Может ли мозг предсказывать будущее — объясняем гипотезу ученых
Издание Wired опубликовало результаты нескольких спорных исследований, которые доказывают, что человеческий мозг может предсказывать будущее. Рассказываем, как ученые пришли к таким выводам
Представления о мозге: от простой модели к идее «предсказания»
Предположение о том, что наш мозг умеет предсказывать, впервые высказал арабский астроном и математик Хасан Ибн Аль-Хайтам еще тысячу лет назад в своей «Книге оптик». Тогда эта теория не получила популярности и еще несколько веков оставалась без внимания. Вплоть до XIX века ученые думали, что мозг человека работает линейно: стимул — реакция. Но в 1860-е годы немецкий физик и врач Герман фон Гельмгольц предположил, что на самом деле это не так. В голове не только есть определенная иерархия, но и ассоциации, которые сильно влияют на то, как человек отреагирует на импульс извне.
Ученый считал, что восприятие каждого человека сочетает в себе его индивидуальный опыт и врожденные данные, характерные именно для его органов восприятия.
Именно поэтому мы видим разные объекты на известных двусмысленных картинках, где можно увидеть и старушку, и молодую женщину.
Такое восприятие связано с тем образом, который формируется на сетчатке глаза. Оказалось, что когда человек впервые сталкивается с образом, тот закрепляется в его сознании как ассоциация и сохраняется на высоких уровнях мозга. Получается, что как только человек замечает какой-то объект, его мозг передает сигнал на более высокие уровни когнитивной иерархии. Там происходит поиск опыта взаимодействия с похожим объектом, а еще именно с этих уровней мозг дает реакцию.
В 1980-е годы пионер когнитивной психологии Ричард Лэнгтон Грегори в своей работе «Перцепции как гипотезы» пошел еще дальше и высказал предположение, что восприятие (а, может, и все системы познания) формируется за счет несоответствия между тем, чего ожидают нейроны мозга, и тем, какая информация поступает им на самом деле. Это можно назвать концептуальной моделью «ожидание–реальность». То есть мы ожидаем, что увидим змею (наш мозг «предсказывает» такой исход), но в реальности оказывается, что под ногами палка.
Выявив это несоответствие, или «ошибку предсказания», на низком уровне, мозг выдает ошибку и отправляет ее вверх. Более высокий уровень корректирует свое представление и обновляет предикативные модели, чтобы избежать ошибок в будущем.
Мозг приматов и вычислительные машины: как ученые проверяли гипотезу
Чтобы проверить гипотезу о возможности мозга предсказывать, исследователи обратились к компьютерным вычислительным моделям. Вдохновившись биологическими нейронами, ученые построили искусственные нейронные сети, которые продемонстрировали сверхъестественные навыки: по словам исследователей, они могли имитировать способности нашего мозга. Некоторые эксперименты с этими технологиями также доказывают, что мозг предсказывает будущее, чтобы сэкономить энергию. Вот как это работает.
В 1999 году компьютерные ученые Раджеш Рао и Дана Баллард построили вычислительную модель предиктивного кодирования. Ее суть заключается в том, что мозг находится процессе постоянной обработки информации, все время обновляя свое представление о мире.
Созданная Рао и Баллард система воспроизводила часть нейронного пути в мозге приматов и могла фиксировать ошибки, появляющиеся в нейронах мозга из-за изменений. Например, если в изученном ряде картинок вдруг появлялось новое изображение.
Но у такого подхода были свои ограничения. Когда Рао и Баллард проводили свои исследования, можно было сделать только сети прямого распространения, в которых информация обрабатывалась линейно: от входа к выходу, «сверху-вниз». В то время как мозг приматов состоит из иерархических областей.
Позже неврологи пришли к другому типу моделей — рекуррентным нейронным сетям (или РНС), в которых есть как прямые, так и обратные связи нейронов, активных непрерывно. Рекуррентные сети привлекли внимание нескольких исследователей из Гарварда. В 2016 году они создали систему, которая научилась предсказывать следующий кадр в видео. Эти сети работали по принципу предиктивного кодирования и состояли из четырехслойной иерархии: каждый уровень предсказывал информацию, находящуюся на уровне ниже, а в случае несоответствия посылал сигнал об ошибке.
