Прогнозирование – это не книга готовых рецептов
Прогнозирование – это не книга готовых рецептов
Критика, которой Армстронг и Грин подвергают климатические прогнозы, связана с их эмпирическим изучением дисциплин, подобных экономике, в которых мало физических моделей такого рода{841}. Суть причинно-следственной связи понимается достаточно плохо. Слишком амбициозные подходы к прогнозированию в этих областях часто терпели крах, и поэтому Армстронг и Грин полагают, что они окажутся неудачными и в случае прогнозировании климата.
Цель любой предсказательной модели состоит в том, чтобы захватить максимально возможный объем сигнала и минимально возможный объем шума. Достигнуть оптимального соотношения между ними можно далеко не всегда, и на нашу способность сделать это будут влиять сила теории, а также качество и объем данных. В прогнозах в сфере экономики недостаточно данных, а теория слаба, вот почему Армстронг и считает, что «чем более сложной вы делаете модель, тем хуже становится прогноз».
Когда речь заходит о прогнозировании климата, ситуация становится еще более сомнительной: теория парникового эффекта достаточно сильна, и этот факт поддерживает более комплексную модель. Однако температурные данные переполнены шумом, и это ей мешает. Кто одержит победу? На этот вопрос мы можем дать эмпирический ответ, оценивая успех и неудачу различных видов предсказаний в науке о климате. Однако, как и всегда, самое главное – это то, насколько хорошо предсказания отражают происходящее в реальном мире.
Я бы не хотел сводить процесс прогнозирования до набора простых лозунгов. Конечно, эвристические правила типа «бритвы Оккама» («при прочих равных условиях более простое объяснение всегда лучше более сложного»{842}) звучат достаточно привлекательно, однако их трудно реализовать на практике. Нам доводилось видеть случаи довольно простых и элегантных предположений (например, в моделях SIR, использовавшихся для прогнозирования всплесков болезней). Однако при этом они слишком наивны, чтобы на их основе можно было сделать толковый прогноз. Также (как в случае предсказания землетрясений) мы видели, как невероятно сложные схемы прогнозирования, отлично смотревшиеся в рамках компьютерной программы, терпели на практике унизительное поражение.
Признание, подобное выражению «чем более сложной вы делаете модель, тем хуже становится прогноз», можно сравнить с фразой «не пересолите блюдо». С какого уровня сложности вы начали (сколько соли вы насыпали с самого начала)? Если вы хотите добиться успеха в прогнозировании, то вам нужно заставить себя погрузиться в эксперименты и доверять собственным рецепторам.
Данный текст является ознакомительным фрагментом.