Кенни Чоу родился в Мьянме и переехал в Нью-Йорк в 1987 году. Он много лет работал специалистом по бриллиантам у ювелира и смог купить дом для своей семьи. Но в 2011 году его уволили. Чоу решил стать таксистом, как его брат, и с трудом насобирал $750 тысяч на лицензию — так называемый «медальон» такси. Это позволило ему работать в качестве частного предпринимателя — с активом, равным стоимости медальона.
Какое-то время все шло по плану: медальоны выросли в цене более чем до $1 млн. А затем пузырь лопнул, и появились приложения для совместных поездок, такие как Lyft и Uber. Стоимость медальона Чоу упала, и ему стало трудно платить по кредиту. В 2018 году он покончил с собой.
Очевидно, что история Чоу печальна. Но он знал, на что шел, приобретая рискованный актив, и поэтому у некоторых людей возникает соблазн обвинить его в собственном несчастье. Существует точка зрения, что, когда крупные ставки не приносят результатов, виноват только игрок. Это может показаться бессердечным, но многие, по крайней мере, в Соединенных Штатах, придерживаются именно такой позиции: согласно отчету Pew Research за 2014 год, 39% американцев считают, что бедность человека связана с тем, что он прикладывает мало усилий. Этот «недостаток усилий» в том числе подразумевает неспособность должным образом взвесить риски при принятии решений, и, следовательно, в конечном итоге множество людей уверены, что окружающие сами виноваты в своих неудачах.
Я не согласен с этой точкой зрения. Но мои мотивы не носят исключительно политический или нравственный характер. Скорее, идеи науки о сложности — в частности, теории вычислительной сложности — математически показывают, что людская способность точно и безошибочно просчитывать риски весьма ограничена. И, поскольку часто невозможно представить, что произойдет в будущем, несправедливо обвинять людей, которые делают что-то с добрыми намерениями, но в конечном итоге получают плохие результаты из-за непредвиденных обстоятельств. Все-таки правильнее сострадать тем, чьи жизненные ставки не окупились, чем обвинять их.
Первое, что нужно отметить: для того, чтобы люди несли ответственность за свои действия, они должны знать об определенных свойствах мира. Во многих случаях даже это минимальное условие не выполняется. Например, Чоу вряд ли мог предсказать, что развитие приложений для совместного использования приведет к краху рынка медальонов такси в Нью-Йорке — так же, как и большинство из нас. Технологические прорывы трудно предвидеть. Если бы их было так легко предсказать, то ранние инвесторы этих технологий не стали бы такими богатыми. Столь низкая планка порицания кажется слишком жесткой, чтобы быть оправданной: как можно обвинить кого-либо из нас в том, что мы не разглядели тенденции, которые почти никто не смог увидеть, несмотря на значительные материальные стимулы?
Я бы приподнял планку порицания, например, так: чтобы быть обвиненными в авантюре, люди должны понимать точную причинную модель системы, в которой они действуют. То есть они должны знать, как разные переменные в системе влияют или не влияют друг на друга. Ставка Чоу на медальон такси не сыграла из-за сложной причинно-следственной связи спекуляций и технического развития, в результате чего цены на медальоны неуклонно росли, а затем резко упали. Чтобы спрогнозировать обвал цен, нужно иметь четкое представление об этой запутанной причинно-следственной структуре.
Вот здесь-то и вступает в игру теория вычислительной сложности. Оказывается, изучить причинную структуру реальных систем очень сложно. Попытку вывести наиболее вероятную причинную структуру системы — независимо от того, сколько данных о ней у нас есть — теоретики называют NP-трудной задачей: с учетом общего набора данных для алгоритма может быть чертовски сложно изучить причинную структуру. Во многих случаях, когда в набор данных добавляется больше переменных, минимальное время, которое потребуется любому алгоритму для изучения структуры системы, растет экспоненциально. Если исходить из предположения, что наш мозг обучается, выполняя алгоритмы, эти результаты применимы к человеческому разуму так же, как и к любому компьютеру.
Один из способов обойти эти ограничения — предположить, что реальный мир имеет относительно простую причинную структуру: например, что никакая переменная в системе (скажем, цена на нефть) не зависит от более чем двух других переменных (скажем, спрос и предложение на нефть). Если мы ограничим возможности таким образом, то оценка причинной структуры станет менее сложной. По мнению философа Джулии Стаффель, такие эвристические подходы служат важной частью того, как люди на самом деле формируют убеждения. Однако относиться к сложной системе как к простой — опасная игра: эвристика может привести к неправильному представлению о мире. В самом деле, непредсказуемость жизни частично объясняется богатой причинной сложностью социального мира с его сетью экономических, политических, психологических и других факторов. В этих условиях крайней сложности, которые типичны для большинства реальных систем, люди редко соответствуют описанной выше планке порицания.
Лучший способ справиться с огромной сложностью социального мира для человека — перестраховаться. Потратив большие деньги на медальон такси, Чоу сложил все яйца в одну корзину. Поэтому, скажете вы, он и оказался особенно уязвимым для разорения. Вероятно, стоит использовать разнообразные стратегии, которые устраняют или резко снижают риск катастрофы даже в условиях серьезной неопределенности.
Проблема в том, что экономическая и социальная жизнь в богатых странах построена таким образом, чтобы люди направляли большую часть своих ресурсов на единственную стратегию, которая ведет к процветанию. Получение студенческого кредита, ипотека или покупка медальона такси — все эти стратегии требуют значительных, если не тотальных, финансовых вложений. Для перестраховки потребуются значимые ресурсы, так что эта стратегия не подходит множеству людей. Большинство из нас по-прежнему вынуждены делать крупные ставки в казино, где оценить шансы практически невозможно. Неустойчивость этой ситуации означает, что сочувствие, а не обвинение — подходящее отношение к тем, кто в конечном итоге проигрывает.
Вопросы о том, как мы должны относиться к другим людям, имеют психологическую и моральную природу. А также политическое значение. То, что мы чувствуем по отношению к людям, которым меньше повезло в жизни, определяет проблему социального неравенства и то, насколько она нас тревожит. Это возвращает нас к смерти Кенни Чоу и к гибели многих других людей. С 2000 года ожидаемая продолжительность жизни в США снизилась, как показали экономисты Энн Кейс и Ангус Дитон, и это снижение почти полностью обусловлено ростом так называемых «смертей от отчаяния» — гибели от передозировки или самоубийства. Отчаяние процветает там, где нет сочувствия. Прямо сейчас отсутствие сострадания друг к другу убивает нас.
Чтобы изменить эту тенденцию, требуется политическая реакция, а также другое отношение к тем, кто многое потерял из-за рискованных решений, которые принимались с добрыми намерениями. Ограниченная возможность делать выводы о сложной причинной структуре мира наводит на мысль, что обвинения тут неуместны. Независимо от того, насколько мы умны, существует жесткий предел наших знаний. И любой может запросто проиграть, сделав крупную ставку. Ради самих себя и окружающих мы должны построить более сострадательный мир.