Текст книги "Экспонента. Как быстрое развитие технологий меняет бизнес, политику и общество"

Глава 3. Экспоненциальный разрыв

В 2020 году Amazon исполнилось 26 лет. За предыдущую четверть века компания преобразовала сам процесс совершения покупок. Ее доход от розничных продаж превысил 213 миллиардов долларов, она стала богаче немецкой Schwarz Gruppe, американской Costco и любой из британских розничных сетей. Больше была только американская Walmart с объемом продаж более полутриллиона долларов. Но в онлайн-торговле Amazon к тому времени уже стала мировым лидером. Размеры ее онлайн-продаж превосходили Walmart в восемь раз. Однако Amazon – это не просто интернет-магазин. Ее огромные операции в таких областях, как облачные вычисления, логистика, медиа и «хард», добавили к объему продаж еще 172 миллиарда долларов.

В основе успеха Amazon лежит ежегодный бюджет, выделяемый на исследования и разработки (R&D[96]96
  Research and Development (англ.) – исследования и разработка. В российской практике используется также определение НИОКР – научно-исследовательские и опытно-конструкторские работы. Прим. ред.


[Закрыть]): в 2019 году он достиг ошеломляющей суммы в 36 миллиардов долларов. Эти средства предназначены для самых разных проектов – от роботов до интеллектуальных домашних помощников. Такой бюджет заставляет другие компании и даже многие правительства плестись позади[97]97
  The UK’s national R&D spend was £37 billion, or approximately $47 billion. See “Research and Development Expenditure,” Office for National Statistics. https://www.ons.gov.uk/economy/governmentpublicsectorandtaxes/researchanddevelopmentexpenditure.


[Закрыть]. Он ненамного меньше годового бюджета, который выделяет на R&D правительство Великобритании. Весь федеральный бюджет правительства США на эти цели составил в 2018 году всего лишь 134 миллиарда долларов[98]98
  81 Federal Research and Development (R&D) Funding: FY2020, Congressional Research Service, March 18, 2020. https://fas.org/sgp/crs/misc/R45715.pdf.


[Закрыть].

В 2018 году Amazon потратила на R&D больше, чем Национальные институты здравоохранения США. Roche, глобальная фармацевтическая компания, известная своими инвестициями в исследования, потратила в том же году на R&D всего 12 миллиардов долларов[99]99
  Trefis Team, “How Big Is Roche’s R&D Expense?” Forbes, December 19, 2019. https://www.forbes.com/sites/greatspeculations/2019/12/19/how-big-is-roches-rd-expense/.


[Закрыть]. Между тем Tesco, крупнейшая розничная сеть Великобритании с годовым объемом продаж более 50 миллиардов фунтов стерлингов (около 70 миллиардов долларов), имеет исследовательскую лабораторию, бюджет которой в 2016 году составлял «шестизначную сумму»[100]100
  Matthew Chapman, “Are Retail Labs Really the Path to Innovation?.” Campaign Live, February 2, 2016. https://www.campaignlive.co.uk/article/retail-labs-really-path-innovation/1381099.


[Закрыть].

Возможно, более примечательна скорость, с которой Amazon наращивала этот бюджет. За десять лет до этого он составлял 1,2 миллиарда долларов. Но в течение следующего десятилетия компания ежегодно увеличивала его примерно на 44 %. В 2010-х годах Amazon удвоила свои инвестиции в исследования. По словам Вернера Фогельса, директора по технологиям компании, если бы они перестали внедрять инновации, то «вылетели бы из бизнеса через 10–15 лет».

В ходе этого процесса Amazon создала разрыв между старым миром и новым. Подход традиционного бизнеса – полагаться на модели, которые привели к успеху вчера. Такой подход основывался на стратегии, согласно которой завтрашний день, может, и будет отличаться, но не сильно[101]101
  “Werner Vogels, Interview with Jon Erlichman of Bloomberg,” July 21, 2020. https://twitter.com/JonErlichman/status/1285628647609638915.


[Закрыть].

Подобное линейное мышление, основанное на предположении, что на изменения уходят десятилетия, а не месяцы, возможно, работало в прошлом, но не теперь. Amazon понимала природу экспоненциальной эпохи. Темпы изменений ускоряются; компании, которые смогут использовать технологии новой эры, взлетят. А те, которые окажутся не способны идти в ногу со временем, будут уничтожены с поразительной скоростью.

Это расхождение между старым и новым – один из примеров того, что я называю «экспоненциальным разрывом». С одной стороны, имеются технологии, которые развиваются с экспоненциальной скоростью, и компании, институты и сообщества, которые адаптируются к ним или используют их. С другой – существуют идеи и нормы старого мира; компании, институты и сообщества, которые могут адаптироваться лишь постепенно. Они остаются позади – и быстро.

