Read the book: «Почему. Руководство по поиску причин и принятию решений»

2. Психология. Как люди узнают о причинах

В 1692 году две девочки, проживающие в Салеме, внезапно стали вести себя странно. Эбигейл Вильямс (11 лет) и Элизабет Паррис (9 лет) ни с того ни с сего начинали биться в судорогах и конвульсиях. Не сумев определить видимой физической причины, лекарь предположил, что такое необычное поведение – результат колдовства. Скоро в подобном состоянии оказались еще несколько девочек, и более десятка людей было схвачено по обвинению в чернокнижии.

Долгое время причины процессов салемских ведьм объяснялись массовой истерией и мошенничеством, однако по прошествии трех столетий на свет явилась новая гипотеза – отравление спорыньей (грибком, паразитирующим на колосьях ржи и других злаков)⁴³. Если она попадает в продукты, это может привести к эрготизму – заболеванию, симптомы которого включают конвульсии, зуд и даже психические эффекты. Доводы в защиту этой гипотезы были взяты из записей о погоде: исследователи выдвинули предположение, что тогда условия для развития спорыньи были благоприятными, а суды над ведьмами пришлись как раз на период сбора ржи и употребления ее в пищу. Конечно, многие также ели рожь, и с ними ничего не случилось, что ослабляет подобную аргументацию, но неокрепшие юные организмы более подвержены эрготизму, а это довод «за», поскольку только дети демонстрировали соответствующие симптомы. Позже другой историк обнаружил корреляцию между местностями, где проходили суды на ведьмами, ценами на рожь и периодами сбора урожая⁴⁴.

Спорынья казалась достоверным объяснением, но некоторые доказательства противоречили ему. Один и тот же грибок может вызвать отравление двух видов (гангренозное и конвульсивное), но записей о всплеске гангрены в Салеме нет. И хотя конвульсивная форма может вызывать описанные симптомы, она скорее должна была затронуть семьи целиком: дело в том, что эта болезнь когда-то считалась инфекционной⁴⁵. Кроме того, такая форма обычно поражает маленьких детей, в то время как больные девочки были подростками. А самым крупным несоответствием стал тот факт, что симптоматика, проявлявшаяся у девочек, казалось, зависела от присутствия так называемых ведьм, и часто за пределами здания суда эти девочки имели более здоровый вид. Если симптомы были результатом отравления спорыньей, кажется невероятным, что они могли настолько сильно меняться в зависимости от того, кто находился рядом.

Отравление грибком в качестве объяснения было отвергнуто⁴⁶, однако материалы, основанные на этой теории, появлялись на страницах New York Times еще в 1982 году⁴⁷. Во все времена, в любых городах и странах люди хотят поверить в причины, не вполне подтвержденные данными, однако отвечающие их знанию на конкретный момент. В XVII веке ведьмовство считалось вполне разумным объяснением; факты в поддержку этой гипотезы широко афишировались, несмотря на более чем пристрастные и малонаучные свидетельства вроде «видений» (когда обвинитель утверждал, что имел «видение» о том, как обвиняемый причинял ему вред). В XX столетии научные объяснения (например, отравления) стали более доступны для понимания, несмотря на то что все равно не удалось объяснить, почему соответствующий симптом проявился у небольшой группы девочек-подростков.

* * *

Ведьмовство считалось разумным аргументом в XVII веке, поскольку наше знание о причинах – это комбинация имеющихся сведений, восприятий и заключений на основе опыта. Понимая физические законы, вы не удивляетесь, что удар по шару заставляет его двигаться. Но если вам еще раньше рассказали, что Земля плоская, а ведьмы могут заставлять предметы летать по комнате, тогда вы легко сделаете другие прогнозы и дадите иные объяснения того, как и почему шар передвигается по бильярдному столу.

Зная, где мы преуспели, а в чем способны ошибаться, отыскивая причинные взаимосвязи, мы можем усовершенствовать программное обеспечение для анализа данных, что в итоге поможет в повседневной жизни. В этой главе мы рассмотрим, как с течением времени развивается наше понимание каузальности и как мы получаем знание о причинах на основе наблюдений и взаимодействия с окружающим миром.

