Еще раз: опасайтесь предсказателей

Еще раз: опасайтесь предсказателей

Поднимем проблему на уровень выше. Как я заметил ранее, существует много модных моделей, пытающихся объяснить происхождение Крайнестана. Вообще-то они группируются в два широких класса, но встречаются и другие подходы. Первый класс — это простые модели типа «деньги идут к деньгам» (или «успех тянет за собой успех»), объясняющие скопление людей в городах, доминирование на рынке компании «Майкрософт» (а не «Эппл») и формата VHS (а не Betamax), создание академических репутаций и т.д. Второй класс включает в себя так называемые «модели просачивания», в центре внимания которых — не поведение индивида, а среда его обитания. Когда льешь воду на пористую поверхность, структура поверхности оказывается важнее, чем свойства жидкости. Когда песчинка ударяется о кучу других песчинок, именно характер местности определяет, сойдет ли лавина.

Почти все модели, разумеется, претендуют на прогностическую точность, и это меня бесит. Они — хорошие инструменты для иллюстрации происхождения Крайнестана, но я настаиваю на том, что «генератор реальности» не подчинен им настолько, чтобы с их помощью можно было делать точные прогнозы. Все, что я нахожу в современной литературе на тему Крайнестана, свидетельствует именно об этом. Перед нами здесь снова встает серьезнейшая проблема калибровки, так что лучше бы нам избежать обычных ошибок, совершаемых при калибровке нелинейного процесса. Напомним, что у таких процессов больше степеней свободы, чем у линейных (как мы показали в главе и), а следовательно, чрезвычайно велик риск того, что модель окажется неправильной. Мне то и дело попадают в руки книги или статьи, которые ратуют за применение моделей статистической физики к реальности. Например, восхитительные книги Филипа Болла насыщены информацией и иллюстративным материалом, но это не основа для точных количественных моделей. Не встречайте их по одежке.

Однако посмотрим, что мы можем позаимствовать у этих моделей.

Данный текст является ознакомительным фрагментом.