Возникновение этого разрыва – следствие экспоненциальных технологий. До начала 2010-х годов большинство компаний полагало, что стоимость их производственных ресурсов будет годами оставаться примерно одинаковой – ну, может, придется учитывать ежегодную инфляцию. Цены на сырье на товарных рынках могли колебаться, однако процессы планирования, закрепленные в ортодоксальном менеджменте, могли управлять такими колебаниями. Во времена экспоненциального роста один из основных факторов производства – способность компании обрабатывать информацию. А одна из главных затрат на обработку данных – вычислительный процесс[102]102
  The other is people. People costs didn’t deliver the same levels of deflation.


[Закрыть]. Но затраты на вычисления не росли каждый год – наоборот, они быстро снижались. Изменилась основополагающая динамика работы компаний.

В главе 1 мы подробно поговорили о законе Мура: о том, что, согласно этому закону, базовая стоимость вычислений каждые два года снижается вдвое. Это означает, что каждые десять лет затраты на обработку данных, которую выполняет компьютер, будут снижаться в сто раз. Последствия этого процесса выходят далеко за рамки нашего личного взаимодействия с собственными ноутбуками и за рамки интересов отдельно взятого их производителя.

Иными словами, если организации нужно сделать какие-то вычисления, но для нее это сегодня слишком накладно, то через пару лет такая задача, скорее всего, не покажется такой уж дорогой. Осознание этого имеет для компаний огромное значение. Те из них, которые сообразили, что реальная цена вычислений снижается (притом что условная стоимость того, что они покупают, остается прежней или даже растет), могли планировать, производить и экспериментировать с учетом ближайшего будущего. Даже если сегодня эти футуристические мероприятия стоят дорого, вскоре они все равно станут доступными. Организации, которые поняли эту дефляцию и спланировали ее, оказались в выгодном положении, поскольку воспользовались преимуществами экспоненциальной эпохи.

То, что Amazon загодя смогла уловить эту тенденцию, помогло ей превратиться в одну из самых дорогих компаний в истории, но она была не одинока. По схожему пути пошли многие из новых цифровых гигантов – от Uber до Alibaba, от Spotify до TikTok. Следом шли компании, понимающие, как эти процессы применяются в других отраслях. Руководство Tesla осознало, что цены на электромобили будут снижаться по экспоненциальной кривой, и запустило революцию электромобилей. Основатели компании Impossible Foods поняли, почему дорогостоящий процесс прецизионной ферментации (в котором участвуют генетически модифицированные микроорганизмы) будет становиться все дешевле и дешевле. Руководители космических компаний Spire и Planet Labs понимали, что этот процесс приведет к снижению стоимости вывода спутников на орбиту. А вот у организаций, которые не приспособились к экспоненциальным технологическим сдвигам, как, например, у значительной части газетной печатной индустрии, шансов не было.

Мы можем представить себе этот разрыв, вернувшись к знакомой нам экспоненциальной кривой. Как мы уже видели, отдельные технологии развиваются в соответствии с S-образной кривой, которая вначале примерно повторяет экспоненциальную траекторию. И как мы уже наблюдали, вначале все кажется обычным и скучным. На первых порах экспоненциальные изменения выглядят крайне невыразительно, и большинство людей и организаций их не замечают. На этом этапе кривой отрасль, производящая экспоненциальную технологию, выглядит захватывающе только для тех, кто в ней работает, остальным она кажется «задворками». Однако в какой-то момент наблюдается перелом, экспонента устремляется вверх, обгоняя любую прямую линейных изменений. Этот незаметно подступивший перелом трудно осознать.

Причина в том, что при всей очевидности экспоненциальных изменений большинство институтов, из которых состоит наше общество, движется по линейной траектории. Прописанные законы и неписаные социальные нормы, традиционные компании и неправительственные организации, политические системы и международные органы – все они привыкли приспосабливаться очень и очень постепенно. Стабильность – важная сила в институтах. Фактически она в них встроена.

Этот разрыв между способностью наших институтов к изменениям и растущей скоростью новых технологий – определяющее следствие перехода в экспоненциальную эпоху. С одной стороны, у нас есть новые модели поведения, взаимоотношений и структур, которые становятся возможными благодаря экспоненциально улучшающимся технологиям, а также продукты и услуги, созданные на их основе. С другой – нормы, которые развивались или были разработаны для удовлетворения потребностей прежних технологий. Этот разрыв приводит к чрезвычайному напряжению. В экспоненциальную эпоху это расхождение происходит повсюду.

Давайте посмотрим на экономику. Когда компания экспоненциального века вырастает до беспрецедентных масштабов и концентрирует огромную рыночную власть, она может фундаментально подорвать динамику рынка. Тем не менее правила монополии индустриальной эпохи могут не расценить такое поведение как опасное. Это пример экспоненциального разрыва.