Впоследствии ученые предположили, что нейронная коммуникация — это энергозатратный процесс: из-за силы связей между нейронами, также известной как вес, которая показывает переход импульса от одного нейрона к другому, тратится большая часть энергии. Но позже оказалось, что в разработанных системах есть механизмы, которые заставляют предотвращать ошибки, чтобы сэкономить энергию.
Чтобы проверить это, команда обучила рекуррентные нейронные сети на многочисленных последовательностях цифр — 1234567890, 3456789012, 6789012345 и далее — в которых каждая цифра была показана в виде изображения 28х28 пикселей. Когда система только училась предсказывать следующую цифру, нейроны, названные «юнитами ошибок», были наиболее активны. После того как последовательности начали складываться, причем с минимальным весом между нейронами, «юниты ошибок» исчезли. Интересно, что сеть пришла к такому исходу, чтобы сократить потребление энергии. В случае с мозгом получается, что когда этот орган «предсказывает», он задействует нейронную активность на более низком уровне, то есть тратит меньше энергии.
Нейроны в голове у грызунов и предсказания: что происходит в реальном мозге
Искусственно созданные нейросети и человеческий мозг — разные вещи. Проверить гипотезу о способности мозга к предсказаниям в реальной жизни решил нейробиолог и компьютерщик Блейк Ричардс. Он и его коллеги обратились в Институт Аллена в Сиэтле, где занимаются изучением активности мозга мышей. Грызунам показывали множество последовательностей пятен Габора со светлыми и темными полосками, расположенными в определенной ориентации. Когда мыши привыкли к пятнам каждой из вариаций, ученые случайным образом меняли ориентацию одного из пятен. Животные были удивлены, но со временем стали ожидать это событие.
Мозг начал «предвидеть» возможные изменения и подавлял реакцию на сенсорную информацию по мере того, как событие становилось менее неожиданным. В то же время, несмотря на привычку, нейронные цепи продолжали отправлять сигналы об ошибках на более высокие уровни.
Ученые предположили, что таким образом они постоянно учились лучше распознавать свойства неожиданных событий, чтобы в будущем делать более точные прогнозы.
Пока что исследования способности мозга «предсказывать» продолжаются, но ученые уверены, что уже доступные доказательства вполне убедительны — осталось только найти этому больше объяснений.
5 правил предсказания будущего | Издательская группа Азбука-Аттикус
Еще Нассим Николас Талеб предупреждал всех нас: не верьте предсказаниям, сделанным «экспертами» и «специалистами», — это спекуляции на несовершенствах человеческого сознания. Если вы любопытства ради возьметесь сравнить предсказания, сделанные для разных областей — от технологий до экономики, — то заметите, как мало из них сбылось.
Именно такой эксперимент проделали студенты отделения публичной политики Гамильтон-колледжа. Они оценили предсказательные способности 26 специалистов по общественно-политическим вопросам. Приклеивая жанровые ярлыки к результатам этого исследования, можно сказать, что большинство «предсказаний» очень похожи на фэнтези.
Отсюда вытекает первое правило предсказаний будущего:
1.
Будущее предсказывать трудно. Очень трудно.На развитие событий влияет такой объем факторов и условий, что ни у кого на свете нет такой суперспособности, чтобы охватить всю картину целиком. Ведь всё предусмотреть невозможно.
Даже если рассуждать логически: если мы уверены, что в будущем произойдет что-то, значит, мы уже точно знаем, как, почему и при каких условиях это произойдет. А если вы все это знаете, значит, это уже произошло. Такова логика.
Например, в конце 1940-х годов вы предсказываете, что в начале XXI века почти у каждого в кармане будет маленький беспроводной суперкомпьютер, который позволит в реальном времени общаться по видеосвязи с людьми на другом краю планеты. Значит, вам уже известно не только о широком распространении персональных компьютеров, но и об интернете (до начала 1990-х всемирная паутина была секретной разработкой военных) и о мобильной связи, и о других технологиях, предваряющих возможности современных смартфонов.
Это подводит нас ко второму правилу предсказаний будущего:
2. Новые технологии почти никогда не бывают результатом работы одиноких гениев с блестящими идеями.
