Книга: Вселенная

Глава 9 Изучая мир

Глава 9

Изучая мир

Не так много известно о преподобном Томасе Байесе, жившем в XVIII веке. Он служил пастором в небольшом приходе, а также опубликовал две научные работы. В первой он защищал ньютоновскую теорию дифференциального исчисления, когда та ещё в этом нуждалась, а во второй доказывал, что первейшая цель Бога — осчастливить всех своих созданий.

Однако в конце жизни Байес заинтересовался теорией вероятности. Его заметки на эту тему были опубликованы уже после смерти автора, но впоследствии оказали огромное влияние на науку — при поиске в Google по слову «Bayesian» получаем более двух миллионов результатов. Байес был одним из тех, кто вдохновил Пьера-Симона Лапласа, давшего более точную формулировку вероятностных законов. Байес был пастором английской нонконформистской пресвитерианской церкви, а Лаплас — французским математиком-атеистом; это доказывает, что интеллектуальные интересы — вещь универсальная.

Вопрос, поставленный Байесом и его последователями, формулируется просто, но необъятен по своему размаху: «Насколько хорошо мы знаем то, что, казалось бы, знаем?». Если нас интересуют наиболее общие вопросы об истинной природе реальности и о нашем месте в ней, то было бы полезно найти наилучший способ уверенного понимания этих проблем.

Уже задавая такой вопрос, мы признаём, что наши знания не вполне надёжны (как минимум отчасти). Это признание позволяет нам сделать первый шаг на пути к мудрости. Второй шаг — понять, что, хотя ничто и не является абсолютно достоверным, не все наши убеждения одинаково надёжны: одни авторитетнее других. Байес предложил удобный способ отслеживать степень нашей веры и корректировать взгляды по мере приобретения новой информации — именно за этот вклад его сегодня и помнят.

Существует небольшое, но активное сообщество фанатов теории вероятности, в котором не утихают бурные споры о том, Что Же Такое Вероятность. Одна партия называется «фреквентисты» — они считают, что «вероятность» есть всего лишь сокращённое обозначение «частоты того или иного события при бесконечном числе попыток». Если вы скажете, что шансы того, что подброшенная монета упадёт орлом вверх, составляют 50%, то фреквентист подскажет: на самом деле вы имели в виду, что при бесконечном числе бросков получится равное число падений орлом или решкой.

Вторая партия — «байесовцы», по мнению которых значения вероятности всего лишь выражают степень вашей уверенности в случаях незнания или неопределённости. Для байесовца утверждение о «пятидесятипроцентной вероятности падения монеты орлом» всего лишь свидетельствует о том, что у вас нет никаких причин предпочесть один вариант другому. Если бы вам предложили поспорить, какой стороной упадёт монета, то вы бы с равным успехом могли поставить на орла или решку. Затем байесовец с готовностью вам объяснит, что именно это вы и могли иметь в виду при таком утверждении, поскольку никогда не наблюдали бесконечного числа попыток, а мы зачастую говорим о вероятностях применительно к однократным событиям, например выборам или спортивным матчам. Фреквентист в таком случае возразит, что байесовец вносит в объективное рассуждение о мироустройстве ненужный элемент субъективности и индивидуальной неосведомлённости, поэтому ошибается.

* * *

Здесь мы не пытаемся сделать какие-либо глубокие выводы о природе вероятности. Нас интересуют верования: вещи, которые кажутся людям истинными или, по крайней мере, вероятно истинными. Слово «верование» иногда используется как синоним «убеждения в истинности чего-либо без достаточных на то оснований», что приводит атеистов в бешенство и заставляет их вообще отказаться от этого слова. Мы будем использовать это слово для обозначения всего, что считаем истинным, независимо от того, есть ли на это достаточные основания; например, вполне допустимо сказать: «Я верю, что два плюс два равно четырём».

Часто — а пожалуй, всегда, если присмотреться внимательнее, — мы не на 100% убеждены в том, во что верим. Я верю, что завтра взойдёт солнце, но не могу сказать, что абсолютно в этом не сомневаюсь. Земля может столкнуться с несущейся чёрной дырой и разлететься на кусочки. На самом деле, у нас есть лишь степень уверенности, именуемая на языке профессиональной статистики «субъективной вероятностью». Если вы считаете, что завтра пойдёт дождь, с вероятностью один к четырём, то ваша субъективная вероятность дождливой погоды составляет 25%. Каждое наше верование сопряжено с определённой субъективной вероятностью, даже если мы прямо об этом не говорим. Иногда субъективная вероятность тождественна вероятности — например, если мы на 50% уверены, что монетка упадёт орлом. В других случаях субъективная вероятность лишь свидетельствует о том, что нам не хватает знаний. Если друг вас уверяет, что пытался дозвониться до вас и поздравить с днём рождения, но просто застрял в каком-то месте, где не работала связь, то в данном случае речь о вероятности не идёт; это либо истина, либо ложь. Однако поскольку вы всё равно об этом не узнаете, вы можете присвоить каждой из этих возможностей определённую субъективную вероятность.

Основная идея Байеса, попросту именуемая «теоремой Байеса», — это способ рассуждения о субъективных вероятностях. Она позволяет нам ответить на следующий вопрос. Допустим, у нас есть различные убеждения, каждому из которых соответствует собственная субъективная вероятность. Затем мы собираем информацию и узнаём что-то новое. Как эта информация повлияет на исходные степени субъективной вероятности? Этот вопрос мы должны задавать себе снова и снова, выясняя новые факты о мире.

