Текст книги "Модельное мышление. Как анализировать сложные явления с помощью математических моделей"

Иерархия мудрости

Чтобы изложить в общих чертах аргументы в пользу многомодельного мышления, начнем с цитаты поэта и драматурга Томаса Стернза Элиота: «Где мудрость, утраченная нами ради знания? Где знание, утраченное нами ради сведений?». Мы могли бы к этому добавить: где информация, утраченная нами ради данных?

Вопросы Элиота можно формально описать как иерархию мудрости. На ее нижнем уровне находятся данные: первичные, незакодированные события, переживания и явления, такие как рождение, смерть, рыночные сделки, голосование, загрузка музыки, осадки, футбольные матчи и эпизоды видообразования. Данные могут представлять собой длинные цепочки нулей и единиц, временных меток и связей между страницами. В данных нет смысла, упорядоченности или структуры.

Информация описывает данные и делит их на категории. Следующие примеры объясняют различие между данными и информацией. Дождь, падающий вам на голову, – это данные. Общее количество осадков за июль в Берлингтоне, а также уровень воды в озере Онтарио – это информация. Ярко-красный перец и желтая кукуруза в фермерских палатках, расположенных вокруг здания законодательного собрания в Мэдисоне во время субботней ярмарки, – это данные. Совокупный объем реализации продукции фермерских хозяйств – это информация.

Рис. 1.1. Как модели преобразуют данные в мудрость

Мы живем в эпоху изобилия информации. Полтора столетия назад обладание информацией обеспечивало высокий экономический и социальный статус. Эмма, героиня одноименного романа Джейн Остин, спрашивает, производит ли Фрэнк Черчилл впечатление информированного молодого человека. Сегодня она не стала бы задавать этот вопрос. У Черчилла, как и у всех нас, был бы смартфон. Вопрос в том, как бы он воспользовался имеющейся информацией. В романе «Преступление и наказание» Федор Достоевский пишет: «У нас есть, дескать, факты! Да ведь факты не все; по крайней мере половина дела в том, как с фактами обращаться умеешь!»

Платон определял знание как обоснованное истинное убеждение. В современных определениях оно трактуется как понимание корреляционных, причинных и логических связей. Знание организует информацию и часто принимает форму модели. Экономические модели рыночной конкуренции, социологические модели сетей, геологические модели землетрясений, экологические модели формирования ниш и психологические модели познания – все заключают в себе знание, объясняют и прогнозируют. Модели химических связей объясняют, почему связи в молекулах металла мешают нам просунуть руку сквозь металлическую дверь, тогда как движение молекул воды уменьшает наш вес, когда мы ныряем в озеро[10]10
  Я не приравниваю знания к моделям, а говорю о том, что модели могут отражать знания и обеспечивать надежный способ распространения соответствующих представлений. Термин «знание» имеет множество значений и включает в себя, помимо прочего, такие навыки, как игра в теннис, французкий язык и составление контрактов. Я использую более узкое определение. С более широкой концепцией можно ознакомиться здесь: Adler, 1970.


[Закрыть].

На вершине иерархии находится мудрость – способность выявлять и применять соответствующие знания. Мудрость требует многомодельного мышления. Иногда она сводится к выбору лучшей модели, как при извлечении стрелы из колчана. А иногда достигается за счет усреднения моделей, что часто происходит при составлении прогнозов. (Мы обсудим важность усреднения моделей в следующем разделе.) Перед тем как предпринять те или иные действия, мудрые люди применяют несколько моделей, так же как врачи совокупность диагностических тестов. Это позволяет исключить одни действия и отдать предпочтение другим. Мудрые люди и команды выстраивают диалог между моделями, анализируя области их пересечения и различия.

Мудрость может состоять в выборе правильных знаний или модели. Рассмотрим такую физическую задачу: маленькая мягкая игрушка гепарда падает с самолета, летящего на высоте 6000 метров. Чем чревато ее падение на землю? Студент может знать модель гравитации и модель предельной скорости падения. Эти модели рассматривают происходящее под разными углами. Гравитационная модель прогнозирует, что мягкая игрушка пробьет крышу автомобиля. Но модель предельной скорости с учетом сопротивления воздуха говорит о том, что скорость игрушечного гепарда приблизится примерно к 16 километрам в час[11]11
  Это приближенное значение можно получить на основании предельной скорости летящих парашютистов, достигающей почти 320 километров в час. Предельная скорость зависит от массы. Предположим, масса парашютиста в 400 раз больше массы игрушечного гепарда. Квадратный корень из 400 равен 20. Следовательно, предельная скорость игрушечного гепарда равна 320 километрам в час, деленным на 20, или примерно 16 километрам.