Все «просто»: до смартфона нужно было изобрести как минимум электричество и микропроцессор, не говоря уже о цифровом фотоаппарате (ну а на что мы бы делали селфи?). Стив Джобс, конечно, крутой, но один он бы ничего не изобрел.
Так и получается, что ни лунных, ни марсианских человеческих поселений до сих пор не существует, хотя их появление предсказывали в середине XX века, а никем не предсказанный смартфон есть. Вот вам и третье правило:
3. Развитие технологий зависит от случайных обстоятельств.
В 1928 году Александр Флеминг заметил, что в давно немытые чашки Петри с образцами различных бактерий, с которыми ученый вел неравную борьбу, попала плесень.
Таких случайностей в науке немало, что подтверждает и обратное доказательство: Леонардо да Винчи разработал и создал чертежи летательных аппаратов, но первый самолет полетел только в начале XX века, а в древней Александрии существовали примитивные паровые двигатели, но паровозов точно не было.
4. Самое скучное правило: запланировать бюджет на будущие технологии невозможно.
На сегодняшний день главное препятствие на пути человечества к прекрасному светлому технологическому будущему — это не слабость воображения изобретателей и даже не низкий уровень развития предшествующих разработок, а тривиальное отсутствие бюджета.
Отправить в космос полкило груза стоит примерно 10 000 долларов, нетрудно подсчитать, во сколько приблизительно вам обойдется перелет на Луну с 20 кг ручной клади.
Плюс-минус миллион долларов. И это еще без скафандра!
Увы, создание любых новых технологий ужасно дорого. А ведь мы уже знаем, что предсказать, сколько всего придется наизобретать до того, как получится совершить прорыв, невозможно. Так что и планировать расходы на «прорыв» — дело неблагодарное и довольно бесполезное. Про гарантии возврата инвестиций и говорить нечего.
5. Будущее упорно противится нашим усилиям.
Предсказывая, какими технологиями мы будем пользоваться через 20 лет, имейте в виду, что на практике их развитию будут мешать совершенно непредсказуемые вещи.
В начале 1960-х конец испытаниям одного альтернативного источника энергии положили суслики. Да, суслики. Идея была в том, чтобы сбросить в глубокую соляную шахту посреди пустыни ядерную бомбу. Взрыв расплавил бы каменную соль, великолепно удерживающую тепло. Эту соль планировалось использовать для конденсации больших объемов пара. Пар вращал бы турбины — вот вам и электроэнергия.
Но все пошло не так. Во время испытаний суслики перегрызли провода радиационных счетчиков, поэтому никто до сих пор не знает, насколько радиоактивной оказалась новая технология. Проект «Орало» (Project Plowshare), в рамках которого проводились испытания, естественно, умер вместе с теми сусликами.
Повторять попытку не стали.
В чем смысл, брат?
Смысл в том, что развитие технологий ужасно интересно и оно происходит на наших глазах. Пусть предсказывать будущее очень трудно, а создавать новые технологии дьявольски мучительно, люди, неугомонные существа, все равно пытаются заглянуть в завтрашний день и продолжают изобретать.
Как это делается прямо сейчас, с какими проблемами сталкиваются ученые, инженеры, программисты и бизнесмены, чем чреваты для человечества их успехи или, наоборот, какую пользу они принесут, написали Келли и Зак Вайнерсмиты в книге «В обозримом будущем. Десять технологий, которые улучшат или разрушат все на свете».
Инструмент для предсказания будущего | MIT News
Если кто-то пытается предсказать завтрашнюю погоду, спрогнозировать будущие цены на акции, определить упущенные возможности для продаж в розничной торговле или оценить риск развития заболевания у пациента, ему, вероятно, потребуется интерпретировать данные временных рядов, которые являются совокупность наблюдений, записанных с течением времени.
Создание прогнозов с использованием данных временных рядов обычно требует нескольких этапов обработки данных и использования сложных алгоритмов машинного обучения, кривая обучения которых настолько крутая, что неспециалистам недоступна.
Чтобы сделать эти мощные инструменты более удобными для пользователя, исследователи Массачусетского технологического института разработали систему, которая напрямую интегрирует функции прогнозирования поверх существующей базы данных временных рядов. Их упрощенный интерфейс, который они называют tspDB (база данных прогнозов временных рядов), выполняет все сложное моделирование за кулисами, поэтому неспециалист может легко сгенерировать прогноз всего за несколько секунд.