Рис. 6. Экспоненциальный разрыв. Линейные институты, экспоненциальные технологии и экспоненциальный разрыв

Или возьмем природу труда. Когда новые технологии позволяют организациям и работникам, используя гиг-платформы, предлагать краткосрочные задания и соревноваться за них, это создает оживленный рынок небольших работ, но, вероятно, за счет более надежной, стабильной занятости. Когда специалисты через мобильные приложения конкурируют за работу на подобных платформах, каков их статус занятости? Какие у них права? Расширяет ли это их возможности или обесчеловечивает их? Никто точно не знает: наш подход к работе был сформирован в XIX и XX веках. Что он может сказать нам о полуавтоматизированной гиг-работе? Это тоже экспоненциальный разрыв.

Посмотрите на отношения между рынками и гражданами. По мере того как компании разрабатывают новые услуги с использованием революционных технологий, все больше аспектов нашей жизни будут отданы на откуп частным организациям. То, что мы когда-то считали своим личным делом, все чаще будет покупаться и продаваться компаниями экспоненциальной эпохи. Это создает диссонанс: системы, которые мы создали для защиты нашей частной жизни, вдруг оказываются неподходящими, и мы пытаемся придумать новый, более современный набор правил. Это тоже экспоненциальный разрыв.

Вот те области, которые определяют наше повседневное существование – как потребителей и граждан, работников и начальников. Потенциал новых технологий бросил вызов нормам нашего общества во всех сферах. Последствиям этого расхождения будет посвящена большая часть книги. Пока же мы сосредоточимся на причинах возникновения экспоненциального разрыва.

* * *

Основная причина экспоненциального разрыва проста: мы плохо соображаем в математике.

Давайте на мгновение задумаемся, каково это – жить в эпоху экспоненциального роста, и ответ, как многие читатели уже знают, будет обескураживающим. Такие, как я, родившиеся в начале 1970-х годов, переживали инновации волну за волной. От стационарного до сотового телефона, от модемов до мобильного интернета, от виниловых пластинок до компакт-дисков, от MP3 до потокового вещания. «Лихорадка субботнего вечера» группы Bee Gees была у меня по крайней мере в пяти различных форматах: на виниле, кассете, сиди, MP3, а теперь в потоковом доступе.

Человеческий когнитивный механизм не способен естественным образом обрабатывать такие быстрые изменения. Вычисления нас сбивают с толку. Возьмем, к примеру, необычный лондонский ливень. Стадион «Уэмбли» – главный футбольный стадион Англии. Он находится примерно в пяти милях к северо-западу от моего дома, и когда я приезжаю в гости к родственникам жены, то вижу его из окна. Его стальная арка, раскинувшаяся на 315 метров и в высшей точке достигающая 133 метров, возвышается над серебристо-серой крышей. Это огромное сооружение, вмещающее около 90 тысяч человек.

И вот представьте, что вы сидите в самом верхнем ряду третьего уровня, на самом большом расстоянии от поля, в сорока метрах или около того над землей. Начинается дождь, но вы защищены частью крыши. Однако это не просто дождь. Это экспоненциальный дождь. Капли дождя падают все чаще, с каждой минутой их становится вдвое больше. Одна капля, через минуту две капли, еще через минуту – четыре. На четвертой минуте – восемь капель. Если на то, чтобы с вашего места покинуть стадион, требуется тридцать минут, когда вы должны собраться уходить, чтобы не промокнуть?

Для гарантии: вы должны встать со своего места не позднее 17-й минуты. К 47-й минуте экспоненциальный дождь будет падать со скоростью 141 триллион капель в минуту[103]103
  600 million liters is 600,000 cubic meters, or a cuboid 100 meters × 100 meters × 60 meters high.


[Закрыть]. Если предположить, что размер капли дождя – около четырех кубических миллиметров, то на 47-й минуте сверху выльется примерно 600 миллионов литров воды. Конечно, дождь на 48-й минуте будет еще в два раза сильнее, поэтому вы, скорее всего, промокнете на парковке. А если успеете добежать до машины, то потоп на 50-й минуте будет составлять 5 миллиардов литров воды весом в 5 миллиардов килограмм. Честно говоря, если прогнозируется экспоненциальный дождь, лучше остаться дома.

Экспоненциальные процессы противоречат нашей интуиции. Нам трудно их понять. Томас Мальтус, политический экономист XVIII века, хорошо сформулировал эту проблему. Согласно Мальтусу, человеческая популяция имеет тенденцию к экспоненциальному росту, но мы не осознаем его силу до тех пор, пока не станет слишком поздно. В конце концов потребности людей превысят нашу способность производить пищу, что приведет к голоду и моровой язве. Страшные предсказания Мальтуса не сбылись благодаря необычайному росту производительности труда, вызванному промышленной революцией. Но его основная мысль, что мы постоянно недооцениваем экспоненциальные процессы, остается актуальной.

