Я не собираюсь ничего говорить о том, существует или нет что-то, во что вы можете верить с абсолютной и беспрекословной уверенностью [113] . Однако возможно, что нам нужно честно говорить об этом. Спор человека, считающего, что вероятность какого-то события составляет 0 %, с человеком, уверенным на 100 % в том, что оно произойдет, – дело бесполезное. Возможно, что именно из-за таких споров и возникало множество конфликтов, таких как религиозные войны в Европе в первые годы после появления печатного пресса.

Но у нас нет оснований предполагать, что все априорные убеждения в равной степени правильны. Однако я склонен считать, что наши убеждения никогда не будут идеально объективны, рациональны или истинны. Вместо этого мы стараемся быть менее субъективными, менее иррациональными и менее неправыми. Создание предсказаний, основанных на наших убеждениях, представляет собой лучший (а возможно, и единственный) способ протестировать самих себя. Если объективность предполагает выявление истины, вне зависимости от наших личных обстоятельств, а предсказание представляет собой лучший способ изучения того, насколько тесно связано наше личное восприятие с великой истиной, то самыми объективными из нас будут считаться те, кто выступает с самыми точными предсказаниями. Статистический метод Фишера, согласно которому объективность была возможна лишь в замкнутых рамках лабораторного эксперимента, пригоден для решения таких задач куда меньше, чем байесовский.

Фактически одно из свойств теоремы Байеса состоит в том, что наши убеждения должны сближаться друг с другом – и приближаться к истине – по мере того, как нам со временем предоставляется все больше свидетельств. На рис. 8.4 я показал в качестве примера, как три инвестора пытаются определить, находятся ли они на «бычьем» или «медвежьем» рынке.

Рис. 8.4. Сближение по методу Байеса

Сначала инвесторы имеют совершенно различные наборы убеждений. Один из них оптимистично настроен и верит, что вероятность того, что рынок «бычий», составляет 90 %. Другой склонен к «медвежьим» настроениям и считает, что шансы «бычьего» рынка равны лишь 10 %. Каждый раз, когда рынок движется вверх, настроение инвесторов становится чуть более «бычьим» по сравнению с априорным, а при каждом движении вниз происходит обратная ситуация. Однако я имитировал такую ситуацию, что, хотя ежедневные колебания и носят случайный характер, в долгосрочной перспективе рынок растет в течение 60 % времени. Несмотря на то что на этой дороге есть свои ухабы, со временем все инвесторы точным образом определяют, что находятся на «бычьем» рынке, с уверенностью почти 100 % (но не с абсолютной).

В теории наука должна работать именно таким образом. Понятие научного консенсуса довольно сложно, однако основная его идея состоит в том, что мнение научного сообщества идет по пути постепенного сближения, двигаясь в сторону истины в процессе обсуждения идей и появления новых свидетельств. Как и на фондовом рынке, эти шаги не всегда направлены вперед или их легко делать. Научное сообщество часто выступает слишком консервативно по вопросу адаптации существующих парадигм к новым свидетельствам {601} , хотя иногда наука и принимает новые данные с поразительной быстротой, напоминая человека, успевающего запрыгнуть в вагон уходящего поезда. Но если предположить, что мы все находимся в одном байесовском поезде [114] , то даже неверные убеждения и ошибочные априорные предположения пересматриваются, и мы постепенно движемся в сторону истины.

Например, на наших глазах происходит изменение парадигмы в статистических методах, используемых учеными. Моя критика ошибок статистического подхода Фишера не является чем-то новым или радикальным – аналогичные аргументы уже много лет приводят знаменитые ученые из различных областей знаний, начиная от клинической психологии {602} и заканчивая политологией {603} и экологией {604} . Однако пока что фундаментальных изменений почти не видно.

Тем не менее недавно целый ряд уважаемых статистиков начал утверждать, что фреквентистскую статистику не нужно преподавать студентам младших курсов университетов {605} . В некоторых профессиональных изданиях было официально объявлено об отказе в публикации результатов исследований, основанных на гипотезе Фишера {606} . Фактически, если прочитать все написанное за последние 10 лет, то сложно найти материалы, не защищающие байесовский подход.

Боб также ставит свои деньги на Байеса. Дело не в том, что он буквальным образом применяет теорему Байеса в каждом случае. Однако его практика тестирования статистических данных в контексте гипотез и убеждений, основанная на его знаниях о баскетболе, является в чистом виде байесовской, равно как и его готовность признавать вероятностные ответы на его вопросы.

Для изменения наших учебников и традиций потребуется некоторое время. Однако теорема Байеса утверждает, что мы будет постепенно приближаться к лучшему из возможных исходов. Теорема Байеса предсказывает, что байесовцы одержат победу.

Как и многие другие, 27-летний Эдгар Аллан По, был очарован «Механическим турком» (рис. 9.1) – хитроумным изобретением, которому удалось обыграть в шахматы Наполеона Бонапарта и Бенджамина Франклина. Машина, сконструированная в Венгрии в 1770 г., то есть еще до рождения По или Соединенных Штатов Америки, была доставлена в Балтимор и Ричмонд в 1830-е гг. после того, как в течение десятилетий собирала огромные аудитории по всей Европе. По предположил, что это – довольно сложный розыгрыш. Он считал, что за винтиками и шестеренками машины скрывался высококлассный шахматист. И именно он управлял рычагами, обеспечивая перемещение фигур по доске и кивок головой куклы в тюрбане каждый раз после того, как она делала шах оппоненту.