Новая система точнее и эффективнее современных методов глубокого обучения при выполнении двух задач: предсказание будущих значений и заполнение отсутствующих точек данных.
Одной из причин успеха tspDB является то, что он включает в себя новый алгоритм прогнозирования временных рядов, объясняет аспирант факультета электротехники и информатики (EECS) Абдулла Аломар, автор недавней исследовательской работы, в которой он и его соавторы опишите алгоритм. Этот алгоритм особенно эффективен при прогнозировании многомерных данных временных рядов, то есть данных, содержащих более одной переменной, зависящей от времени. В базе данных погоды, например, температура, точка росы и облачность зависят от своих прошлых значений.
Алгоритм также оценивает волатильность многомерного временного ряда, чтобы предоставить пользователю уровень достоверности его прогнозов.
«Несмотря на то, что данные временных рядов становятся все более и более сложными, этот алгоритм может эффективно фиксировать любую структуру временных рядов.
Похоже, мы нашли подходящую линзу, чтобы взглянуть на сложность моделей данных временных рядов», — говорит старший автор Деваврат Шах, профессор Эндрю и Эрны Витерби в EECS и член Института данных, систем и общества. Лаборатории информационных систем и систем принятия решений.
Вместе с Аломаром и Шахом в работе над статьей работает ведущий автор Аниш Агравал, бывший аспирант EECS, который в настоящее время является постдоком в Институте Саймонса Калифорнийского университета в Беркли. Исследование будет представлено на конференции ACM SIGMETRICS.
Адаптация нового алгоритма
Шах и его сотрудники годами работали над проблемой интерпретации данных временных рядов, адаптируя различные алгоритмы и интегрируя их в tspDB по мере создания интерфейса.
Около четырех лет назад они узнали об особенно мощном классическом алгоритме, называемом анализом сингулярного спектра (SSA), который вычисляет и прогнозирует отдельные временные ряды. Вменение — это процесс замены отсутствующих значений или исправления прошлых значений.
Хотя этот алгоритм требовал ручного выбора параметров, исследователи подозревали, что он может позволить их интерфейсу делать эффективные прогнозы с использованием данных временных рядов. В более ранней работе они убрали эту необходимость вручную вмешиваться для алгоритмической реализации.
Алгоритм для одиночного временного ряда преобразовал его в матрицу и использовал процедуры оценки матрицы. Основная интеллектуальная проблема заключалась в том, как адаптировать его для использования нескольких временных рядов. После нескольких лет борьбы они поняли, что ответ был очень простым: «сложите» матрицы для каждого отдельного временного ряда, обработайте их как одну большую матрицу, а затем примените к ней алгоритм единого временного ряда.
Это естественным образом использует информацию из нескольких временных рядов — как во временном ряду, так и во времени, что они описывают в своей новой статье.
В этой недавней публикации также обсуждаются интересные альтернативы, в которых вместо преобразования многомерного временного ряда в большую матрицу он рассматривается как трехмерный тензор.
Тензор — это многомерный массив или сетка чисел. По словам Аломара, это установило многообещающую связь между классической областью анализа временных рядов и растущей областью тензорной оценки.
«Представленный нами вариант mSSA прекрасно отражает все это. Таким образом, он дает не только наиболее вероятную оценку, но и изменяющийся во времени доверительный интервал», — говорит Шах.
Чем проще, тем лучше
Они протестировали адаптированный mSSA в сравнении с другими современными алгоритмами, включая методы глубокого обучения, на реальных наборах данных временных рядов с входными данными, полученными из электросети, трафика модели и финансовые рынки.
Их алгоритм превзошел все остальные по вменению и превзошел все другие алгоритмы, кроме одного, когда дело дошло до прогнозирования будущих значений. Исследователи также продемонстрировали, что их модифицированная версия mSSA может применяться к любым данным временных рядов.
«Одна из причин, по которой я думаю, что это работает так хорошо, заключается в том, что модель отражает много динамики временных рядов, но, в конце концов, это все еще простая модель.