Когда в конце 1960-х годов начало развиваться современное экологическое движение, его пророки вспомнили некоторые из предупреждений Мальтуса. Альберт Бартлетт, физик из Университета Колорадо, в сентябре 1969 года начал читать лекции о пределах численности населения и энергопотребления. Он заметил, что «величайшим недостатком человечества является наша неспособность понять экспоненциальную функцию»[104]104
  Al Bartlett, “Arithmetic, Population and Energy – a Talk by Al Bartlett.” https://www.albartlett.org/presentations/arithmetic_population_energy.html.


[Закрыть]. Он стремился донести эту идею до всех. В последующие 36 лет он прочитал свою лекцию 1742 раза.

Через три года после того, как Бартлетт начал читать свои лекции, вышел революционный труд «Пределы роста»[105]105
  «Пределы роста» (англ. The Limits to Growth) – доклад Римскому клубу, опубликованный в 1972 году. Содержит результаты моделирования роста человеческой популяции и исчерпания природных ресурсов. Прим. пер.


[Закрыть], в котором утверждалось, что экспоненциальные шаблоны в темпах использования ресурсов станут принципиально неустойчивыми[106]106
  Joanna Stern, “TikTok?! Clout-Chasing Millennial Learns About Memes and More,” WSJ Video, January 23, 2020. https://www.wsj.com/video/series/joanna-stern-personal-technology/tiktok-clout-chasing-millennial-learns-about-memes-and-more/3C218B25-59AA-437C-BE7A-3F215B786DDA.


[Закрыть]. Книга вызвала движение, в основу которого легли опасения, что растущее потребление ресурсов разрушит нашу биосферу. Гораздо менее известно то, что книга также вызвала бурную дискуссию о том, способны ли люди вообще предсказать ускоряющиеся (или нелинейные) изменения, которые порождает наша экономическая деятельность[107]107
  Of course, there are stories from antiquity that tackle this question as well. These normally tell the story of a vizier who asks to be rewarded by grains of rice placed on the squares of a chessboard. For every subsequent square, he asks for the amount of rice to be doubled. It is an exponential process that reaches astronomical quantities by the end of the board.


[Закрыть].

С тех пор ученые из таких разных областей, как финансы и психология, обнаружили множество доказательств того, что мы безнадежны в понимании экспоненциального роста. Психологи, изучающие, как люди откладывают деньги, выявили «предвзятое отношение к экспоненциальному росту», которое заставляет нас недооценивать размер того, что растет с нарастающей скоростью[108]108
  See, for example, Victor Stango and Jonathan Zinman, “Exponential Growth Bias and Household Finance,” Journal of Finance, 64(6), December 2009, pp. 2807–2849. https://doi.org/10.1111/j.1540–6261.2009.01518.x. and Matthew R. Levy and Joshua Tasoff, “Exponential-Growth Bias and Overconfidence,” Journal of Economic Psychology, 58, 2017, pp. 1–14. https://doi.org/10.1016/j.joep.2016.11.001.


[Закрыть]. Исследования в этой области показывают, что людей постоянно сбивает с толку сложный рост сбережений, кредитов и пенсионных планов. Если вы начали инвестировать в свою пенсию поздновато, вы, как и многие из нас, пострадаете от этого предвзятого отношения к экспоненциальному росту[109]109
  Johan Almenberg and Christer Gerdes, “Exponential Growth Bias and Financial Literacy,” Applied Economics Letters, 19(17), 2012, pp. 1693–1696. https://doi.org/10.1080/13504851.2011.652772.


[Закрыть].

Существует исследование, насколько хорошо взрослые жители Швеции понимают процессы экспоненциального роста. Ученые задали, казалось бы, довольно простой вопрос: если вы положите 100 шведских крон на банковский счет, доходность которого 7 % в год, сколько у вас будет денег через тридцать лет? Даже такой простой показатель роста озадачил респондентов. Большинство отвечавших сошлись на сумме в 410 крон. Правильный ответ – 761 крона, что почти в два раза больше. Более 60 % респондентов недооценили свой потенциальный доход.

Это при годовом росте в 7 %. А теперь представьте себе наши прогнозы развития экспоненциальной технологии, показатели которой повышаются на 10 % (и более) в год. За три десятилетия 7-процентного роста мы получим рост в 7,61 раза. При темпах роста около 40 % – что соответствует закону Мура – за это время произойдет увеличение примерно в 32 тысячи раз. В одном научном обзоре, вышедшем в 1975 году, проблема резюмируется следующим образом: недооценка экспоненциального роста – это «общий эффект, который не становится слабее даже благодаря ежедневному столкновению с процессами роста»[110]110
  William A. Wagenaar and Sabato D. Sagaria, “Misperception of Exponential Growth,” Perception & Psychophysics, 18(6), November 1975, pp. 416–422. https://doi.org/10.3758/BF03204114.