[Закрыть]. Мудрость состоит в знании о том, что следует применить модель предельной скорости. Стоящий на земле человек может поймать мягкую игрушку руками. Как сказал по этому поводу эволюционный биолог Джон Бердон Сандерсон Холдейн, «можно уронить мышь в угольную шахту глубиной в тысячу ярдов; достигнув дна, мышь, отделавшись легким сотрясением, убежит, если только земля будет достаточно мягкой. Крыса погибнет, человек разобьется, а лошадь превратится в лепешку».

В задаче с мягкой игрушкой для получения правильного решения требуется информация (вес игрушки), знания (модель предельной скорости) и мудрость (выбор правильной модели). Бизнес-лидеры и политики тоже полагаются на информацию и знания в ходе принятия мудрых решений. Девятого октября 2008 года стоимость денежной единицы Исландии (кроны) начала стремительно падать. Эрику Боллу, в то время финансовому директору компании Oracle (гиганта в области разработки программного обеспечения), предстояло принять решение. За несколько недель до этого он уже столкнулся с внутренними последствиями кризиса ипотечного кредитования. Ситуация в Исландии вызывала озабоченность на международном уровне. Oracle держала миллиарды долларов в зарубежных активах. Болл проанализировал сетевые модели распространения финансового кризиса и рассмотрел экономические модели спроса и предложения, указывающие на наличие корреляции между величиной изменения цен и степенью рыночных потрясений. В 2008 году ВВП Исландии составлял 12 миллиардов долларов, что эквивалентно доходу корпорации McDonald‘s менее чем за полгода. Болл вспоминает, что тогда подумал: «Исландия меньше Фресно. Возвращайся к работе»[12]12
  Он был прав. Для справки: Фресно на 30 процентов больше Исландии. В книге Эрика Болла и Джозефа ЛиПумы (Ball and LiPuma, 2012) рассказывается о том, как можно использовать научные выводы в мире бизнеса.


[Закрыть]. Ключ к пониманию этого события и многомодельному мышлению в целом заключается в осознании того факта, что Болл проанализировал множество моделей не для того, чтобы найти среди них одну в поддержку своих действий. И не использовал принцип многомодельного мышления ради их обоснования. Напротив, он оценил две модели как потенциально полезные, а затем выбрал более подходящую. У Болла была правильная информация (Исландия – маленькая страна), он выбрал правильную модель (спрос и предложение) и принял мудрое решение.

Далее мы покажем, как обеспечить диалог между различными моделями посредством переосмысления двух исторических событий: краха мирового финансового рынка 2008 года, приведшего к сокращению совокупного богатства (или того, что считалось таковым) на триллионы долларов и последующей четырехлетней глобальной рецессии, а также Карибского кризиса 1961 года, который едва не перерос в ядерную войну.

Финансовый кризис 2008 года объясняется разными причинами: избыток иностранных инвестиций, чрезмерная задолженность инвестиционных банков, отсутствие надзора за ипотечным кредитованием, блаженный оптимизм всех представителей рынка недвижимости, сложность финансовых инструментов, непонимание рисков и алчность банкиров, которые знали о существовании пузыря, но рассчитывали на спасение. Поверхностные доказательства совпадают с каждым из этих объяснений: поток денег поступал из Китая, инициаторы займов предоставляли проблемные ипотечные кредиты, у инвестиционных банков был высокий коэффициент заемного капитала, финансовые инструменты были слишком сложными для понимания большинства, а некоторые банки действительно рассчитывали на финансовую помощь. Модели позволяют проанализировать эти объяснения и их внутреннюю согласованность: имеют ли они логический смысл? Кроме того, мы можем откалибровать их и проверить величину воздействия.

