабах, и систематически ошибались[116].

Однако проблема не только в том, что мы недооцениваем экспоненциальный рост. Эксперты, которые помнят о силе экспоненциальности, также бывают склонны ее переоценивать. В книге The Age of Spiritual Machines («Эпоха духовных машин»), написанной в 1999 году, Рэй Курцвейл предсказал, что к 2019 году компьютер за 1000 долларов будет «примерно равен аналитическим способностям человеческого мозга»[117]. Этот прогноз оказался оптимистичным. Когда пытаешься соотнести быстрый, экспоненциальный рост с чрезвычайно сложной проблемой, небольшая ошибка в основных предположениях может свести на нет весь прогноз. А когда речь идет о такой сложной нейронной сети, как человеческий мозг, сделать правильные предположения практически невозможно. Согласно сегодняшним данным, в человеческом мозге около 100 миллиардов нейронов[118]. Каждый нейрон связан в среднем с тысячей других, что позволяет ученым предположить, что в нашем мозге 100 триллионов связей[119]. Если эти оценки окажутся верными и если мы правильно понимаем функции нейронов, то машину, имитирующую сложность мозга, можно будет создать в течение нескольких десятилетий. Но эти «если» слишком большие. Когда наше научное понимание предмета еще только формируется, прогнозы оборачиваются всего лишь догадками[120].

Аналогичная, хотя и не столь острая головная боль — беспилотные автомобили. В 2019 году Илон Маск заявил, что к концу 2020 года автомобильная компания Tesla выпустит на дороги миллион самоуправляемых такси, которые он назвал «роботакси»[121]. На самом деле их число — ноль. И Tesla не одинока. Ни одна компания по производству самоуправляемых автомобилей не достигла своих целей. Оказалось, что с технической точки зрения проблема гораздо сложнее, чем готовы были признать создатели этой технологии. Когда вы садитесь в автомобиль, чтобы сгонять в бакалейную лавку, вам приходится на каждую преодоленную милю принимать примерно 160 решений. Это вроде и не так уж много, но когда решения основаны на почти безграничном количестве переменных, то масштаб проблемы становится куда серьезнее[122].

Проблемы недооценки и переоценки осложняются третьим моментом — непредвиденными последствиями, которые вообще не фигурируют в прогнозах. А у экспоненциальности неожиданные последствия возникают часто. Возьмем жевательную резинку. За десять лет, начиная с 2007 года, ее продажи в Америке упали на 15% — как раз в то время, когда 220 миллионов взрослых американцев приобрели свой первый смартфон. И это не просто совпадение. Когда люди стояли в очереди к кассе продуктового магазина, они убивали время, рассматривая лежащие на прилавке перед кассой товары, и жвачка была очевидной спонтанной покупкой. Теперь же все погружены в свои телефоны. Именно поэтому продажи жевательной резинки упали[123]. Никто этого предвидеть не мог. Чтобы предсказать влияние iPhone на продажи жвачки в продуктовых магазинах, понадобился бы современный Нострадамус.

Наша неспособность делать аккуратные прогнозы относительно экспоненциального роста достигла пика в 2020 году. Когда началась пандемия COVID-19, большинство из нас постоянно недооценивали, насколько быстро она будет распространяться. На ранних стадиях развития болезни число новых случаев заражения может быть незначительным. Но если темпы роста неумолимо увеличиваются, вскоре вы столкнетесь с проблемой. За две недели, начиная с 15 февраля 2020 года, в США было выявлено всего 60 новых случаев заболевания COVID-19. В следующие две недели было обнаружено 3753 новых случая, в последующие две недели — 109 995. К середине ноября добавлялось по 150 000 случаев в день.

В первые дни общественность и политики, по крайней мере в Америке и Европе, не могли охватить умом этот экспоненциальный рост. Политики, от Дональда Трампа до Бориса Джонсона, постоянно преуменьшали связанный с ним риск. Исследования, опубликованные в первый год пандемии, продемонстрировали то самое предвзятое отношение к экспоненциальному росту. На всех этапах пандемии люди недооценивали будущий ход распространения болезни. Участникам исследований, у которых были данные о росте числа зараженных за три недели, было предложено предсказать уровень заражения через неделю и две недели. Несмотря на наличие информации, люди очень плохо угадывали будущую траекторию развития болезни[124]. В среднем они недооценили первую неделю на 46%, вторую — на 66%. Делать прогнозы в эпоху экспоненциального роста трудно, и мы часто совершаем ошибки.

* * *

Если главная причина экспоненциального разрыва — наша неспособность предсказать темп экспоненциальных изменений, то вторая по значимости причина — наша неспособность адаптироваться к ним. Скорость изменений растет, а общество перестраивается гораздо медленнее. В наши институты встроена склонность к инкрементализму[125].

В том, что быстрые технологии опережают наши медленные институты, нет ничего нового. Это, наверное, одно из основных и неизбежных последствий инноваций. В XIX веке прорыв в области промышленных механизмов превратил британскую экономику в ведущую в мире. Но тут возникла заминка. В течение пятидесяти лет ВВП Великобритании быстро рос, но зарплата рабочих оставалась прежней; историк экономики Роберт Аллен называет это «паузой Энгельса»[126]. Те, у кого был капитал для инвестиций в новое оборудование, преуспели, потому что именно технологии были движущей силой роста. Но чтобы заработная плата рабочих наверстала разрыв, потребовались десятилетия[127].

Проблема была не только в заработной плате. Промышленная революция действительно означала рост благосостояния, увеличение продолжительности жизни и улучшение ее качества для всех. Но для большинства рабочих первым эффектом индустриализации стало изменение условий труда — часто нежелательное. Начиная с конца XVIII века технологии переместили миллионы людей с полей, ферм и мастерских на фабрики. В 1760-х годах, до начала промышленной революции, британский рабочий трудился в среднем 41,5 часа в неделю. К 1830 году этот показатель вырос до 53,6 часа — продолжительность рабочего дня увеличилась на 1,5 часа[128]. К 1870-м годам, когда викторианская экономика в основном завершила переход от сельского хозяйства к промышленности, рабочий трудился 57 часов в неделю. Требования начальной индустриализации затронули и другие страны современного развитого мира. К 1870 году средний американец работал 62 часа в неделю, а австралиец — всего на 6 часов меньше.

Чарльз Диккенс лучше других авторов показал XIX век как время эксплуатации, страданий и бедности. В романе «Тяжелые времена», опубликованном в 1854 году, Диккенс описывает ужасные условия жизни в промышленных городах на севере Англии, где копоть и пепел висят в воздухе, рабочие почти ничего не получают и при этом постоянно работают. Но условия труда нового времени были печально известны еще до Диккенса. В 1814 году английский поэт Роберт Саути, прикинувшись испанским дворянином[129], так описывал жизнь рабочих в Бирмингеме:

У меня до сих пор кружится голова от стука прессов, грохота моторов и