[Закрыть].

У этого «слепого пятна» есть близкий родственник – эффект привязки. Лауреаты Нобелевской премии экономисты и психологи Даниэль Канеман и Амос Тверски исследовали, как люди принимают решения в условиях неопределенности. Они обнаружили, что при возникновении числовой проблемы люди склонны фиксироваться на каком-то легкодоступном числе и строить свои ответы вокруг него. Это уловка продавцов: начав с определенной цены, они закрепляют наши ожидания относительно реальной стоимости чего-либо. Но этот прием не срабатывает при столкновении с экспоненциальным ростом. Когда кривая роста взлетает, ожидания людей остаются привязанными к небольшим цифрам из самого начала процесса.

Почему люди постоянно недооценивают силу экспоненциальных изменений? Самый короткий ответ, возможно, окажется самым верным. Большинство процессов, через которые мы проходим, – взросление с одного года до двух-трех лет, перемещение по ветке метро – протекают по линейной шкале. За этой линейной ментальностью кроется эволюционная выгода. Наш разум развивался для мира, который в целом еще не познал силу быстрых изменений. Ритмы жизни охотников-собирателей были медленными, мы приспособились к жизни, которая в значительной степени была основана на повторяющихся в течение года закономерностях. Этот неторопливый шаг определял наше существование до недавнего времени.

Историки, изучающие доиндустриальный мир, часто указывают на медленный, почти незаметный темп, в котором менялись общества. Французский историк Фернан Бродель написал книгу о жизни средневековой Франции, первая часть которой посвящена «истории, ход которой почти незаметен, истории отношений человека с окружающей средой, истории, в которой все изменения происходят медленно, истории постоянного повторения, неизменно повторяющихся циклов»: рождений, свадеб, урожаев, смертей[111]111
  Fernand Braudel, The Mediterranean and the Mediterranean World in the Age of Philip II (New York: Harper & Row, 1972), p. 20.


[Закрыть]. Такой неспешный ритм жизни определял наше существование на протяжении почти всей истории человечества – даже в самых индустриально развитых странах, таких как Великобритания и США, число горожан перевалило за половину всего населения только лишь в 1920-х годах. Стоит ли удивляться, что мы с трудом приспосабливаемся к более быстрому темпу жизни?

Конечно, всегда существовали исключения. Распространение вируса H1N1, вызвавшего пандемию испанки, в фазе роста следует экспоненциальной кривой; то же происходит с деньгами в периоды гиперинфляции, как это было в Веймарской Германии в 1920-х годах или недавно в Зимбабве и Венесуэле. Однако если не считать этих специфических примеров, людям нечасто приходилось иметь дело с драматическими непрерывными изменениями на протяжении своей жизни.

Эволюция приспособила нас к линейному миру. Но если линейный мир создает один набор переживаний, то экспоненциальная эпоха – совершенно другой. По словам эволюционных психологов Паскаля Бойера и Майкла Бэнга Петерсена, человеческий разум «развивался, скорее всего, для решения первого, а не второго типа адаптивных проблем»[112]112
  Pascal Boyer and Michael Bang Petersen, “Folk-Economic Beliefs: An Evolutionary Cognitive Model,” Behavioral and Brain Sciences, 41, 2018, E158. https://doi.org/10.1017/S0140525X17001960.


[Закрыть].

* * *

Что происходит, когда мы пытаемся в действительности – а не в экспериментах психологов – делать прогнозы относительно экспоненциальных изменений в реальном мире? Я на собственном опыте убедился, насколько это проблематично. За годы своей работы я не раз становился свидетелем того, как хорошо информированные люди высмеивали мобильные телефоны, интернет, социальные сети, интернет-магазины и электромобили как нишевые игрушки, обреченные на забвение. На протяжении двух десятилетий я наблюдал, как руководители в устоявшихся отраслях регулярно, возможно даже намеренно, отвергали новые продукты или услуги. Часто это происходило потому, что конкретные цифры были небольшими, несмотря на признаки эффекта хоккейной клюшки[113]113
  Эффект или график хоккейной клюшки – резкий взлет какого-либо показателя после периода спада или стагнации. Прим. пер.


[Закрыть]. Подобно зрителям на стадионе «Уэмбли» во время экспоненциального дождя, они не покидали своих мест, пока не становилось слишком поздно.

