Страница 3 из 5
В точке бифуркации вы уже не делаете выбор, сама система делает выбор за вас. И нередко, а точнее очень часто, этот выбор нас ошеломляет. В точке бифуркации мы сталкиваемся с ситуацией неожиданности. Как же так, такой хороший мальчик, играл на скрипке, приносил хорошие оценки и вдруг ограбил бабушку и загремел за решетку?
Все дело в том, что за пределами точки бифуркации поведение системы невозможно спрогнозировать с относительно удовлетворительным уровнем надежности и точности. Методы и инструменты, которые мы используем для принятия решений и прогнозирования в те времена, когда система находится в равновесии (0–18 лет), перестают работать после преодоления точки бифуркации. Это другой мир, другая Вселенная. Здесь не работают логика и здравый смысл, здесь не поможет ваш жизненный опыт, здесь не действуют законы, на которые вы привыкли опираться в обычной жизни. Здесь правят законы систем. Это не часы – это облако.
Представьте, вы заблудились в пригороде Парижа лет эдак 30 назад. Смартфонов и навигаторов еще не изобрели, а в кармане у вас есть бумажная карта. Правда, не Парижа, а Урюпинска, где вы гостили у вашей бабушки прошлым летом. Будем ли мы использовать карту Урюпинска для того, чтобы найти нужную дорогу в пригороде Парижа? Ответ очевиден: нет. Мы будем использовать другие инструменты: спросим на ломаном французском первого попавшегося прохожего, доверимся интуиции, вспомним школьную программу ОБЖ по ориентированию на местности и т. д. Так почему же мы используем неправильные карты в жизни, когда вместо этих карт нам надо прибегнуть к совершенно другим инструментам? Это проблема нашего несистемного мозга: он считает, что отсутствие какой-либо карты всегда хуже, чем неправильная карта. Системное мышление позволяет исправить эту ошибку.
Один человек – просто, два человека – сложно
Итак, вокруг нас, да, собственно, и внутри нас, сплошь и рядом сложные самоорганизующиеся системы. Сложность и самоорганизация свидетельствуют о непредсказуемости поведения таких систем и о том, что наши традиционные методы анализа и прогнозирования не работают. Именно по причине сложности и самоорганизации ни здравый смысл, ни опыт, ни логика не помогают, а часто даже мешают нам осознать процессы, происходящие в таких системах, и сделать правильные выводы, принять верные решения.
Сложность и самоорганизация. Разберем эти характеристики по порядку, это важно.
Сложность. Очевидно, сложность означает, что система состоит из нескольких элементов. Причем сложной можно назвать систему, состоящую всего лишь из двух элементов. Наличие всего лишь двух элементов уже автоматически означает сложность. Ибо сложность характеризуется не количеством элементов, а количеством взаимосвязей между ними. Чем больше взаимосвязей, тем сложнее система. Иногда эти взаимосвязи невидимы, иногда мы даже не догадываемся об их существовании. Именно скрытость взаимосвязей не позволяет нам спрогнозировать поведение сложной системы с желаемым уровнем достоверности и точности.
Один человек – система простая. Два человека – система сложная. Это означает, что поведение отдельно взятого человека предсказуемо с высокой степенью точности. «Отдельно взятого» – значит, что в данный момент времени этот человек не находится в окружении других людей и, следовательно, не подвержен их влиянию.
А вот спрогнозировать поведение системы, состоящей всего лишь из двух людей, сложно. Мы можем быть чуть ли не на 100 % уверены, как поведет себя каждый человек из этой пары, но взятый по отдельности. Однако это не поможет нам спрогнозировать поведение пары. Другими словами, в сложных системах 1 + 1 не равняется двум. И вообще, чему будет равно 1 + 1, в сложных системах, заранее сказать невозможно. Это может быть и 0, и 1, и 2, и 100. Физики говорят, что сложность системы растет нелинейно по мере увеличения количества элементов этой системы.
Сложность возрастает по мере увеличения числа элементов в системе и, соответственно, количества взаимосвязей между ними. Поведение толпы на площади менее предсказуемо, чем поведение пассажиров в купе.
