Ознакомительная версия. Доступно 27 страниц из 133
Однажды за завтраком начинающий врач спросил Апгар, как проводить комплексную оценку состояния новорожденного. «Это просто, – ответила она. – Надо сделать вот так…» С этими словами Апгар наскоро записала пять параметров (пульс, дыхание, выраженность рефлексов, мышечный тонус и цвет кожных покровов) и три варианта оценки (0, 1, 2 – в зависимости от степени проявления признака). Осознав, что ее метод легко применить в любой родильной палате, Апгар начала оценивать по этой шкале младенцев через минуту после рождения. Ребенок с общим показателем от 8 и выше находился в хорошем состоянии: он дрыгался, кричал и гримасничал, имел пульс от 100 и выше, а также розовый цвет кожи. В то же время ребенок с показателем 4 и ниже – синюшного цвета, вялый, малоподвижный, со слабым пульсом – нуждался в срочной медицинской помощи. Персонал родильных палат, пользуясь шкалой Апгар, получил постоянные стандарты для определения того, какому ребенку грозит опасность, что в итоге значительно понизило смертность среди детей до года. Шкала Апгар до сих пор ежедневно используется в родильных домах. Хирург Атул Гаванде недавно опубликовал книгу «Манифест контрольного перечня», где приводится множество примеров полезности шкал и простых правил.
Нетерпимость к алгоритмам
С самого начала клинические психологи отнеслись к идеям Мила с недоверием и враждебностью. Судя по всему, они пребывали во власти иллюзии умения – особенно умения давать долгосрочные прогнозы. Если вдуматься, то легко заметить, откуда взялась иллюзия, и так же легко посочувствовать клиницистам в их неприятии трудов Мила.
Статистические доказательства несовершенства клинических предсказаний противоречат повседневному впечатлению клиницистов о качестве их собственных суждений. Практикующие психологи во время каждой терапевтической встречи неоднократно переживают наития: как пациент отреагирует на вмешательство или что произойдет в следующий момент. Многие из этих наитий подтверждаются, тем самым «доказывая» существование клинического профессионализма.
Проблема в том, что верные суждения включают краткосрочные прогнозы в контексте терапевтического опроса – умение, которое терапевты оттачивают годами. Непосильной задачей для них оказывается долгосрочный прогноз на будущее для конкретного пациента (с этим неважно справляются даже формулы). Вдобавок у клиницистов нет практической возможности приобрести навык долгосрочного прогнозирования – слишком много лет требуется для обратной связи, для получения подтверждения своим гипотезам. Граница между тем, что психологи могут делать хорошо, и тем, чего они не могут, довольно размыта и не всегда заметна им самим. Они знают о собственном профессионализме, но редко догадываются, где заканчивается граница их умений. Поэтому стоит ли удивляться, если опытному терапевту представляется абсурдной идея о том, что механическая комбинация нескольких переменных дает лучшие результаты, чем утонченная сложность человеческого суждения?
Дискуссии по поводу достоинств и недостатков клинического и статистического методов прогнозирования всегда имели моральную подоплеку. Статистический метод, как пишет Мил, подвергался критике со стороны опытных клиницистов как «механический, сухой, атомистичный, отрывочный, искусственный, не связанный с реальностью, ущербный, произвольный, мертвый, педантичный, бессистемный, надуманный, банальный, косный, поверхностный, выхолощенный, псевдонаучный, ограниченный и слепой». С другой стороны, клинический метод восхвалялся его сторонниками как «динамичный, всеобъемлющий, глубокий, целостный, тонкий, гибкий, системный, чувствительный, сложный, продуманный, практический, истинный, живой, толковый, естественный и близкий к жизни».
Нам всем понятно такое отношение. Когда человек соперничает с машиной, будь то Джон Генри, долбящий гору быстрее парового молота, или Гарри Каспаров, играющий шахматную партию против компьютера, мы неизменно сочувствуем человеку. Антипатия к алгоритмам, которые принимают решения, касающиеся людей, коренится в стойком убеждении, что многие предпочтут естественное синтетическому или искусственному. Если спросить людей, какое яблоко они выберут – деревенское или с наклейкой из супермаркета, большинство проголосует за «натуральное», хотя бы их заранее предупредили, что оба плода одинаковы по вкусу, в равной степени питательны и экологически чисты. Даже производители пива обнаружили, что можно увеличить продажи, написав на этикетке «только натуральное сырье» и «без консервантов».
Упорное сопротивление демистификации профессиональных умений ярко проявилось в реакции европейских виноделов на формулу Ашенфельтера. Формула, казалось бы, стала ответом на молитвы гурманов; можно было ожидать, что те будут благодарны за шанс с точностью определять, какие вина будут хорошими, а какие нет. Однако все вышло иначе. Отзывы французских виноделов, по словам обозревателей New York Times, были «либо агрессивными, либо истерическими». Ашенфельтер отмечает, что один ценитель бордо назвал его открытие «смехотворным и нелепым», а другой проворчал: «Это как судить о фильмах, не посмотрев их».
Предубеждения против алгоритма усиливаются, когда решения имеют важные последствия.
«Я не знаю, как побороть тот ужас, – пишет Мил, – который испытывают некоторые клиницисты, когда излечимому, по их мнению, больному отказывают в терапии потому, что „сухая, искусственная“ формула причисляет его к другой группе». Отвечая оппонентам, Мил и его сторонники воззвали к этике – заявили, что неэтично полагаться на интуитивные суждения в важных решениях, если имеющийся алгоритм сделает меньше ошибок. Аргумент веский, но против него вырастает стена психологической реальности: для многих людей важна причина ошибки. Рассказ о ребенке, погибшем из-за ошибки алгоритма, вызывает большее негодование, чем если бы виноват был человек; разница в эмоциональном накале быстро формирует моральное предпочтение.
К счастью, враждебное отношение к алгоритмам, вероятно, будет ослабевать по мере увеличения их роли в повседневной жизни. Когда мы ищем книги или музыку, рекомендации специальных программ нам только помогают. Мы принимаем как должное, что решения о размерах кредитования обходятся без человеческого контроля. Нам все чаще приходится следовать советам в виде простых алгоритмов (например, коэффициент соотношения «хорошего» и «плохого» холестерина в организме). Сейчас публика куда лучше понимает, что в спортивном мире в некоторых критических случаях лучше полагаться на формулу, чем на решение человека, – например, сколько следует заплатить за нового игрока профессиональной спортивной команды и так далее. С удлинением списка задач, выполняемых алгоритмами, люди, возможно, нач нут спокойнее реагировать на результаты, описанные Милом в его «подрывающей основы книжечке».
Учимся у Мила
В 1955 году я, лейтенант Армии обороны Израиля двадцати одного года от роду, получил приказ разработать общеармейскую процедуру проведения собеседований. Если вам любопытно, почему юнцу вроде меня доверили столь серьезное дело, не забывайте, что самому израильскому государству тогда было всего семь лет – все институты государства только создавались, и кто-то должен был этому содействовать. Как бы странно это ни прозвучало, я со своим дипломом бакалавра считался самым образованным психологом в армии (мой непосредственный начальник был блестящим исследователем-химиком).
Ознакомительная версия. Доступно 27 страниц из 133