Например, в начале 1980-х годов компании начали предоставлять первые услуги сотовой связи. В то время трубки были громоздкими, в разговорах было полно помех, услуги передачи данных не существовало, а зоны покрытия напоминали лоскутное одеяло. И все же становилось понятно, что у мобильной телефонии имеются очевидные преимущества. Гигантская американская телефонная компания AT&T попросила ведущую мировую консалтинговую фирму McKinsey оценить возможный размер рынка этого продукта. McKinsey составила прогноз: через двадцать лет, к 2000 году, рынок сотовых телефонов в США достигнет 900 тысяч абонентов[114]114
  Duff McDonald, The Firm: The Story of Mckinsey and Its Secret Influence on American Business (New York: Simon & Schuster, 2014), pp. 178–179.


[Закрыть].

Все оказалось не совсем так. Первый телефон, Motorola DynaTAC размером с кирпич, стоил в 1984 году 3995 долларов. Но основные компоненты с каждым годом удешевлялись, и телефоны следовали этой тенденции – становились лучше, меньше и дешевле. К 2000 году новый сотовый телефон можно было купить за пару сотен долларов. Возможности сетей тоже росли. В 1991 году сотовые сети только начинали внедрять услуги передачи данных – до этого времени телефоны использовались почти исключительно для голосовых контактов. В те дни, купив устройство для подключения компьютера к сотовой сети, вы могли передавать данные со скоростью 9600 бит (или около тысячи слов) в секунду. Если бы в то время были широко распространены цифровые фотоаппараты (а это было не так), отправка одной фотографии заняла бы несколько минут. К 2020 году обычные телефонные сети 4G смогли передавать на телефоны 30 миллионов бит в секунду или даже больше.

С ростом скорости сетей рухнули и тарифы на мобильную связь. С 2005 по 2014 год средняя стоимость передачи мегабайта данных (это примерно 150 тысяч слов) снизилась с 8 долларов до нескольких центов[115]115
  “Planet of the Phones,” Economist, February 26, 2015. https://www.economist.com/leaders/2015/02/26/planet-of-the-phones.


[Закрыть]. Иными словами, эксперты McKinsey просчитались. В 2000 году сотовые телефоны имелись более чем у 100 миллионов американцев. Самые известные в мире консультанты по менеджменту ошиблись в сто раз. Предсказать будущее трудно, а предсказать его по экспоненциальной кривой еще труднее.

Это проблема не только частного сектора. Международное энергетическое агентство – это межправительственная организация, созданная в 1974 году после разразившегося годом ранее мирового нефтяного кризиса. В ежегодном отчете МЭА «Перспективы мировой энергетики» уже давно прогнозируется количество электроэнергии, вырабатываемой солнечными электростанциями. В прогнозе, сделанном в 2009 году, МЭА предсказывало, что к 2015 году в мире будет производиться 5 гигаватт солнечной энергии. Агентство ошибалось. Фактическая цифра в 2009 году – да, именно в том году, когда был сделан этот прогноз, – составила 8 гигаватт. В 2010 году агентство повысило прогноз на 2015 год до 8 гигаватт. В 2011 году оно снова повысило его до 11 гигаватт. В 2012 году прогнозировались 24 гигаватта. В 2014 году агентство предсказало, что через год солнечных мощностей будет 35 гигаватт. Реальная емкость на 2015 год – 56 гигаватт! Группа экспертов со всего мира систематически ошибалась шесть лет подряд. Но этим дело не кончилось. После шести лет безнадежных прогнозов они продолжали это занятие еще несколько лет. В 2018 году, по оценкам МЭА, мировые солнечные мощности составили 90 гигаватт. Агентство решило, что в следующем, 2019 году цифры не изменятся – те же 90 гигаватт. В действительности же в 2019 году объем производства солнечной энергии превысил 105 гигаватт. К этому году прогнозируемый ими ежегодный рост был занижен на 100 % – или на бесконечность, в зависимости от того, как считать. В течение этого десятилетия мы смотрели на то, как экспоненциальная технология падала в цене и росла в масштабах, и систематически ошибались[116]116
  Simon Evans, “Solar Is Now ‘Cheapest Electricity in History,’ Confirms IEA,” Carbon Brief, 13 October 2020. https://www.carbonbrief.org/solar-is-now-cheapest-electricity-in-history-confirms-iea.


[Закрыть].

Однако проблема не только в том, что мы недооцениваем экспоненциальный рост. Эксперты, которые помнят о силе экспоненциальности, также бывают склонны ее переоценивать. В книге The Age of Spiritual Machines («Эпоха духовных машин»), написанной в 1999 году, Рэй Курцвейл предсказал, что к 2019 году компьютер за 1000 долларов будет «примерно равен аналитическим способностям человеческого мозга»[117]117
  Ray Kurzweil, The Age of Spiritual Machines: When Computers Exceed Human Intelligence (New York, NY: Penguin, 2000).