Когда вы работаете с чем-то простым, как это, вместо нейронной сети, которая может легко подобрать данные, вы действительно можете работать лучше», — говорит Аломар.
Впечатляющая производительность mSSA — вот что делает tspDB столь эффективным, объясняет Шах. Теперь их цель — сделать этот алгоритм доступным для всех.
После того, как пользователь установит tspDB поверх существующей базы данных, он сможет выполнить прогнозный запрос всего несколькими нажатиями клавиш примерно за 0,9миллисекунд по сравнению с 0,5 миллисекундами для стандартного поискового запроса. Доверительные интервалы также предназначены для того, чтобы помочь неспециалистам принимать более обоснованные решения, учитывая степень неопределенности прогнозов при принятии решений.
Например, система может позволить неспециалисту прогнозировать будущие цены на акции с высокой точностью всего за несколько минут, даже если набор данных временного ряда содержит пропущенные значения.
Теперь, когда исследователи продемонстрировали, почему mSSA работает так хорошо, они нацелились на новые алгоритмы, которые можно включить в tspDB.
Один из этих алгоритмов использует ту же модель для автоматического включения обнаружения точки изменения, поэтому, если пользователь считает, что его временной ряд изменит свое поведение в какой-то момент, система автоматически обнаружит это изменение и учтет его в своих прогнозах.
Они также хотят продолжать собирать отзывы от текущих пользователей tspDB, чтобы увидеть, как они могут улучшить функциональность и удобство системы, говорит Шах.
«На самом высоком уровне мы заинтересованы в том, чтобы сделать tspDB успешной в виде широко используемой системы с открытым исходным кодом. Данные временных рядов очень важны, и это прекрасная концепция фактического встраивания функций прогнозирования непосредственно в базу данных. Такого раньше никогда не делали, и поэтому мы хотим убедиться, что мир использует его», — говорит он.
«Эта работа очень интересна по ряду причин. Он обеспечивает практический вариант mSSA, который не требует ручной настройки, они обеспечивают первый известный анализ mSSA, и авторы демонстрируют реальную ценность своего алгоритма, будучи конкурентоспособными или превосходящими несколько известных алгоритмов для вменения и прогнозирования в (многомерные) временные ряды для нескольких реальных наборов данных», — говорит Вишал Мишра, профессор компьютерных наук Колумбийского университета, который не участвовал в этом исследовании.
«В основе всего этого лежит прекрасная работа по моделированию, в которой они умело используют корреляции во времени (внутри временного ряда) и пространстве (во временном ряду), чтобы создать пространственно-временное факторное представление низкого ранга многомерного временного ряда. Важно отметить, что эта модель связывает область анализа временных рядов с областью быстро развивающейся темы тензорного завершения, и я ожидаю, что эта статья подтолкнет множество последующих исследований».
Простое правило, которое поможет вам предсказать будущее
Загрузка
Глубокая цивилизация | Предсказание
(Изображение предоставлено Getty Images)
Том Чатфилд, 25 июня 2019 г.
Что заставляет что-то существовать веками? Чтобы это выяснить, мы должны начать с принципа, называемого «Эффект Линди», объясняет Том Чатфилд.
ЗАДАЧА ПРОГНОЗА
Некоторые люди особенно хорошо видят то, что находится за углом.
Эти «супер-прогнозисты» могут предсказывать события с поразительной точностью, часто без предварительного опыта. Может быть, это ты?
Узнайте об этом, участвуя в исследовательском проекте, над которым BBC Future работает с Nesta — британским фондом инноваций. Мы изучаем, как отдельные лица и команды прогнозируют глобальные изменения, от технологических сдвигов до геополитических событий.
Узнайте больше о вызове и зарегистрируйтесь здесь. Как объясняет Кэти Пич из Nesta, участие может сделать вас лучшим прогнозистом…
Что останется через 100 лет от города, в котором вы родились: какие достопримечательности или здания? А через 500 лет? Скандальный автор Нассим Николас Талеб предлагает контринтуитивное практическое правило для ответов на подобные вопросы. Если вы хотите знать, как долго просуществует что-то непортящееся, то есть что-то, на что не распространяются ограничения естественной продолжительности жизни, то первый вопрос, который вы должны задать, — как долго оно уже существует.