Когда мы намерены вынести суждение о чьих-то действиях – к примеру, обвинить человека, что из-за него мы опоздали на работу, или решить, стоит ли похвалить кого-то за осторожную езду, – наше логическое мышление выходит далеко за рамки простой причинности. Если проанализировать, какие другие факторы – к примеру, ожидания – повлияли на эти суждения об ответственности, мы сумеем лучше понять поведение людей. Мы можем не соглашаться друг с другом относительно того, что стало поводом некоего события, например победы в скачках. То, что мы узнаём о причинно-следственных зависимостях из докладов, сделанных на примере одной группы населения, может быть неприменимо к другой, поэтому придется принять во внимание некоторые социокультурные факторы, влияющие на ситуацию. Наконец, мы обсудим, почему мы так легко впадаем в заблуждения относительно причин и следствий и почему ложные каузальные убеждения (например, суеверия) не теряют силы даже после того, как вскрывается наша подверженность им.

Обнаружение и использование причин

Как вы впервые обнаружили, что лампочка загорается, если повернуть выключатель? Откуда вы знаете, что ружье, выстреливая, производит громкий звук, а не наоборот?

Мы получаем знания о причинах двумя основными путями: посредством восприятия (каузального опыта) и умозаключений (опосредованных выводов о причинности с помощью дедуктивного метода и на основе некаузальной информации).

Воспринимая причины, мы не накладываем картину наблюдений на предыдущее знание с помощью некоего инструмента распознавания образов, но получаем практический опыт каузальности.

Видя, как в окно влетает кирпич, один бильярдный шар ударяет другой, заставляя катиться, горящая спичка поджигает фитиль свечи, мы получаем впечатления о причинной зависимости на основе входящей сенсорной информации. Напротив, причины таких событий, как пищевые отравления, войны и хорошее здоровье, нельзя воспринять непосредственным образом – их предстоит вывести путем логического мышления на основе чего-то, отличающегося от непосредственных наблюдений.

Идея, что мы на самом деле способны воспринимать причинности, в философии считается спорной и вступает в прямое противоречие с точкой зрения Юма, который утверждал, что познание возможно только на основе наблюдаемых паттернов. Однако каузальное восприятие убедительно доказано экспериментально. Не пользуясь иными подсказками в поисках причин, перцепция⁴⁸ предполагает наличие мозговой деятельности, при которой разум получает данные и квалифицирует их как каузальные или некаузальные. Многие философы доказывали способность причинного восприятия, но вопрос остается: в самом ли деле различны умозаключение и восприятие. В ходе некоторых экспериментов на эту тему использовались вводные данные, согласно которым перцепция и мышление противоречат друг другу, так как, если они представляют один процесс, ответ должен быть одинаковым, в обоих случаях. Эти исследования продемонстрировали, что люди приходят к разным умозаключениям в ситуациях, когда нужно оценить восприятие и суждения, но, поскольку они основывались на свидетельствах людей, описывающих свои интуитивные догадки, из процесса оказалось невозможно полностью исключить восприятие⁴⁹.

Трудно придумать эксперимент, где получилось бы изолировать два процесса друг от друга (то есть обеспечить логическое мышление без восприятия и наоборот). Однако исследования, участниками которых были индивидуумы с разделением левого и правого полушария головного мозга, дают некоторые ключи к пониманию. У таких пациентов связь между полушариями частично или полностью нарушена, поэтому обмен любой информацией между ними проходит с запозданием. Для эксперимента это хорошо: если восприятие и умозаключение изначально управляются разными полушариями, их можно испытать отдельно. Стимулируя участки поля зрения по одному, ученые могут контролировать, какое именно из полушарий получит вводные данные. В то время как обычные участники исследования не показали различий при выполнении заданий на каузальную перцепцию и логическое мышление, два пациента с разделением головного мозга продемонстрировали существенные отличия в восприятии и логическом выведении причин в зависимости от того, какое полушарие получало задачу. Вывод прост: умозаключения отделены от восприятия, и в каждом процессе участвуют разные области мозга⁵⁰.

Восприятие

Итак, исследования показали, что восприятие действительно может проходить независимо от умозаключения. Но когда именно мы воспринимаем причинность?

