Думай медленно решай быстро

21 
Интуиция и формулы — кто кого? 
Пол Мил — удивительный и необычный человек, один из самых
разносторонних психологов XX века. В Миннесотском университете он в
разное время занимал преподавательские должности на факультетах
психологии, юриспруденции, психиатрии, неврологии и философии. Его
работы также касались вопросов религии, политологии и способности крыс
к обучению. Он был не только исследователем, глубоко понимающим
статистику и критикующим голословные утверждения клинических
психологов, но и практикующим психоаналитиком. Мил написал несколько
глубоких статей о философских основах психологических исследований —
в годы аспирантуры я выучил их наизусть. Мы ни разу не встречались
лично, но он стал одним из моих кумиров с тех пор, как я прочел его
«Клинический и статистический прогнозы: теоретический анализ и
фактологический обзор».
В этой небольшой работе, которую Мил позже называл своей
«подрывающей основы книжечкой», он рассмотрел результаты двадцати
исследований, анализирующих, что точнее: клинические прогнозы,
основанные на субъективных представлениях врачей-профессионалов, или
статистические прогнозы, полученные по строгой формуле, объединяющей
оценки и данные. В типичном эксперименте социальные педагоги после
сорокапятиминутного опроса каждого студента предсказывали оценки
первокурсников 
к 
концу 
учебного 
года. 
Интервьюерам 
также
предоставлялся доступ к результатам обучения в старшей школе и итогам
тестов на интеллект и способности, а также к четырехстраничному эссе
абитуриента, 
необходимому 
для 
поступления 
в 
университет.
Статистическая формула использовала только часть всей этой информации,
а именно отметки старшей школы и результаты одного теста на выявление
способностей. Тем не менее формула оказалась точнее в прогнозах, чем 11
из 14 педагогов. Сходные результаты были получены при изучении ряда
других предсказаний, в частности вероятности нарушения режима условно-
досрочного освобождения, успешного прохождения программы подготовки
пилотов или криминального рецидива.
Неудивительно, что «книжечка» Мила вызвала у многих психологов-
клиницистов оторопь и недоверие, а начатая в ней полемика дала начало

---

потоку исследований, который не иссякает до сих пор, спустя полвека
после публикации. Число исследований, сравнивающих клинические и
статистические прогнозы, возросло до двух сотен, но счет в игре «человек
против формулы» с тех пор не изменился. Примерно 60 % исследований
доказали перевес в пользу формулы (то есть статистические прогнозы
оказались гораздо точнее). Другие сравнения показали равные по точности
результаты, но по статистическим законам ничья равносильна победе, а
использовать статистику дешевле, чем нанимать экспертов. Никаких
убедительных исключений из правила замечено не было.
С тех пор статистическое прогнозирование стало использоваться и в
медицине — для определения продолжительности жизни раковых больных,
сроков госпитализации, выявления кардиологических заболеваний и
вероятности возникновения синдрома внезапной смерти новорожденных. В
экономике с его помощью рассчитывают перспективы успеха новых
компаний, оценивают риски кредитования в банках и возможность
профессионального «выгорания». Статистические прогнозы применяются
и в государственных учреждениях — для отбора кандидатов в приемные
родители, 
определения 
вероятности 
рецидива 
у 
малолетних
правонарушителей, а также возможности совершения ими других форм
насилия. Статистические прогнозы проводятся во многих областях — с
целью оценки научных презентаций, для поиска победителей в футбольном
чемпионате и предсказания будущих цен на вина. Каждая из этих областей
содержит значительную меру неопределенности и непредсказуемости. Мы
называем их «малодостоверными областями». В каждом случае
результативность экспертов не уступает или даже проигрывает точности
формулы.
Как с законной гордостью заметил Мил через тридцать лет после
выхода книги, «еще ни одному противоречию в общественных науках не
посвящали такого множества качественно разнородных исследований,
движущихся в одном направлении».
Принстонский экономист и знаток вин Орли Ашенфельтер подготовил
убедительную демонстрацию превосходства простой статистики над
мнением всемирно известных экспертов. Ашенфельтер хотел предсказать
изменение цен на бордо по информации, доступной в год урожая. Это —
важный момент, поскольку вину требуется несколько лет, чтобы созреть. К
тому же цены сильно варьируют в зависимости от выдержки — цены на
вина из одного и того же виноградника, разлитые с интервалом 12 месяцев,
могут отличаться в десятки раз, а то и больше. Способность предсказывать
эти изменения очень важна, поскольку инвесторы вкладывают средства в