Возрастание сложности по мере увеличения числа элементов в системе носит нелинейный характер. Вот как это выглядит. Предположим, вы придумали пароль из пяти символов. Для того чтобы его взломать, необходимо перебрать около 60 миллионов вариантов. Допустим, вы решили повысить надежность пароля и добавили еще один символ. То есть теперь ваш пароль или секретный код состоит из шести символов. Как думаете, какое теперь количество переборов необходимо совершить, чтобы взломать ваш пароль? На первый взгляд, кажется, что если сложность увеличилась с пяти до шести единиц, то есть на 20 %, то и количество возможных комбинаций увеличится пропорционально. Этот ответ не учитывает системные эффекты. На самом деле количество переборов вырастет далеко не на 20 % и даже не в два раза. Теперь, чтобы взломать новый пароль, вместо 60 миллионов необходимо обработать более 2 миллиардов вариантов. То есть при увеличении количества элементов в системе всего лишь на одну единицу (или на 20 %) сложность системы выросла более чем на 256 %! Если в купе зайдет пятый пассажир, сложность этой группы людей вырастет в разы, а предсказуемость их поведения в разы уменьшится (особенно если этот пятый, размахивая билетом, будет утверждать, что вы сидите на его месте).
В некоторых системах наблюдаются просто умопомрачительные свойства увеличения сложности. Нассим Талеб[1] в своем блоге приводит пример действительно удивительного роста сложности при увеличении количества элементов. В некоторых сложных системах, пишет он, введение новой переменной может повысить сложность значительно сильнее, чем в два или даже в сто раз – например, переход от 1000 к 1001 переменной может вызвать прирост сложности в миллиард раз!!! А рост сложности приводит к еще более значительному увеличению непредсказуемости поведения системы. Что это означает на практике? А то, что если пятый пассажир, будь он хоть трижды порядочным и образованным, врывается в купе к таким же порядочным и образованным людям и доказывает, что это его место, то от этой мини-группы порядочных и образованных людей можно ожидать все что угодно.
Самоорганизация. Помню, как в девятом классе меня, на тот момент двоечника и хулигана, пересадили с задней парты (к неудовольствию моих дружков, таких же хулиганов и двоечников) на первую парту, к отличнику. Мотив нашей классной руководительницы вполне понятен – отличник должен был стать для меня примером для подражания и подтянуть по алгебре, геометрии и прочим дисциплинам. Ну и конечно же, глядя на «образец для подражания», я должен был стать более дисциплинированным и усидчивым.
Но результат на деле оказался диаметрально противоположным. Во время занятий мы не обращали друг на друга никакого внимания, а вот на переменах и после уроков «образец для подражания» очень органично влился в мою плохую компанию. Уже через пару недель мой новый товарищ начал курить и ругаться матом. К концу четверти – бегать вместе с нами на задний двор школы выяснять отношения с другими плохими парнями. А к концу года он и вовсе скатился на самое дно класса, где мы вместе барахтались еще пару лет, после чего наши пути разошлись.
Последствия этого эксперимента оказались плачевными. К концу школы я, сам того не ожидая, взялся за ум и с околосветовой скоростью принялся наверстывать упущенное, чтобы поступить в вуз. А экс-отличник, к тому времени уже постоянно «закладывающий за воротник», учиться бросил, поступил еле-еле в плохонький институт, из которого его вскоре отчислили за прогулы и неуспеваемость. Эх, и как же сложилась твоя судьба, мой «образец для подражания»?
Да, кончилось все не очень хорошо. А все потому, что наша классная не читала книжки по системному подходу и понятия не имела о процессах самоорганизации в сложных системах.
Самоорганизация – это изменение количественных и качественных характеристик системы по причине внутренних факторов, то есть без внешнего регулирования. В нашем грустном, но поучительном примере система изначально состояла из трех элементов, стоящих на разных уровнях, – отличник, я и мои дружки-хулиганы. Затем, примерно за неделю, мы самоорганизовались таким образом, что все достигли одного низкого уровня. И произошло это без внешнего воздействия. Действительно, ну разве такого результата хотела наша классная? Конечно нет. Это не она и не кто-то другой потащил на дно горе-отличника. Все мы на тот момент стали заложниками системы. Мы уже не выбирали, сама система сделала выбор за нас.
1
Нассим Талеб – американский математик и трейдер. Основная сфера научных интересов – изучение влияния случайных и непредсказуемых событий на мировую экономику и биржевую торговлю, а также механизмы торговли производными финансовыми инструментами.