Возьмите мой родной город Лондон. Если я хочу сделать ставку на то, какое из его зданий будет стоять через несколько столетий, эмпирическое правило Талеба предполагает, что я должен начать с самого старого. Крепость в центре лондонского Тауэра, которой 941 год, — хороший выбор, за ней следует Монастырь Мертон на юге Лондона, которому также исполнилось 900 лет. Великолепен в Смитфилде, но также оказался довольно жестким: некоторые его части датируются 89 годом.6 лет.
Логика аргументации Талеба проста. Поскольку единственным судьей, имеющим значение, когда речь идет о будущем, является время, наш единственный по-настоящему надежный способ заглянуть в будущее — это спросить себя о том, что уже доказало свою устойчивость: что продемонстрировало пригодность и устойчивость перед лицом самого времени, пережив его удары и нападения. через десятилетия, века или тысячелетия. Лондонский Тауэр может показаться скромным по сравнению с небоскребом «Осколок», который возвышается над Темзой в 11 раз выше, но он также доказал свою стойкость в 9в 4 раза больше лет.
Лондонский Тауэр на переднем плане затмевается небоскребом «Осколок» (Фото: Getty Images) В июне 1964 года американский писатель Альберт Голдман опубликовал в журнале The New Republic статью под названием «Закон Линди», в которой представил «поучительную басню» разговоров о шоу-бизнесе в гастрономе Линди в Нью-Йорке. Именно здесь собрались знающие комики, чтобы обсудить вероятную стойкость своих сверстников. Если кто-то чрезмерно разоблачил себя, израсходовав свой материал в коротком всплеске активности, рассуждал он, его карьере скоро придет конец. Но если бы они играли в долгую игру, появляясь реже, но с большей отдачей, такая экономия ресурсов могла бы привести к тому, что они продержались бы в отрасли десятилетиями.
Вам также могут понравиться:
- Опасности краткосрочности
- Как строить на 10 000 лет
- Технологии глубокого времени: как они развиваются вместе с нами
Талеб значительно расширил этот рассказ.
«Вещи, которые существуют уже долгое время, не «стареют», как люди, а «стареют» наоборот», — пишет он в своей книге «Антихрупкость: вещи, которые выигрывают от беспорядка» в 2012 году. «Каждый год, который проходит без вымирания, удваивает дополнительную продолжительность жизни».
Книга, которая печаталась полвека, утверждает он, может рассчитывать на то, что будет печататься еще полвека. Однако после того, как он просуществует еще 10 лет, его предполагаемая продолжительность жизни снова увеличится на столько же. Каждый дополнительный год говорит нам что-то такое, чего не может прогнозировать. Благодаря непостижимому разнообразию взаимосвязанных причин этот том продолжает находить аудиторию, и его способность продолжать делать это заслуживает большего уважения, чем сотни тысяч экземпляров , что новая книга продана в прошлом году.
Пожар в Нотр-Даме вызвал скорбь и пожертвования — какие современные здания вдохновят так же? (Фото: Getty Images)
Еще раз посмотрите на лондонские здания.
Они подвержены тем же силам износа, что и все остальное на Земле: они могут быть прочными, но не могут оставаться в хорошем состоянии без поддержки человека. И именно по этой причине эффект Линди так полезен, когда дело доходит до их понимания. Чем дольше что-то существовало, тем большее значение и символическое значение оно приобретало — и тем больше испытаний на функциональность и моду оно проходило. Современный город Лондон, как и большинство городов с многовековой историей, изгибается и сплетается вокруг своих памятников. На протяжении веков удача и благосклонность закрепили их в идентичности города. Через несколько дней после пожара в 800-летнем соборе Нотр-Дам-де-Пари в начале этого года наблюдатели мира пообещали выделить более миллиарда евро на финансирование его реконструкции. Маловероятно, что Осколок вызвал бы такой же ответ.
Сила эффекта Линди — и отношения между архитектурой и культурой — также проявляется в усилиях тех, кто хочет избавиться от чего-то старого. Во имя эффективности и борьбы с идолопоклонством Саудовская Аравия за последние несколько десятилетий уничтожила огромное количество своего древнего наследия, стремясь удовлетворить как огромное количество паломников, посещающих священный город Мекку, так и ультраконсервативную ваххабитскую идеологию ее правителей.