Экономист Эндрю Ло, практикующий многомодельное мышление, проанализировал двадцать одно объяснение причин кризиса и нашел каждое из них недостаточно убедительным. Нет никакой логики в том, что инвесторы будут способствовать образованию пузыря, зная, что это приведет к глобальному кризису. Следовательно, масштаб пузыря должен был стать для многих неожиданностью. Финансовые компании вполне могли предположить, что другие компании проявили должную осмотрительность, тогда как на самом деле этого не было. Кроме того, ипотечные пакеты, которые впоследствии оказались явно проблемными (низкого качества), нашли своих покупателей. Если бы глобальный кризис был предрешен, этих покупателей просто не было бы. К тому же, хотя после 2002 года коэффициенты заемного капитала выросли, они были ненамного выше, чем в 1998-м. Что же касается надежд на финансовую помощь государства, то когда 15 сентября 2008 года банк Lehman Brothers потерпел крах, правительство не вмешивалось в происходящее, несмотря на то что это было самое крупное банкротство в истории США, так как стоимость активов холдинговой компании Lehman Brothers составляла более 600 миллиардов долларов.

Ло считает, что каждое из этих объяснений содержит логический пробел. Сами по себе данные не указывают на преимущество какого-то из них. Ло подытоживает свои выводы так: «Мы должны стремиться изначально иметь как можно больше интерпретаций одной и той же совокупности объективных данных в расчете на то, что в свое время получим более детальное и внутренне согласующееся объяснение кризиса». Далее он говорит: «Только сформировав разноплановый набор нередко противоречивых интерпретаций, мы в итоге придем к более полному пониманию причин кризиса»[13]13
  См. Lo, 2012. Общие аргументы можно найти здесь: Myerson, 1992.


[Закрыть]. Какой-либо одной отдельно взятой модели для этого будет недостаточно.

В своей книге Essence of Decision[14]14
  Издана на русском языке: Зеликов Ф., Аллисон Г. Квинтэссенция решения. На примере Карибского кризиса 1962 года. М.: ЛКИ, 2012. Прим. ред.


[Закрыть] Грэм Аллисон применяет многомодельный подход для объяснения причин Карибского кризиса[15]15
  См. также по теме: Диксит А., Скит С., Рейли Д. Стратегические игры. М.: Манн, Иванов и Фербер, 2017. Прим. ред.


[Закрыть]. Подготовленная ЦРУ военизированная группа 17 апреля 1961 года высадилась на берегу Кубы, предприняв неудавшуюся попытку свержения коммунистического режима Фиделя Кастро, что усилило напряженность между Соединенными Штатами и Советским Союзом, который поддерживал Кубу. В ответ глава советского правительства Никита Хрущев перебросил на Кубу ядерные ракеты малой дальности. Президент Джон Кеннеди отреагировал на это блокадой Кубы. Советский Союз и США пошли навстречу друг другу и пересмотрели ситуацию, в результате кризис благополучно завершился.

Аллисон интерпретирует эти события с помощью трех моделей. Первая – модель рационального выбора – показывает, что у Кеннеди было три варианта действий: развязать ядерную войну, вторгнуться на Кубу или ввести блокаду. Он выбрал блокаду. Модель рационального выбора подразумевает, что Кеннеди рисует дерево игры, отображающее каждый вариант действий и возможную реакцию СССР. Затем Кеннеди анализирует, каким будет оптимальный ответный ход Советского Союза. Например, если бы Кеннеди предпринял ядерный удар, Советы нанесли бы ответный удар, что привело бы к гибели миллионов людей. Если бы Кеннеди ввел блокаду, это обрекло бы кубинцев на голод. В этом случае Советский Союз либо отступил бы, либо запустил ракеты. При таком выборе СССР должен был пойти на уступки. Эта модель объясняет главную стратегическую логику игры и обосновывает решение Кеннеди в пользу блокады Кубы.

Однако, как и все модели, она неправильна, поскольку не учитывает важных деталей, из-за чего первоначальное объяснение выглядит лучше, чем на самом деле. В модели игнорируется этап размещения Советским Союзом ракет на Кубе. Если бы СССР вел себя более рационально, они нарисовали бы такое же дерево, как и Кеннеди, и осознали бы, что придется вывести ракеты. Кроме того, модель рационального выбора не объясняет, почему СССР не спрятал ракеты.

Для разъяснения этих противоречий Аллисон использует модель организационного процесса. Отсутствие организационных возможностей поясняет неспособность Советского Союза разместить ракеты в укрытиях. Эта же модель может объяснить решение Кеннеди ввести блокаду. В то время ВВС США не имели возможности уничтожить ракеты одним ударом. Даже одна уцелевшая ракета грозила погубить миллионы американцев. Аллисон умело сочетает обе модели. Выводы, сделанные на основании модели организационных процессов, меняют выигрыши в модели рационального выбора.