[Закрыть]. Этот прогноз оказался оптимистичным. Когда пытаешься соотнести быстрый, экспоненциальный рост с чрезвычайно сложной проблемой, небольшая ошибка в основных предположениях может свести на нет весь прогноз. А когда речь идет о такой сложной нейронной сети, как человеческий мозг, сделать правильные предположения практически невозможно. Согласно сегодняшним данным, в человеческом мозге около 100 миллиардов нейронов[118]118
  Suzana Herculano-Houzel, “The Human Brain in Numbers: A Linearly Scaled-up Primate Brain,” Frontiers in Human Neuroscience, 3 November 2009. https://doi.org/10.3389/neuro.09.031.2009.


[Закрыть]. Каждый нейрон связан в среднем с тысячей других, что позволяет ученым предположить, что в нашем мозге 100 триллионов связей[119]119
  Carl Zimmer, “100 Trillion Connections: New Efforts Probe and Map the Brain’s Detailed Architecture,” Scientific American, January 2011. https://doi.org/10.1038/scientificamerican0111-58.


[Закрыть]. Если эти оценки окажутся верными и если мы правильно понимаем функции нейронов, то машину, имитирующую сложность мозга, можно будет создать в течение нескольких десятилетий. Но эти «если» слишком большие. Когда наше научное понимание предмета еще только формируется, прогнозы оборачиваются всего лишь догадками[120]120
  Even if we could build a machine with the complexity of the human brain – comprising artificial rather than real neurons, and connections between them – it isn’t clear this would give rise to anything that can do what the human brain does.


[Закрыть].

Аналогичная, хотя и не столь острая головная боль – беспилотные автомобили. В 2019 году Илон Маск заявил, что к концу 2020 года автомобильная компания Tesla выпустит на дороги миллион самоуправляемых такси, которые он назвал «роботакси»[121]121
  Graham Rapier, “Elon Musk Says Tesla Will Have 1 Million Robo-Taxis on the Road Next Year, and Some People Think the Claim Is So Unrealistic That He’s Being Compared to PT Barnum,” Business Insider, April 23, 2019. https://www.businessinsider.com/tesla-robo-taxis-elon-musk-pt-barnum-circus-2019-4.


[Закрыть]. На самом деле их число – ноль. И Tesla не одинока. Ни одна компания по производству самоуправляемых автомобилей не достигла своих целей. Оказалось, что с технической точки зрения проблема гораздо сложнее, чем готовы были признать создатели этой технологии. Когда вы садитесь в автомобиль, чтобы сгонять в бакалейную лавку, вам приходится на каждую преодоленную милю принимать примерно 160 решений. Это вроде и не так уж много, но когда решения основаны на почти безграничном количестве переменных, то масштаб проблемы становится куда серьезнее[122]122
  Andrew Barclay, “Why Is It So Hard to Make a Truly Self-Driving Car?” South China Morning Post, July 5, 2018. https://www.scmp.com/abacus/tech/article/3028605/why-it-so-hard-make-truly-self-driving-car.


[Закрыть].

Проблемы недооценки и переоценки осложняются третьим моментом – непредвиденными последствиями, которые вообще не фигурируют в прогнозах. А у экспоненциальности неожиданные последствия возникают часто. Возьмем жевательную резинку. За десять лет, начиная с 2007 года, ее продажи в Америке упали на 15 % – как раз в то время, когда 220 миллионов взрослых американцев приобрели свой первый смартфон. И это не просто совпадение. Когда люди стояли в очереди к кассе продуктового магазина, они убивали время, рассматривая лежащие на прилавке перед кассой товары, и жвачка была очевидной спонтанной покупкой. Теперь же все погружены в свои телефоны. Именно поэтому продажи жевательной резинки упали[123]123
  Rani Molla, “How Apple’s iPhone Changed the World: 10 Years in 10 Charts,” Vox, June 26, 2017. https://www.vox.com/2017/6/26/15821652/iphone-apple-10-year-anniversary-launch-mobile-stats-smart-phone-steve-jobs.


[Закрыть]. Никто этого предвидеть не мог. Чтобы предсказать влияние iPhone на продажи жвачки в продуктовых магазинах, понадобился бы современный Нострадамус.

Наша неспособность делать аккуратные прогнозы относительно экспоненциального роста достигла пика в 2020 году. Когда началась пандемия COVID-19, большинство из нас постоянно недооценивали, насколько быстро она будет распространяться. На ранних стадиях развития болезни число новых случаев заражения может быть незначительным. Но если темпы роста неумолимо увеличиваются, вскоре вы столкнетесь с проблемой. За две недели, начиная с 15 февраля 2020 года, в США было выявлено всего 60 новых случаев заболевания COVID-19. В следующие две недели было обнаружено 3753 новых случая, в последующие две недели – 109 995. К середине ноября добавлялось по 150 000 случаев в день.

