Это не значит, что архимедова точка больше невозможна. В своем эссе 1963 года "Завоевание пространства и рост человека" Арендт рассматривает эту современную проблему в свете развивающихся технологий. Самое странное, отмечает она, что даже если наши теории о мире ограничены, упрощены и, возможно, ошибочны, они "работают", будучи реализованными в технологиях. Несмотря на то, что никто не понимает, что квантовая механика говорит нам о мире, вся компьютерная эра - включая все полупроводники, начиная с самого первого транзистора, построенного в 1947 году, - опирается на хорошо смоделированное квантовое поведение и надежные квантовые уравнения. Проблема не только в том, что мы не можем понять мир, но и в том, что теперь мы можем встраивать эту чуждую логику в наши устройства. Некоторые ученые, отмечает Арендт, утверждают, что компьютеры могут делать "то, что человеческий мозг не в состоянии постичь". Выделение курсивом поучительно: дело не только в том, что компьютеры могут превзойти нас в мощности мозга - решать теоремы быстрее, чем мы, находить решения эффективнее, - но и в том, что они действительно могут понять мир так, как мы не можем. Это предположение показалось ей особенно тревожным. "Если окажется правдой... что нас окружают машины, действия которых мы не можем понять, хотя мы их придумали и сконструировали, - пишет она, - это будет означать, что теоретические недоумения естественных наук на самом высоком уровне вторглись в наш повседневный мир". Этот вывод оказался удивительно прозорливым.
Глава 11
В 2008 году Крис Андерсон, редактор журнала Wired, призвал к концу современной науки. Такова была суть его прямолинейной и широко растиражированной статьи "Конец теории: The Data Deluge Makes the Scientific Method Obsolete". Андерсон рассмотрел некоторые тупиковые ситуации в физике и биологии, хотя его аргументы распространялись на все дисциплины, от квантовой механики до социальных наук. Мы давно знаем, утверждает он, что наши теории несовершенны, даже если они оказываются невероятно полезными для предсказания мира; как выразился статистик Джордж Бокс, "все модели ошибочны, но некоторые из них полезны". Но Андерсон считал, что этот прагматичный подход изменился с появлением больших данных. Сейчас мы живем в эпоху, которую он назвал "самой измеряемой эпохой в истории", эпоху, определяемую облачными вычислениями и петабайтами (единица данных, которая примерно эквивалентна 799 миллионам копий "Моби Дика"). Хотя эпоха Просвещения была построена на идее, что больше эмпирических данных даст больше знаний, этот проект достиг саморазрушительного конца. Информация теперь производилась и собиралась в таких огромных масштабах, что ее невозможно было "визуализировать во всей ее полноте". Ни один человеческий разум не мог ее осмыслить. Поток данных полностью поглотил нас, сделав бесполезными наши лучшие научные идеи.
Многие читатели сочли его доводы алармистскими - статья была написана в вычурном стиле, который, казалось, был специально придуман, чтобы вызвать споры, - но, если что, Андерсон преуменьшил значение. Только в 2001 году количество созданной информации удвоилось по сравнению со всей информацией, созданной за всю историю человечества. В 2002 году он снова удвоился, и с тех пор эта тенденция сохраняется каждый год. Как отметил Андерсон, исследователи практически во всех областях имеют столько информации, что трудно найти взаимосвязи между вещами или сделать прогнозы. Мир, содержащийся в этих данных, не работает по аккуратным ньютоновским правилам причинно-следственных связей, а закручивается в спираль с озадачивающей сложностью теории хаоса, в которой все связано со всем остальным и даже небольшие изменения имеют масштабные последствия. Вернее, это тот мир, который всегда существовал, скрываясь за пределами нашего ограниченного понимания. И только сейчас мы получили представление о его обескураживающих масштабах.
Андерсон не был фаталистичен в отношении такого развития событий; он просто призывал к принятию нового подхода. Такие компании, как Google, обнаружили, что при наличии данных такого масштаба теория больше не нужна. Можно просто ввести цифры в алгоритмы и позволить им делать прогнозы на основе замеченных закономерностей и взаимосвязей. Поисковая система Google может безошибочно находить неправильно написанные слова и предлагать исправления, хотя у программы нет никакой теории языка. Она просто узнала, какие предложения работают, наблюдая за тенденциями, возникающими из огромного массива данных о реальных поисковых запросах Google. Google Translate "научился" переводить с английского на французский, просто сканируя канадские документы, содержащие оба языка, хотя у алгоритма нет модели, которая понимала бы оба языка. Питер Норвиг, руководитель исследовательского отдела Google, однажды похвастался, что ни один человек, работавший над программой перевода на китайский язык, не знает китайского.
Для Андерсона это доказывало, что математические инструменты могут предсказывать и понимать мир более адекватно, чем любая теория. "Петабайты позволяют нам сказать: "Корреляции достаточно"", - написал он. "Мы можем прекратить поиск моделей. Мы можем анализировать данные без гипотез о том, что они могут показать. Мы можем бросить цифры в самые большие вычислительные кластеры, которые когда-либо видел мир, и позволить статистическим алгоритмам найти закономерности там, где наука не может". Конечно, данные сами по себе не могут сказать нам, почему что-то происходит - переменных в таком масштабе слишком много, - но, возможно, размышляет Андерсон, наша потребность знать причины ошибочна. Может быть, нам стоит перестать пытаться понять мир и вместо этого довериться мудрости алгоритмов. "Кто знает, почему люди делают то, что делают?" - написал он. "Суть в том, что они это делают, а мы можем отслеживать и измерять это с беспрецедентной точностью".
В то время многим представителям технологической индустрии этот вывод показался тревожным. Наука зависит от проверяемых гипотез. Простой факт наличия корреляции между двумя вещами ничего не объясняет, и недостаточно списать эту связь на совпадение. Роль ученого заключается в том, чтобы определить глубинные механизмы, чтобы иметь возможность объяснить, почему происходят те или иные вещи. Как отметил в отклике на статью ученый-компьютерщик Джарон Ланье, некоторые народные средства работают, несмотря на то что никто не может объяснить, почему. Но именно поэтому народные средства не считаются наукой. "Наука - это понимание, - написал он.
Трудно не почувствовать тщетность подобных возражений. "Понимание, как и смысл, - это антропоцентрическая концепция, которую информационные технологии намеренно создали для того, чтобы от нее избавиться. В каком-то смысле статья Андерсона подчеркивает, насколько эта техническая логика просочилась в реальный мир, в котором мы живем, так что даже когда информация декодируется и выдается нам на выходе, мы не всегда можем понять ее смысл или то, как машина пришла к своему выводу. Естественно было бы сделать вывод, что такой мир не может иметь для нас никакой ценности. Вместо этого мы сделали именно то, что предписывал Андерсон, создав сложные и в значительной степени непрозрачные инструменты для восстановления наших нарушенных отношений с абсолютом. В 2017 году писатель Дэвид Уайнбергер, также писавший в Wired, отметил, что не прошло и десяти лет, как шумиха вокруг статьи Андерсона "звучит причудливо". Появившиеся с тех пор технологии не только подтвердили бесполезность наших моделей, но и показали, что машины способны генерировать собственные модели мира, "хотя они могут быть не очень похожи на те, что создал бы человек".