Аллисон использует также модель бюрократической политики. Две первые модели сводят страны к их лидерам: Кеннеди действует от имени США, а Хрущев – от имени СССР. Модель бюрократической политики признает, что Кеннеди приходится отстаивать свою позицию в конгрессе, а Хрущеву – сохранять политическую базу поддержки. Таким образом, размещение Хрущевым ракет на Кубе было демонстрацией силы.

Книга Аллисона показывает эффективность отдельных моделей и их комбинации. Каждая модель проясняет наше мышление. Модель рационального выбора позволяет определить возможные действия после размещения ракет и их последствия. Организационная модель подчеркивает тот факт, что эти действия выполняют организации, а не отдельные люди. Модель бюрократической политики обращает внимание на политическую цену вторжения. Такой трехсторонний анализ позволяет достичь более полного и глубокого понимания. Все модели неправильны, но их совокупность способна принести пользу.

В обоих примерах разные модели объясняют различные причинно-следственные факторы. Множество моделей могут также фокусироваться на событиях разных масштабов. В известной истории ребенок заявляет, что Земля покоится на спине гигантского слона. Ученый спрашивает ребенка, на чем стоит слон, на что ребенок отвечает: «На гигантской черепахе». Предвидя, что последует дальше, ребенок быстро добавляет: «Даже не спрашивайте. Там одни черепахи до самого конца»#. Если бы мир состоял из одних черепах (другими словами, был бы самоподобным), то модель верхнего уровня была бы применима на всех остальных уровнях. Однако экономика, мир политики и общество – это не только черепахи. То же самое можно сказать и о мозге. На субмикронном уровне мозг состоит из молекул, образующих синапсы, которые, в свою очередь, образуют нейроны[16]16
  Синапсы – это оконечные образования нейронов, с помощью которых нервные импульсы передаются от одного нейрона к другому. Некорректно говорить, что синапсы образуют нейроны – это разные структуры. Прим. ред.


[Закрыть]. Нейроны объединяются в сети. Сети накладываются друг на друга замысловатыми способами, которые можно изучить посредством нейровизуализации. Нейронные сети существуют на уровне, отличном от уровня функциональных систем, таких как мозжечок, например. Учитывая, что головной мозг имеет особую структуру на каждом уровне, нам необходимо множество моделей – и они разнятся. У моделей, характеризующих устойчивость нейронных сетей, мало общего с моделями молекулярной биологии, служащими для объяснения работы клеток головного мозга, которые, в свою очередь, отличаются от психологических моделей, применяемых для объяснения когнитивных искажений.

Успех многомодельного мышления зависит от степени разделимости. В процессе анализа финансового кризиса 2008 года мы полагались на отдельные модели покупки активов зарубежными инвесторами, группирования активов и повышения коэффициента левериджа. Аллисон сделал выводы из теоретико-игровой модели без учета организационной модели. Изучая организм человека, врачи выделяют скелетную, мышечную, лимбическую и нервную систему. Тем не менее многомодельное мышление не требует, чтобы отдельные модели разделяли систему на независимые части. Столкнувшись со сложной системой, мы не можем, перефразируя Платона, разделять мир по его сочленениям. Мы можем частично выделить основные причинно-следственные нити, а затем изучить, как они переплетаются. При этом мы обнаружим, что данные, сгенерированные экономической, политической и социальной системой, демонстрируют внутреннюю согласованность. Социальные данные – это нечто большее, чем коллекция непостижимых историй из личной жизни.

Аннотация и краткое содержание книги

Итак, мы живем в эпоху изобилия информации и данных. Генерирующие их технологические достижения сокращают время и расстояние, делая экономических, политических и социальных агентов[17]17
  Большинство англоязычных исследователей для обозначения действующих лиц экономических, социальных и политических событий используют термин актор. В русскоязычном сегменте научного мира предпочитают агент. Хотя между этими словами есть определенные различия, мы будем их использовать в данной книге как синонимы. Прим. ред.