В первые дни общественность и политики, по крайней мере в Америке и Европе, не могли охватить умом этот экспоненциальный рост. Политики, от Дональда Трампа до Бориса Джонсона, постоянно преуменьшали связанный с ним риск. Исследования, опубликованные в первый год пандемии, продемонстрировали то самое предвзятое отношение к экспоненциальному росту. На всех этапах пандемии люди недооценивали будущий ход распространения болезни. Участникам исследований, у которых были данные о росте числа зараженных за три недели, было предложено предсказать уровень заражения через неделю и две недели. Несмотря на наличие информации, люди очень плохо угадывали будущую траекторию развития болезни[124]124
  Ritwik Banerjee, Joydeep Bhattacharya and Priyama Majumdar, “Exponential-Growth Prediction Bias and Compliance with Safety Measures Related to COVID-19,” Social Science & Medicine, 268, January 2021, 113473. https://doi.org/10.1016/j.socscimed.2020.113473.


[Закрыть]. В среднем они недооценили первую неделю на 46 %, вторую – на 66 %. Делать прогнозы в эпоху экспоненциального роста трудно, и мы часто совершаем ошибки.

* * *

Если главная причина экспоненциального разрыва – наша неспособность предсказать темп экспоненциальных изменений, то вторая по значимости причина – наша неспособность адаптироваться к ним. Скорость изменений растет, а общество перестраивается гораздо медленнее. В наши институты встроена склонность к инкрементализму[125]125
  Инкрементализм – концепция, утверждающая, что перемены в политической системе общества происходят только путем незначительных, малых изменений и шагов, каждый из которых должен быть тщательно оценен, прежде чем приступить к осуществлению следующего этапа. Прим. пер.


[Закрыть].

В том, что быстрые технологии опережают наши медленные институты, нет ничего нового. Это, наверное, одно из основных и неизбежных последствий инноваций. В XIX веке прорыв в области промышленных механизмов превратил британскую экономику в ведущую в мире. Но тут возникла заминка. В течение пятидесяти лет ВВП Великобритании быстро рос, но зарплата рабочих оставалась прежней; историк экономики Роберт Аллен называет это «паузой Энгельса»[126]126
  «Пауза Энгельса» – период с 1790 по 1840 год. Аллен назвал его в честь Фридриха Энгельса, который описывает этот период в своей книге «Положение рабочего класса в Англии» (1845). Прим. пер.


[Закрыть]. Те, у кого был капитал для инвестиций в новое оборудование, преуспели, потому что именно технологии были движущей силой роста. Но чтобы заработная плата рабочих наверстала разрыв, потребовались десятилетия[127]127
  Robert C. Allen, “Engels’ Pause: Technical Change, Capital Accumulation, and Inequality in the British Industrial Revolution,” Explorations in Economic History, 46(4) 2009, pp. 418–435. https://doi.org/10.1016/j.eeh.2009.04.004.


[Закрыть].

Проблема была не только в заработной плате. Промышленная революция действительно означала рост благосостояния, увеличение продолжительности жизни и улучшение ее качества для всех. Но для большинства рабочих первым эффектом индустриализации стало изменение условий труда – часто нежелательное. Начиная с конца XVIII века технологии переместили миллионы людей с полей, ферм и мастерских на фабрики. В 1760-х годах, до начала промышленной революции, британский рабочий трудился в среднем 41,5 часа в неделю. К 1830 году этот показатель вырос до 53,6 часа – продолжительность рабочего дня увеличилась на 1,5 часа[128]128
  Hans-Joachim Voth, “The Longest Years: New Estimates of Labor Input in England, 1760–1830,” The Journal of Economic History, 61(4), December 2001, pp. 1065–1082. https://doi.org/10.1017/S0022050701042085. See also Charlie Giattino, Esteban Ortiz-Ospina and Max Roser, “Working Hours,” Our World in Data, 2013. https://ourworldindata.org/working-hours.


[Закрыть]. К 1870-м годам, когда викторианская экономика в основном завершила переход от сельского хозяйства к промышленности, рабочий трудился 57 часов в неделю. Требования начальной индустриализации затронули и другие страны современного развитого мира. К 1870 году средний американец работал 62 часа в неделю, а австралиец – всего на 6 часов меньше.

Чарльз Диккенс лучше других авторов показал XIX век как время эксплуатации, страданий и бедности. В романе «Тяжелые времена», опубликованном в 1854 году, Диккенс описывает ужасные условия жизни в промышленных городах на севере Англии, где копоть и пепел висят в воздухе, рабочие почти ничего не получают и при этом постоянно работают. Но условия труда нового времени были печально известны еще до Диккенса. В 1814 году английский поэт Роберт Саути, прикинувшись испанским дворянином[129]129
  Роберт Саути был поэтом-лауреатом (придворным поэтом, обязанным писать оды в честь монаршей семьи). Именно поэтому свои наблюдения он публиковал под псевдонимами. Прим. пер.


[Закрыть], так описывал жизнь рабочих в Бирмингеме: