Но почему статистики, работающие с историческими данными, закрывают на это глаза? Во-первых, им не хочется признавать, что вся их деятельность перечеркивается проблемой индукции. Во-вторых, они не несут никакой ответственности за результаты своих предсказаний. Соревнование, устроенное Макридакисом, показало нам, что они во власти искажения нарратива и не хотят этого знать.

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.

Снова счастливое решение

Во-первых, признавая масштабируемость, я соглашаюсь с тем, что любое самое большое число возможно. Другими словами, неравенство не должно прекращаться после достижения некоторой известной верхней границы.

Скажем, продано около 60 миллионов экземпляров книги «Код да Винчи». (Библии продано около миллиарда экземпляров, но вынесем ее за скобки, ограничившись светскими книгами, написанными отдельными авторами.) Хотя мы и не встречали светских книг, разошедшихся тиражом 200 миллионов экземпляров, можно считать, что вероятность этого не нулевая. Да, она мала, но не нулевая. На каждые три бестселлера в духе «Кода да Винчи» может найтись один супербестселлер, и, хотя до сих пор таких не появилось, исключить этого нельзя. А на каждые пятнадцать «Кодов да Винчи» — супербестселлер, который разойдется, например, тиражом 500 миллионов экземпляров.

Применим ту же логику к богатству. Допустим, самый богатый человек на Земле имеет капитал размером 50 миллиардов долларов. Есть вероятность, которой нельзя пренебречь, что в следующем году из ниоткуда выскочит кто-то, кто имеет 100 или более миллиардов. На каждых трех людей, имеющих более чем 50 миллиардов долларов, может найтись один со 100 миллиардами. Есть вероятность, хоть и гораздо меньшая, что найдется кто-то, владеющий более чем 200 миллиардов долларов — одна треть предыдущей вероятности, но все равно не нуль.