[Закрыть] более динамичными, способными мгновенно реагировать на экономические и политические события. Кроме того, они усиливают связанность, а значит, и сложность. В результате возник технологический парадокс: мы знаем об окружающем мире больше, но мир стал сложнее. С учетом этой сложности любая отдельная модель, скорее всего, потерпит неудачу. Тем не менее нам не следует отказываться от моделей. Напротив, мы должны отдавать предпочтение логической связности перед интуицией, а также в два, три и даже четыре раза активнее использовать модели, придерживаясь многомодельного мышления.

А для этого понадобится изучить множество моделей, получив о них практические знания; понять их формальное описание и знать, как их применять. Однако нам не нужно быть экспертами. Поэтому в книге и соблюдается баланс между доступностью и глубиной. Она может служить как источником информации, так и руководством. Формальное описание моделей размещено в специальных врезках. В книге нет многострочных уравнений, которые ужаснут даже самых самоотверженных читателей. Представленные математические формулировки подлежат анализу и усвоению. Моделирование – это мастерство, для овладения которым нужна полная вовлеченность. Оставаясь страстным болельщиком, вы его не достигнете. Нужна осознанная практика. В моделировании математика и логика играют роль опытного тренера и исправляют наши ошибки.

Оставшаяся часть книги организована следующим образом. В главе 2 и главе 3 обосновывается целесообразность многомодельного подхода. В главе 4 рассказывается о проблемах моделирования поведения людей. Следующие двадцать с лишним глав посвящены отдельным моделям или классам моделей. Рассматривая по одному типу моделей за раз, вы сможете лучше осмыслить области их применения, исходные предположения и последствия. Кроме того, такая структура изложения материала позволяет в любой момент взять книгу с книжной полки или открыть ее в браузере и найти исчерпывающий анализ линейных моделей, прогностических моделей, сетевых моделей, моделей последействия, а также моделей распределения с длинным хвостом, обучения, пространственной конкуренции, потребительских предпочтений, зависимости от первоначально выбранного пути, инноваций и экономического роста. Во всех главах приводятся примеры применения многомодельного мышления для решения различных задач и проблем. Книга завершается глубоким анализом эпидемии опиоидов и неравенства в распределении доходов.

Глава 2
Зачем нужны модели?

Познание реальности означает построение систем трансформации, более-менее адекватно соответствующих реальности.

Жан Пиаже

В этой главе мы определим типы моделей. Модели часто описываются как упрощенное представление мира. Они действительно могут выполнять такую функцию, но могут также выступать в виде аналогий или вымышленных миров, в которых можно найти новые идеи или знания. Кроме того, мы рассмотрим области применения моделей. В учебных заведениях модели служат для объяснения данных. В реальной жизни их можно использовать для прогнозирования, разработки и совершения действий, поиска идей и возможностей, а также распространения идей и представлений.

Ценность моделей – в их способности выявлять условия, при которых достижим тот или иной результат. Большая часть того, что мы знаем, возможна только в определенных случаях: квадрат самой длинной стороны треугольника равен сумме квадратов двух других сторон только в случае, если самая длинная сторона расположена напротив прямого угла. Модели раскрывают аналогичные условия для наших интуитивных выводов. С их помощью мы можем проанализировать, когда распространяются заболевания, когда работают рынки, когда голосование приводит к благоприятным результатам и когда группы людей дают точные прогнозы. На все эти вопросы нет однозначных ответов.

Эта глава состоит из двух частей. В первой описываются три типа моделей, во второй рассматриваются области их применения – рассуждение, объяснение, прогнозирование, разработка, коммуникация, действие и исследование, – которые образуют акроним REDCAPE[18]18
  Red cape (англ.) – красная накидка. Атрибут Супермена. Прим. ред.


[Закрыть] (reason, explain, design, communicate, act, predict, explore), не такой уж тонкий намек на то, что многомодельное мышление наделяет нас сверхспособностями[19]19
  См. Epstein 2008, где представлена более детальная классификация причин для моделирования. В книге Чарльза Лейва и Джеймса Марча (Lave and March, 1975) описаны три направления применения моделей: объяснение происходящих событий, прогнозирование новых явлений, создание и разработка систем. Косвенным образом авторы также выступают за использование моделей для исследований.


[Закрыть].