---

марочные вина как в произведения искусства, в надежде, что с годами они
будут дорожать.
Общеизвестно, что на вкус марочного вина влияют только изменения
погоды в период созревания винограда. Лучшие вина получают в те годы,
когда лето сухое и теплое (виноделам Бордо следует воздать дань
парниковому эффекту). Дождливая весна — еще один благоприятный
фактор, поскольку повышает урожайность винограда, не влияя на качество.
Ашенфельтер преобразовал все эти сведения в статистическую формулу,
которая позволяет спрогнозировать изменение цен (на вино конкретного
производителя и конкретного разлива) по трем метеорологическим
показателям: средней температуре за лето, объему осадков в период сбора
урожая и за предшествующую зиму. Его формула дает точный прогноз цен
на ближайшие годы и даже десятилетия. Более того, если в расчетах
исходить из нынешних цен на молодое вино, прогноз будет менее точен.
Этот пример «схемы Мила» бросает вызов как способностям экспертов, чье
мнение формирует раннюю цену, так и всей экономической теории,
согласно которой цены должны отражать всю имеющуюся информацию,
включая погодные условия. Формула Ашенфельтера дает чрезвычайно
точный результат — корреляция между настоящей и предсказанной ценой
выше 0,90.
Так почему же эксперты проигрывают формулам? Одна причина, как
предположил Мил, состоит в том, что они пытаются быть умнее, мыслить
независимо и принимать во внимание сложные комбинации факторов. В
иных случаях сложность помогает, но чаще всего она снижает
достоверность предсказаний. Лучше исходить из простых комбинаций
факторов. Исследования продемонстрировали, что люди, принимающие
решения, уступают в точности формуле, даже когда им показывают
результат, вычисленный посредством формулы! Им кажется, что они могут
отвергнуть 
этот 
результат, 
поскольку 
обладают 
дополнительной
информацией, но чаще всего ошибаются. По Милу, всего в нескольких
случаях имеет смысл обращаться к экспертам, а не к формуле. В
знаменитом мысленном эксперименте он описывает формулу, которая
предсказывает, отправится ли некий человек нынешним вечером в кино.
Согласно Милу, разумно игнорировать формулу, если стало известно, что
днем человек сломал ногу. Так появилось «правило сломанной ноги».
Смысл его в том, что перелом — событие редкое, но ключевое.
Другая причина того, что эксперты проигрывают формулам, —
непростительное непостоянство человеческих обобщений при обработке
сложной информации. Если предоставить экспертам один и тот же набор

---

данных дважды, они часто дают разные ответы. Степень этого
непостоянства вызывает серьезную тревогу. Опытные радиологи, оценивая
рентгенограммы грудной клетки (норма или патология), противоречат себе
в 20 % случаях, когда повторно видят одни и те же снимки. Опрос 101
независимого аудитора, которым предложили определить надежность
внутрикорпоративных аудиторских проверок, выявил равную долю
противоречий. Обзор 41 исследования о надежности суждений,
высказанных аудиторами, патологами, психологами, менеджерами и
прочими специалистами, позволяет предположить, что такая частота
противоречий типична для всех случаев, даже если повторная оценка
материала проводилась спустя всего несколько минут. Ненадежные оценки
не могут привести к точным предсказаниям.
Возможно, непостоянство суждений столь широко распространено из-
за крайней зависимости Системы 1 от контекста. Исследования в области
прайминга показывают, что незамеченные воздействия окружающей среды
сильно влияют на наши мысли и действия. Эти влияния поминутно
меняются. Приятная прохлада ветерка в жаркий день может настроить вас
на оптимистичный лад и сказаться на вашем мнении в данный момент.
Шансы преступника на досрочное освобождение сильно колеблются в
соответствии с графиком работы судей (между перерывами на еду). Люди
редко осознают напрямую, что происходит у них в головах, а потому не
догадываются, что даже самые незначительные обстоятельства способны
радикально изменить их решение. Формулы, напротив, не подвержены
влиянию обстоятельств. При одних и тех же данных они всегда выдают
один и тот же ответ. Когда предсказуемость низка (как в большинстве
исследований, изученных Милом и его последователями), непостоянство
уничтожает прогностическую значимость.
Данные исследования подводят нас к неожиданному выводу: для
максимального повышения прогностической точности конечные решения
следует доверить формулам, особенно в «малодостоверных» областях.
Например, при поступлении в медицинские вузы последнее решение
оставляется 
за 
преподавателями, 
проводящими 
собеседование 
с
абитуриентами. 
Немногочисленные 
свидетельства 
позволяют
предположить, что проведение собеседования, скорее всего, снижает
точность процедуры отбора, поскольку интервьюеры обычно излишне
уверены в собственной интуиции и слишком часто полагаются на
собственные наблюдения, не обращая внимания на другие источники
информации. Аналогичным образом эксперты по оценке качества
незрелого вина получают данные, которые скорее ухудшают, чем улучшают

