Даниэль Канеман - Думай медленно... решай быстро

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.

С самого начала клинические психологи отнеслись к идеям Мила с недоверием и враждебностью. Судя по всему, они пребывали во власти иллюзии умения – особенно умения давать долгосрочные прогнозы. Если вдуматься, то легко заметить, откуда взялась иллюзия, и так же легко посочувствовать клиницистам в их неприятии трудов Мила.

Статистические доказательства несовершенства клинических предсказаний противоречат повседневному впечатлению клиницистов о качестве их собственных суждений. Практикующие психологи во время каждой терапевтической встречи неоднократно переживают наития: как пациент отреагирует на вмешательство или что произойдет в следующий момент. Многие из этих наитий подтверждаются, тем самым «доказывая» существование клинического профессионализма.

Проблема в том, что верные суждения включают краткосрочные прогнозы в контексте терапевтического опроса – умение, которое терапевты оттачивают годами. Непосильной задачей для них оказывается долгосрочный прогноз на будущее для конкретного пациента (с этим неважно справляются даже формулы). Вдобавок у клиницистов нет практической возможности приобрести навык долгосрочного прогнозирования – слишком много лет требуется для обратной связи, для получения подтверждения своим гипотезам. Граница между тем, что психологи могут делать хорошо, и тем, чего они не могут, довольно размыта и не всегда заметна им самим. Они знают о собственном профессионализме, но редко догадываются, где заканчивается граница их умений. Поэтому стоит ли удивляться, если опытному терапевту представляется абсурдной идея о том, что механическая комбинация нескольких переменных дает лучшие результаты, чем утонченная сложность человеческого суждения?

Дискуссии по поводу достоинств и недостатков клинического и статистического методов прогнозирования всегда имели моральную подоплеку. Статистический метод, как пишет Мил, подвергался критике со стороны опытных клиницистов как «механический, сухой, атомистичный, отрывочный, искусственный, не связанный с реальностью, ущербный, произвольный, мертвый, педантичный, бессистемный, надуманный, банальный, косный, поверхностный, выхолощенный, псевдонаучный, ограниченный и слепой». С другой стороны, клинический метод восхвалялся его сторонниками как «динамичный, всеобъемлющий, глубокий, целостный, тонкий, гибкий, системный, чувствительный, сложный, продуманный, практический, истинный, живой, толковый, естественный и близкий к жизни».

Нам всем понятно такое отношение. Когда человек соперничает с машиной, будь то Джон Генри, долбящий гору быстрее парового молота, или Гарри Каспаров, играющий шахматную партию против компьютера, мы неизменно сочувствуем человеку. Антипатия к алгоритмам, которые принимают решения, касающиеся людей, коренится в стойком убеждении, что многие предпочтут естественное синтетическому или искусственному. Если спросить людей, какое яблоко они выберут – деревенское или с наклейкой из супермаркета, большинство проголосует за «натуральное», хотя бы их заранее предупредили, что оба плода одинаковы по вкусу, в равной степени питательны и экологически чисты. Даже производители пива обнаружили, что можно увеличить продажи, написав на этикетке «только натуральное сырье» и «без консервантов».

Упорное сопротивление демистификации профессиональных умений ярко проявилось в реакции европейских виноделов на формулу Ашенфельтера. Формула, казалось бы, стала ответом на молитвы гурманов; можно было ожидать, что те будут благодарны за шанс с точностью определять, какие вина будут хорошими, а какие нет. Однако все вышло иначе. Отзывы французских виноделов, по словам обозревателей New York Times, были «либо агрессивными, либо истерическими». Ашенфельтер отмечает, что один ценитель бордо назвал его открытие «смехотворным и нелепым», а другой проворчал: «Это как судить о фильмах, не посмотрев их».

Предубеждения против алгоритма усиливаются, когда решения имеют важные последствия.

«Я не знаю, как побороть тот ужас, – пишет Мил, – который испытывают некоторые клиницисты, когда излечимому, по их мнению, больному отказывают в терапии потому, что „сухая, искусственная“ формула причисляет его к другой группе». Отвечая оппонентам, Мил и его сторонники воззвали к этике – заявили, что неэтично полагаться на интуитивные суждения в важных решениях, если имеющийся алгоритм сделает меньше ошибок. Аргумент веский, но против него вырастает стена психологической реальности: для многих людей важна причина ошибки. Рассказ о ребенке, погибшем из-за ошибки алгоритма, вызывает большее негодование, чем если бы виноват был человек; разница в эмоциональном накале быстро формирует моральное предпочтение.

К счастью, враждебное отношение к алгоритмам, вероятно, будет ослабевать по мере увеличения их роли в повседневной жизни. Когда мы ищем книги или музыку, рекомендации специальных программ нам только помогают. Мы принимаем как должное, что решения о размерах кредитования обходятся без человеческого контроля. Нам все чаще приходится следовать советам в виде простых алгоритмов (например, коэффициент соотношения «хорошего» и «плохого» холестерина в организме). Сейчас публика куда лучше понимает, что в спортивном мире в некоторых критических случаях лучше полагаться на формулу, чем на решение человека, – например, сколько следует заплатить за нового игрока профессиональной спортивной команды и так далее. С удлинением списка задач, выполняемых алгоритмами, люди, возможно, начнут спокойнее реагировать на результаты, описанные Милом в его «подрывающей основы книжечке».