Фундаментальные труды Альберта Мишотта⁵¹ по восприятию причинности продемонстрировали: когда людям показывают изображения, где одна фигура движется по направлению к другой, прикасается к ней и вторая фигура начинает двигаться, они воспринимают это как ситуацию, когда первая фигура «запустила в действие» вторую⁵². Такое утверждение удивительно правдиво, даже несмотря на то что это всего лишь картинки, а не физические объекты. Многие другие исследователи повторяли эксперименты Мишотта и наблюдали аналогичные результаты. Хотя работы знаменитого бельгийца признаны классикой каузальной психологии, его эксперименты с задержками и разрывами между событиями также предоставляют хорошую почву для заключений о том, как время влияет на восприятие. (Об этом мы подробнее узнаем в главе 4.)

Узнать о том, как развивалось наше понимание причинности и роли обучения, можно благодаря детям. Если мы способны к непосредственному восприятию причинности, малыши также должны это уметь.

Разумеется, очень трудно проверить, действительно ли младенцы воспринимают причинную зависимость, поскольку их нельзя расспросить о впечатлениях, как участников экспериментов Мишотта. Малыши дольше рассматривают новые предметы; ученые приучают их к определенной последовательности событий, а затем проводят сравнение с обратной последовательностью тех же событий. Детям показывали видеозаписи последовательности пусковых операций (подробнее об этом в главе 4), сходных с тем, как бильярдный шар ударяется о неподвижный другой. Первый шар передает другому импульс, и второй после этого движется в том же направлении, что и первый.

Видеозаписи проигрывались сперва в прямом, а потом в обратном направлении (включите перемотку, и все будет выглядеть так, как будто это второй шар ударяется о первый); аналогичные последовательности событий без пускового толчка (например, две фигуры идут в одном направлении, не соприкасаясь) также проигрывались «туда» и «обратно». Основное открытие было в том, что младенцы дольше просматривали каузальную последовательность в обратном порядке. Но, поскольку обе сценки меняли направления, не должно быть различия во времени рассматривания, если каузальная последовательность не воспринимается как содержащая изменение, которого нет в последовательности некаузальной (то есть причина и следствие меняются местами)⁵³.

Даже если восприятие причинности с первых дней жизни человека кажется очевидным, другие исследования отмечают различия в реакциях младенцев 6 и 10 месяцев в смысле их способности воспринимать причинность в более сложных событиях (например, когда удар по шару наносится со смещением)⁵⁴. Эти исследования показывают, что восприятие развивается с возрастом. Дети 6–10 месяцев способны воспринимать причинную связь между двумя предметами, однако эксперименты с двумя цепочками причинностей (каузальных последовательностей: к примеру, зеленый шар ударяет красный, а затем красный шар ударяет синий) показали, что 15-месячные малыши, как и взрослые, воспринимают причинность такого рода, а 10-месячные – нет⁵⁵. Исследования, где сравнивается восприятие детей более старшего возраста и взрослых, дают противоречивые результаты, поскольку различия могут возникать из-за разницы в вербальных способностях.

В исследовании, где тестировали детей от 3 до 9 лет, задачу упростили, сведя к ограниченному набору наглядных реакций. В результате продвинутые способности к причинному осмыслению были выявлены даже у самых младших участников, хотя некоторые изменения с возрастом наблюдались по-прежнему⁵⁶.

Самые значительные различия в результатах между возрастными категориями, как правило, наблюдаются, когда восприятие и логическое мышление вступают в конфликт, так как дети больше полагаются на чувственное знание, а взрослые – на последующее знание ситуации. В одном эксперименте два механизма (быстрого и медленного действия) спрятали в коробке, причем каждый был снабжен звонком. В случае с быстрым механизмом мяч, помещенный в коробку, немедленно приводил звонок в действие, а в случае с медленным звонок раздавался с задержкой. В коробку с медленным механизмом положили один мяч, а второй добавили после некоторой паузы. Из-за запаздывания механизма звонок звенел сразу же после того, как в коробке появлялся второй мяч, но нельзя утверждать, что причиной звонка стал второй мяч, потому что механизм не способен срабатывать так быстро. Даже после того как дети знакомились с этими механизмами и запоминали, какой из них где находится, воспринимаемые свойства у пятилетних малышей превалировали над умозаключениями. Несмотря на то что мяч чисто физически не мог включить звонок, младшие дети по-прежнему называли в качестве причины второй мяч⁵⁷. Дети же 9–10 лет и взрослые логически выводили корректную причину; результаты семилетних участников заняли место где-то посередине (примерно 50/50).