---

точность прогноза по поводу его будущей стоимости, — им позволяют
дегустировать вино. Даже отдавая себе отчет, что качество вин прежде
всего зависит от погоды, эксперты не могут соперничать с формулой в
постоянстве выводов.
Наиглавнейшим достижением в этой области науки после работы
Мила можно считать знаменитую статью Робина Доуза «Грубая красота
неточных линейных моделей, используемых в принятии решений». В
общественных науках преобладает статистическая практика приписывать
вес каждому из элементов предсказания (предиктору), следуя алгоритму,
называемому множественной регрессией. В наше время этот алгоритм
встраивают в типовое программное обеспечение. Логику множественной
регрессии невозможно опровергнуть: она находит оптимальную формулу
для совмещения взвешенной комбинации предикторов. Однако Доуз
обнаружил, что сложность статистического алгоритма почти не повышает
его эффективности. С равным успехом можно выбрать несколько
показателей, обладающих некоторой значимостью для предсказания
результата, и подогнать их значения для сравнимости по стандартным
позициям. Формула, соединяющая предикторы с равными весами, была бы
настолько же точна в предсказании новых случаев, как и формула
множественной регрессии, оптимальная для изначальной выборки.
Новейшие исследования пошли еще дальше: согласно им, формулы,
придающие равный вес всем предикторам, часто превосходят другие,
поскольку на них не влияют случайности, возникающие при составлении
выборки.
Поразительный успех равновесных схем имеет важное практическое
значение: стало возможно разрабатывать полезные алгоритмы без
предварительных статистических исследований. Хорошо предсказывают
значимые результаты простые равновесные формулы, основанные на
существующей статистике или здравом смысле. В одном запоминающемся
примере Доуз показал, что устойчивость брака предсказывается формулой:
частота занятий любовью минус частота ссор
Хорошо, если результат будет величиной положительной.
Важный вывод данного исследования состоит в том, что алгоритм,
сочиненный «на коленке», по результативности часто соперничает с
оптимально взвешенной формулой и с легкостью превосходит прогноз
эксперта. Это правило применимо ко многим областям, будь то выбор
акций для инвестиционного портфеля или выбор метода лечения врачами
или пациентами.
Классическое применение этот подход нашел в простом алгоритме,

---

который спас жизнь сотням тысяч новорожденных. Акушеры знают, что
ребенок, у которого в первые минуты после рождения не устанавливается
нормальное 
дыхание, 
впоследствии 
подвержен 
высокому 
риску
повреждений головного мозга и гибели. До вмешательства анестезиолога
Вирджинии Апгар в 1953 году врачи и повивальные бабки, оценивая
состояние новорожденного, полагались на собственные клинические
суждения. При этом каждый специалист искал определенные симптомы:
одни изучали проблемы с дыханием, другие — когда раздастся первый
крик. Без стандартизированной процедуры признаки опасности часто
упускались из виду, и многие дети погибали в младенчестве.
Однажды за завтраком начинающий врач спросил Апгар, как
проводить комплексную оценку состояния новорожденного. «Это
просто, — ответила она. — Надо сделать вот так…» С этими словами
Апгар наскоро записала пять параметров (пульс, дыхание, выраженность
рефлексов, мышечный тонус и цвет кожных покровов) и три варианта
оценки (0, 1, 2 — в зависимости от степени проявления признака). Осознав,
что ее метод легко применить в любой родильной палате, Апгар начала
оценивать по этой шкале младенцев через минуту после рождения. Ребенок
с общим показателем от 8 и выше находился в хорошем состоянии: он
дрыгался, кричал и гримасничал, имел пульс от 100 и выше, а также
розовый цвет кожи. В то же время ребенок с показателем 4 и ниже —
синюшного цвета, вялый, малоподвижный, со слабым пульсом — нуждался
в срочной медицинской помощи. Персонал родильных палат, пользуясь
шкалой Апгар, получил постоянные стандарты для определения того,
какому ребенку грозит опасность, что в итоге значительно понизило
смертность среди детей до года. Шкала Апгар до сих пор ежедневно
используется в родильных домах. Хирург Атул Гаванде недавно
опубликовал книгу «Манифест контрольного перечня», где приводится
множество примеров полезности шкал и простых правил.