Простые примеры — вроде той же игрушки Слинки — делают разницу между событием, поведением и структурой очевидной. Большая часть аналитических обзоров в мире посвящена событиям, несмотря на то, что это очень поверхностный подход. Прислушайтесь к биржевым новостям: как в них объясняется, почему рынок акций ведет себя так, а не иначе? Акции поднялись в цене (упали) потому, что американский доллар упал (поднялся), или базовая ставка выросла (понизилась), или демократы выиграли (проиграли), или войска одной страны вторглись в другую (или не стали вторгаться)... Анализ на уровне событий, не более того.

Такие объяснения не дают никакой возможности предсказать, что будет дальше. На их основании невозможно изменить поведение системы — например, сделать рынок акций более устойчивым, разработать более достоверный индикатор экономического состояния компаний, стимулировать инвестиции...

Экономические аналитики иногда спускаются на один уровень глубже, к поведению системы во времени. Эконометрические модели стараются обнаружить статистически значимые связи между тенденциями, наблюдавшимися в прошлом, — применительно к доходам, накоплениям, инвестициям, государственным расходам, процентным ставкам, годовым объемам производства и тому подобным параметрам. Эти связи описываются зачастую очень сложными уравнениями.

Модели, основывающиеся на поведении, полезнее, чем модели на основе событий, но и у них есть принципиальные недостатки. Во-первых, они, как правило, преувеличивают значение системных потоков и недооценивают значение запасов. Экономисты следят за поведением потоков, потому что именно в этом проявляются самые интересные и быстрые изменения, причем их легко обнаружить. В экономических новостях говорят в основном о производстве продукции и услуг в масштабах страны (это поток), о валовом национальном продукте (ВНП), а не о суммарном физическом капитале (это запас) всех заводов и фабрик в стране, производящих те самые услуги и продукцию. Но если не учитывать, как запасы посредством обратных связей влияют на соответствующие потоки, то нельзя понять ни динамику экономических систем, ни причины их поведения.

Во-вторых (и это более серьезный недостаток), в попытках определить статистические зависимости между поте-нами специалисты-эконометрики ищут то, чего на самом деле не существует. Нет никаких причин считать, что один поток имеет какую-либо устойчивую связь с каким-либо другим потоком. Потоки увеличиваются и уменьшаются, возникают и иссякают, причем в самых разных сочетаниях, и происходит это в зависимости от значений запасов, а не других потоков.

Чтобы пояснить это, приведу простой пример. Предположим, вам ничего не известно о термостатах, но у вас за определенное время накоплена масса данных о тепловых потоках, подаваемых в помещение и исходящих из него. Вы можете составить уравнение, по которому эти тепловые потоки изменялись в прошлом: в обычных условиях они управлялись одним и тем же запасом — температурой в помещении. Все потоки зависели от нее и менялись соответственно.

Но ваше уравнение будет работать только до тех пор, пока в структуре системы что-нибудь не изменится. Как только кто-нибудь откроет окно, или проведет работы по улучшению теплоизоляции, или перенастроит обогреватель, или забудет заказать топливо для него (если это дизельная печка), ваше уравнение перестанет действовать. Вы сможете предсказывать температуру в комнате по вашему уравнению только при том условии, что в системе не будет никаких изменений. Но если вас попросят сделать что-то, чтобы в комнате стало теплее, или температура вдруг ни с того ни с сего начнет падать, а вам нужно будет это падение остановить, или вы захотите добиться той же температуры ценой меньших затрат на топливо — во всех этих случаях анализ на основе событий вам ничем не поможет. Придется обратиться к структуре системы.

Вот почему основанные на поведении эконометрические модели хорошо подходят для краткосрочного прогнозирования в экономике, но совершенно не годятся для долгосрочных прогнозов. А уж в вопросах, как улучшить состояние экономики, от этих моделей вообще нет никакого толку.

Это еще одна причина того, что поведение систем часто бывает для лас неожиданным. Происходящие события поглощают все наше внимание. Мы не изучаем их историю, и нам не хватает опыта и знаний, чтобы от истории перейти к структуре системы. А ведь именно она определяет поведение системы и последовательность событий.

Линейное мышление в нелинейном мире

Линейные зависимости понять нетрудно: чем больше, тем пропорционально лучше. Линейные уравнения решаются просто, ими полны все учебники. Линейные зависимости подобны кирпичикам — их можно разобрать, а потом снова сложить вместе, и все кусочки подойдут друг к другу.

А вот нелинейные системы в лоб решить невозможно, такие зависимости складывать нельзя... Нелинейность означает, что по ходу игры правила могут меняться... Эта переменчивость делает расчеты нелинейных систем очень сложной задачей, но зато в них наблюдается такое разнообразие вариантов поведения, которое даже и не снилось линейным системам.

Джеймс Глеик*, специалист по фрактальной геометрии, автор книги «Хаос: создание новой науки»

Часто нам не хватает знаний даже для того, чтобы понять характер взаимосвязей. Линейная зависимость между двумя элементами системы отображается на графиках

James Gleick. Chaos: Making a New Science. New York: Viking, 1987. 23—24. (Книга издавалась на русском языке: ГлейкДж. Хаос. Создание новой науки. СПб.: Издательство «Амфора», 2001. 398 с.)