Рациональность. Что это, почему нам ее не хватает и чем она важна

Рациональность требует, чтобы мы отличали истину от того, что нам хочется ею считать, — чтобы мы не прятали голову в песок, не строили воздушных замков и не называли зеленым виноград, до которого не можем дотянуться. Соблазн магического мышления и стремления выдавать желаемое за действительное всегда с нами, поскольку удача наша полностью зависит от обстоятельств внешнего мира, которых мы просто не в состоянии знать наверняка. Чтобы не падать духом и избегать болезненных мер, которые могут оказаться излишними, мы склонны видеть то, что нам хочется видеть, и закрывать глаза на остальное. Мы балансируем на краешке весов в ванной, чтобы цифры на дисплее были пониже, откладываем медицинское обследование, результат которого может нас расстроить, и стараемся верить, что природа человека бесконечно пластична.

Но есть и более рациональный способ примирить наши желания с нашим неведением — этот инструмент разума называется теорией обнаружения сигнала, или теорией статистических решений. Она объединяет основные идеи двух предыдущих глав: как оценить вероятность, что некоторое утверждение касательно состояния окружающего мира истинно (байесовское мышление), и как решить, что с этим делать, взвешивая ожидаемые издержки и выгоды (рациональный выбор)[285]

.

Сложность с обнаружением сигнала заключается в том, чтобы понять, должны ли мы считать изменение некоторого показателя настоящим сигналом от внешнего мира — или же шумом, возникшим вследствие несовершенства человеческого восприятия. В жизни мы регулярно сталкиваемся с этой дилеммой. Дежурный офицер видит точку на экране радара. Что это — нас атакует ядерный бомбардировщик или мимо летит стая чаек? Рентгенолог замечает на снимке затемнение. У пациента раковая опухоль или же доброкачественная киста? Присяжные слушают показания очевидца. Подсудимый виновен или же очевидец заблуждается? Мы встречаем человека, который кажется нам смутно знакомым. Мы уже встречали его или это внезапный приступ дежавю? Группе пациентов стало лучше после приема лекарства. Лекарство работает или мы наблюдаем эффект плацебо?

Пользуясь теорией статистических решений, мы получаем не степень уверенности, но решение, что предпринять: согласиться или отказаться от операции, осудить обвиняемого или оправдать его. Принимая ту или иную сторону, мы не выбираем, каким утверждениям о состоянии мира верить. Мы решаем, что нам делать, принимая во внимание предполагаемые издержки и выгоды. Этот когнитивный инструмент заставляет нас осознать разницу между «что истинно» и «что делать». Признавая тот факт, что разные внешние обстоятельства подталкивают нас к разным вариантам рискованного выбора, теория помогает понять, что нам не нужно обманываться, чтобы выбрать что-то одно. Проведя четкую грань между тем, как мы оцениваем состояние внешнего мира, и тем, что мы решаем по этому поводу предпринять, мы можем рационально действовать так, как если бы некое знание было истинным, причем верить в его истинность при этом не обязательно. Как мы убедимся далее, такой подход заставляет совершенно по-новому взглянуть на применение статистики в науке, причем этому факту редко уделяется должное внимание.

Сигналы и шум, да и нет

Как нам относиться к какому-нибудь ненадежному индикатору состояния внешнего мира? Начнем с понятия статистического распределения[286]

. Допустим, мы измеряем какой-то показатель, который непредсказуемо варьирует («случайную переменную»), вроде баллов от 0 до 100, набранных в тесте на интроверсию. Мы распределяем результаты по диапазонам — от 0 до 9, от 10 до 19 и так далее — и подсчитываем число испытуемых, чьи результаты попали в каждый из них. Теперь представим эти данные в виде гистограммы — графика, который отличается от привычных тем, что интересующая нас переменная откладывается по горизонтали, а не по вертикали. Вертикальный размер тут — это просто число испытуемых, попавших в каждый из диапазонов. Перед нами гистограмма, показывающая, как распределились баллы, набранные двадцатью испытуемыми в тесте на интроверсию, — один человек соответствует одному прямоугольнику.

Теперь представьте, что мы протестировали несколько миллионов человек — достаточно, чтобы не сортировать их результаты по диапазонам, а просто разместить на горизонтальной оси слева направо согласно набранным баллам. По мере того как мы накапливаем все больше данных и отходим все дальше от плоскости графика, зиккурат с предыдущей картинки превращается в плавный изгиб — знакомую колоколообразную кривую, которую вы видите ниже. Максимальное количество результатов скапливается в центре, в районе средних значений переменной, а левее, где значения все ниже, и правее, где они все выше, результатов все меньше и меньше. Самая известная математическая модель колоколообразной кривой называется нормальным распределением, или распределением Гаусса.