В рамках множества экспериментов по восприятию, начиная с Мишотта, участников напрямую спрашивали, что они думают о предложенных сценках, к примеру, просили описать, что те наблюдали. Но этим способом не удается охватить характерные реакции, вовлеченные в восприятие.

Недавно исследователи решали эту задачу методом окулографии⁵⁸ у взрослых участников эксперимента. Вместо того чтобы измерять, как долго участники смотрят на некий объект, ученые проверяли, куда именно те смотрят. Результаты показали, что в последовательностях «пускового» типа люди предугадывают каузальные движения и соответственно перемещают фокус зрения⁵⁹. Имеется в виду, что вне зависимости от того, называют ли участники эксперимента некую последовательность причинно-зависимой, их ожидания события показывают: люди предполагают, что движение объекта вызовет контакт с другим объектом. Позднейшее исследование, где регистрировались движения глаз и каузальное мышление участников (как и в работах Мишотта), выявило следующее: хотя в простых последовательностях оба фактора коррелировали, при включении фактора задержки по времени корреляции между движениями глаз и причинными суждениями у разных участников не наблюдалось⁶⁰.

Именно дети впервые продемонстрировали тенденцию к восприятию в экспериментах с простыми сценариями, но доверие, которое мы питаем к причинному восприятию, может подвести и взрослых. Если вы слышите громкий звук, а после этого в комнате зажигается свет, легко решить, что эти события взаимосвязаны; однако временная привязка громкого звука и момента, когда некто щелкает выключателем, может быть простым совпадением.

Параметры, которые приводят к ложным восприятиям причинности, – такие как тайминг⁶¹ событий и пространственная близость – могут также стать причиной неправильных каузальных умозаключений. Мы часто слышим, что человеку сделали прививку от гриппа, а к вечеру у него развились схожие с гриппом симптомы, и люди верят, что именно укол стал поводом к этому. Но точно так же, как медленный механизм в коробке не мог тут же производить звук при появлении мяча, вакцина против гриппа, содержащая неактивную форму вируса, не может вызвать болезнь. Среди огромного количества привитых у некоторых развиваются другие сходные болезни (по чистому совпадению), или они подхватывают вирус, ожидая приема в клинике.

Обратившись к первичной информации о возможном, можно откорректировать ложные суждения.

Умозаключения и логическое мышление

Когда вы пытаетесь выяснить, почему ваша машина издает странный шум, или решаете, что чашка кофе ближе к вечеру помешает заснуть, вы не воспринимаете непосредственную взаимосвязь между жарой и скрипом тормозов или стимулятором и работой нервной системы. Вместо этого используете два других вида информации: знания из механики о работе тормозной системы и корреляции между временем употребления стимулятора и качеством вашего сна. Иными словами, даже не имея понятия, как именно работает причина, мы способны узнать нечто, наблюдая, как часто причина и следствие случаются одновременно. Но можем применить и логическое мышление, основываясь на понимании системы, даже если отмечаем единичный случай причины и следствия. Итак, некто может установить источник шума в машине, понимая, как взаимодействуют детали автомобиля и какие неисправности в его системах могут спровоцировать лишние звуки.

Эти два взаимодополняющих метода умозаключений о причинах, где один основан на ковариантностях, или сопряженных изменчивостях (как часто события происходят вместе), а другой – на механистическом знании (как именно причина производит следствие), способны работать совместно, хотя в исследованиях часто трактуются по отдельности⁶². Процесс, задействующий косвенную информацию для нахождения причин, называется причинным умозаключением, и хотя существуют различные способы сделать вывод о каузальной зависимости, суть в том, что вы не основываетесь на прямом опыте, а используете данные и базовое знание для установления причин методом дедукции.