* * *

Допустим, вы с другом играете в покер. В игре сдаётся по пять карт, затем вы можете сбросить определённое их число и заменить другими. Вы не видите карт соперника, поэтому в самом начале не знаете о его раздаче ничего, за исключением того, что у него нет конкретных карт, которые есть у вас. Однако о полном неведении речь не идёт: вы знаете, что одни раздачи могут выпадать с большей вероятностью, чем другие. Относительно вероятно, что соперник получит при раздаче пару или вообще никаких комбинаций. Получить при первой же раздаче флеш (пять карт одной масти) удаётся достаточно редко. Расчёты показывают, что случайная раздача из пяти карт примерно в 50% случаев будет «пуста», в 42% случаев будет содержать пару, а флеш выпадает всего в 0,2% случаев, не говоря уже о других возможностях. Эти исходные шансы называются априорными субъективными вероятностями. Вы опираетесь на них прежде, чем узнаёте что-то новое.

Однако затем кое-что происходит: друг сбрасывает некоторое число карт и берёт из колоды столько же карт на замену. Это новая информация, на основании которой вы можете уточнить априорные вероятности. Допустим, он решил сбросить всего одну карту. Что мы теперь можем сказать о его раздаче?

Вряд ли у него пара; в противном случае он сбросил бы три карты, максимально повышая шансы, что пара вырастет до тройки или каре. Аналогично, если бы в начале у него была тройка, он, вероятно, сбросил бы три карты. Сброс одной карты также вполне согласуется с гипотезой, что у него уже две пары или каре; в таком случае он сохраняет все свои важные карты. Кроме того, это может означать, что у него четыре карты одной масти (которые он надеется дорастить до флеша) или четыре карты подряд (которые можно дорастить до стрита). Такие варианты разумных ходов называются «вероятностью» проблемы. Совместив априорные субъективные вероятности с объективными вероятностями, мы получаем обновлённые субъективные вероятности, отличающиеся от тех, что были сразу после раздачи. Пожалуй, будет сложнее определить, каковы окажутся комбинации соперников после окончания набора, но для покерной акулы в этом нет ничего невозможного. Такие обновлённые вероятности обычно именуются апостериорными.

Это «абдукция». Основа науки и других форм эмпирических рассуждений. Теорема Байеса — это количественное выражение такой неформальной логики. Она предлагает универсальную модель рассуждения о степени уверенности: априорные субъективные вероятности уточняются по мере поступления новой информации и в зависимости от того, насколько эта информация согласуется с каждой из исходных возможностей.

* * *

В байесовских рассуждениях особенно интересен такой акцент на априорных субъективных вероятностях. Случай с покерными раздачами не слишком впечатляет: априорные вероятности напрямую проистекают из шансов получить различные карты. Но область применения этой концепции гораздо шире.

Допустим, как-то вечером вы с другом пьёте кофе, и тут он высказывает одно из следующих трёх утверждений:

   • «Сегодня утром мимо моего окна проехал велосипедист»;

   • «Сегодня утром мимо моего окна проскакал всадник»;

   • «Сегодня утром мимо моего окна проскакал всадник без головы».

В каждом случае вы получаете, в сущности, равнозначную информацию: друг уверенно сообщает вам один из трёх фактов. Тем не менее субъективная вероятность, то есть степень достоверности, которую вы присвоите каждой из озвученных возможностей, во всех трёх случаях принципиально различается. Если вы живёте в городе или пригороде, то гораздо легче поверить в то, что друг видел велосипедиста, нежели всадника, — разве что офицеры полиции у вас в городе часто ездят верхом либо в городе проводят родео. Если вы живёте в сельской местности, где лошади не редкость, а дороги незаасфальтированы, то встреча со всадником может показаться вероятнее, чем встреча с велосипедистом. Наконец, вы значительно более скептически отнесётесь к утверждению о том, что мимо окна проскакал всадник без головы.

В данном случае у вас просто есть априорные вероятности. В зависимости от того, где вы живёте, априорная субъективная вероятность встречи с велосипедистом или всадником будет варьироваться, но в любом случае вероятность встретить всадника без головы однозначно гораздо ниже, чем всадника с головой. Это совершенно нормально. На самом деле, любой байезианец вам расскажет, что иначе и быть не может. Всякий раз, когда мы рассуждаем о вероятной истинности различных утверждений, наш ответ есть комбинация априорной субъективной вероятности, которую мы присваиваем данному утверждению, и вероятности получения различной новой информации, позволяющей проверить истинность этого утверждения.

Учёным часто приходится оценивать «эпохальные» утверждения. В 2012 году физики, работающие на Большом адронном коллайдере, объявили об открытии новой частицы — скорее всего, неуловимого бозона Хиггса. Их коллеги во всём мире с готовностью поверили этому утверждению, отчасти потому, что у них были серьёзные теоретические основания полагать, что бозон Хиггса будет найден именно там, где нашли эту частицу; априорная вероятность была относительно высока. Напротив, в 2011 году группа физиков объявила, что им удалось зафиксировать пучок нейтрино, двигавшихся быстрее скорости света. Это известие вызвало всеобщий скепсис. Он касался не профессионализма экспериментаторов — просто для большинства физиков априорная субъективная вероятность того, что какая-либо частица может двигаться быстрее скорости света, крайне мала. Действительно, спустя несколько месяцев эти первооткрыватели признали, что допустили ошибку в расчётах.

Есть старая шутка об экспериментальном результате, который «подтверждается теорией»; напротив, принято считать, что это теории подтверждаются или опровергаются экспериментами. Соль этой шутки — байесовская: в ошеломительное утверждение проще поверить, если для него уже есть убедительное теоретическое объяснение. При наличии такого объяснения в первую очередь повышается априорная субъективная вероятность, которую можно присвоить данному утверждению.