. Большая часть культуры и наследия страны рассматривается как угроза этой идеологии, возможно, потому, что то, что длилось веками, может порождать более сложную и устойчивую лояльность, чем абсолютные правители.
Эта ситуация аналогична ситуации, когда современный Китай сносит и дезинфицирует свои города во имя современности и идеологической чистоты — стратегия, которая в последние годы с разрушительным рвением была обращена против граждан-мусульман. Эффект Линди представляет собой глубокую угрозу и оскорбление для тех, кто хочет избавиться от сложностей и непримиримости наших отношений с прошлым. И это говорит о важности использования в качестве разрушительного инструмента чего-то еще, по крайней мере, столь же древнего и атавистического.
На данный момент может показаться, что приспособленность в эволюционном смысле — то, что доказало свою ценность и приспособляемость выживанием — противоречит одному из основных принципов обоснованного аргумента. Если вы не можете привести веских причин для чего-то, то неразумно в это верить: и фраза «так было давно» — это, конечно, не веская причина продолжать что-то делать.
Однако это проблема, только если мы смешиваем «хорошие» причины в смысле веских причин с «хорошими» причинами в смысле похвальных или этически желательных. Многие ужасные обычаи обладают ужасной силой по причинам, уходящим корнями в самые темные стороны человеческой природы: рабство, убийства, изнасилования, фанатизм. Самые мрачные человеческие преступления также являются наиболее древними засвидетельствованными — и именно по этой причине любые попытки смягчить их и выйти за их пределы должны также основываться на внимательном чтении истории. 9Фото: Getty Images Другая половина не менее важна: хрупкость. Что-то хрупко, когда вместо того, чтобы адаптироваться и выживать, оно разлетается на куски при первом сильном ударе. В эволюционной схеме вещей отдельные существа ужасно хрупки, но эта хрупкость служит большей устойчивости их вида. Разнообразное и конкурирующее существование бренных особей обеспечивает адаптацию и обновление от поколения к поколению, так же как огромное разнообразие жизни в целом на этой планете обеспечило некоторым выжившим даже самые катастрофические события.
Когда дело доходит до человеческих творений — зданий, артефактов, идей — в игре присутствует аналогичная адаптивная избыточность. Даже самые выносливые здания хрупки по сравнению с более грандиозной схемой вещей. Но эмоции и идеи, которые заставляют нас восхищаться, поддерживать и подражать некоторым из них, сильны. (Подробнее: Как построить то, что прослужит 10 000 лет.)
Точно так же, хотя отдельные артефакты могут быть хрупкими, их родословная, скорее всего, будет продолжаться, если они служат и расширяют глубоко укоренившиеся потребности. Отсюда двойная поговорка новатора: «Какую важную проблему он решает?» и «как это облегчает жизнь?» Если вы не можете ответить ни на один из этих вопросов о чем-то новом — если вы не можете каким-то образом связать временное с вечным — вероятно, имеет смысл подождать, а не ставить на кон.
Глядя на Лондон, где старое и новое соседствуют друг с другом (Фото: Getty Images)
выше. Будущее — это те части прошлого, которые развились и выжили, за вычетом тех частей настоящего, которые, скорее всего, треснут и рухнут.
И вот на что нам следует обратить внимание, если мы надеемся сделать значимые прогнозы: на две крайности времени: адаптивность и неадекватность. Как однажды выразилась писательница Урсула Ле Гуин, если вы хотите понять то, что непреходяще, вам лучше исследовать ёмкость мифов, чем оттачивать существующие линии рассуждений. «Истинный миф может служить на протяжении тысячелетий неисчерпаемым источником интеллектуальных размышлений, религиозной радости, этических изысканий и художественного обновления. Настоящая тайна не разрушается разумом. Фальшивая».
Горячая новая тенденция, следующая большая вещь? Каким бы большим оно ни было, оно почти наверняка не продлится долго. Мало что делает. В конечном итоге ничего не происходит. Однако некоторые явления демонстрируют необычайную устойчивость. И это древнее поле битвы, которое они застолбили внутри нас и наших культур — между потребностью и желанием, любовью и ненавистью, свободой и рабством — это то место, где всегда будет происходить настоящее действие.