Типы моделей

При построении модели придерживаются одного из трех подходов. Можно использовать подход максимального воплощения, стремящийся к максимальной достоверности. Такие модели включают важные детали и либо исключают ненужные параметры и свойства, либо объединяют их. По этому принципу создаются модели экологических ниш, законодательной власти и транспортных систем, а также климатические модели и модели головного мозга. Можно применить метод аналогий и абстрагироваться от реальности. Можно смоделировать распространение преступности по аналогии с распространением заболеваний, а выбор политической позиции считать одним из вероятных вариантов в диапазоне между левыми и правыми взглядами. Сферическая корова – излюбленный учебный пример метода аналогий: чтобы рассчитать площадь шкуры животного, мы исходим из того, что корова имеет сферическую форму. И делаем это потому, что таблицы интегралов в конце учебников по матанализу содержат такие значения, как tg(x) или cos(x), но не cow(x)[20]20
  См. Harte, 1988. Эта классификация заимствована из статьи Джеймса Джонсона (Johnson, 2014) о сферах применения моделей в общественных науках. Эти два подхода также известны как галилеева и минималистская идеализации. См. Weisberg, 2007. Более подробную информацию об аналогиях можно найти здесь: Pollack, 2014; Hofstadter and Sander, 2013. В книге Дугласа Хофштадтера и Эммануэля Сандера сказано, что аналогия выступает в роли «топлива и огня» мышления. Подробное описание классов моделей можно найти в книге: Schelling, 1978, 87. В блоге Дэниела Литтла Understanding Society («Понимание общества») представлены основные положения социальной онтологии.


[Закрыть].

Тогда как метод воплощения акцентируется на реалистичности, метод аналогий позволяет уловить суть процесса, системы или явления. Когда физик не учитывает трение, но в остальном исходит из реалистичных предположений, он использует метод воплощения. Когда экономист представляет конкурирующие компании как разные виды и определяет продуктовые ниши, он тоже проводит аналогию. И делает это с помощью модели, разработанной для воплощения другой системы. Четкого разграничения между методом воплощения и методом аналогий нет. Психологические модели процесса познания, в которых альтернативам присваиваются веса, сводят воедино дофаминовую реакцию и другие факторы; кроме того, они используют аналогию с уровнем, на котором мы приводим альтернативы в равновесие.

Третий подход, метод альтернативной реальности, намеренно не представляет и не отражает реальность. Эти модели работают как аналитические и вычислительные игровые площадки, на которых можно исследовать различные возможности. Метод позволяет обнаружить общие идеи, применимые за пределами физического и социального мира. Такие модели помогают понять последствия ограничений реального мира (а что если бы энергию можно было безопасно и эффективно передавать по воздуху?) или проводить неосуществимые эксперименты (а что если бы мы попытались развить головной мозг?). В книге описывается несколько подобных моделей, в частности игра «Жизнь», которая представляет собой плоскость (нечто вроде шахматной доски), разделенную на живые (черные) и мертвые (белые) клетки, которые переходят из одного состояния в другое согласно установленным правилам. Хотя эта модель нереалистична, она углубляет понимание сути самоорганизации, сложности и, как утверждают некоторые, даже самой жизни.

Что бы ни делала модель – воплощала более сложную реальность, создавала аналогию или выстраивала вымышленный мир для исследования идей, она должна быть распространяемой и разрешимой, поддающейся описанию формальным языком, таким как математика или машинный код. При описании модели нельзя использовать такие термины, как убеждения и предпочтения, без их формального определения. Убеждения могут быть представлены в виде распределения вероятностей в пределах множества событий или гипотез. Предпочтения – в виде упорядоченного списка альтернатив или математической функции.

Степень разрешимости чего-либо говорит о том, насколько это поддается анализу. В прошлом анализ опирался на математические или логические рассуждения. Автор модели должен был обосновывать каждый шаг. Такое ограничение привело к формированию эстетики, придававшей особое значение строгим моделям. Английский монах и теолог Уильям Оккам (1287–1347) писал: «Не должно множить сущее без необходимости». Эйнштейн переформулировал этот принцип, известный как «бритва Оккама», так: «Все следует упрощать до тех пор, пока это возможно, но не более того». Сегодня, столкнувшись с ограничением в плане аналитической разрешимости, можно прибегнуть к вычислениям. Мы можем создавать сложные модели со множеством меняющихся частей, не заботясь об их аналитической разрешимости. Ученые придерживаются такого подхода при построении моделей глобальной климатической системы, головного мозга, лесных пожаров и транспортных систем. Они по-прежнему прислушиваются к совету Оккама, но осознают, что принцип «все следует упрощать» может потребовать множества меняющихся параметров.