В классическом задании по каузальному умозаключению в психологии участникам предлагают последовательность событий. Требуется узнать, что вызывает определенное следствие (например, звук или визуальный эффект на экране). В простейшем случае надо просто оценить, вызывает ли одно событие другое (или в какой степени), к примеру, определить на основе серии наблюдений, действительно ли поводом к появлению света стал поворот выключателя. Варьируя различные параметры – например, временную задержку между причиной и следствием, взаимодействие участника и системы или силу взаимосвязей, – ученые пытаются распознать, какие факторы влияют на каузальные умозаключения.

Мы знаем, что временные задержки и пространственные разрывы заставляют людей с меньшей убежденностью называть нечто причиной события, но все не так просто. Существует и взаимосвязь с ожиданиями. В главе 4 мы обсудим это подробнее, когда увидим, как время вторгается в наше понимание причинности. Это еще одна область, где существуют различия между детьми и взрослыми, так как у всех разные ожидания возможного. Например, пятилетние верят, что физически невозможное событие – результат волшебства, а девятилетки и взрослые понимают, что это всего лишь фокус⁶³.

Как раз ассоциативный подход к причинным умозаключениям, по сути, предлагал Юм: постоянно наблюдая, как события случаются вместе, мы формулируем причинную гипотезу⁶⁴. Люди хорошо умеют это делать, исходя из гораздо меньшего объема наблюдений, чем требует компьютерная вычислительная программа; но мы тоже корректируем свои убеждения, получая новую информацию, и умеем определять некорректные паттерны, основанные на поспешных заключениях. К примеру, если вы забили два гола после того, как надели новую пару бутс, можете сделать вывод, что именно обувь улучшила ваши показатели. Но 10 последовательных матчей без единого гола заставят переосмыслить эту взаимосвязь⁶⁵.

Как и восприятие, способность выводить причины из наблюдений развивается в раннем детстве. Один эксперимент должен был установить, как рано развивается такое умение: музыкальная шкатулка начинала играть, когда наверх ставили определенный кубик, а когда ставили какой-то другой, звуки не воспроизводились. Дети двух с небольшим лет наблюдали, что будет, если ставить эти кубики на шкатулку вместе и по отдельности, и затем определяли, какой из них заставляет музыку играть. Позже этот эксперимент был воспроизведен для малышей 19 и 24 месяцев⁶⁶, и способность делать выводы о причинах на основе вариативных паттернов с тех пор более-менее постоянно проявлялась даже у детей 16 месяцев при чуть более простой структуре эксперимента⁶⁷.

И все же, если ассоциации – все, что нужно для научения причинности, как провести различие между общей причиной (рис. 2.1 (a), например, когда бессонница провоцирует просмотр телевизора и поедание закусок) и общим следствием (рис. 2.1 (б), когда просмотр телевизора и перекус ведут к бессоннице)?

.

Рис. 2.1. В обоих примерах бессонница ассоциируется с двумя другими видами деятельности, даже если каузальная структура отличается

В реальности мы действительно способны различать каузальные структуры даже в тех случаях, когда наблюдаются одинаковые ассоциации. Имеется в виду следующее. Если я вижу, что в 2/3 случаев, когда я одновременно поглощаю кофе и печенье и после этого чувствую прилив энергии, но в 2/3 случаев, когда я пью только кофе, эффект тот же самый, с помощью дедукции я могу определить, что печенье, возможно, не влияет на мой уровень энергии.

Такой тип логического мышления называется «обратная блокировка» – именно он был продемонстрирован в эксперименте с участием детей 3 и 4 лет⁶⁸. Идея такова: если вы видите, как некое следствие случается после воздействия двух факторов, а потом – при наличии одного фактора, то, даже не наблюдая отдельно воздействия второго, делаете вывод, что он не может быть причиной события.

В исследовании снова использовалась шкатулка, звучащая, когда на нее ставят определенный кубик. Видя, что кубики А и В вместе заставляют машинку играть, а вслед за этим только кубик А вызывает звуки (см. рис. 2.2 (а)), дети гораздо реже утверждали, что кубик В также вынуждает механизм включаться.

Рис. 2.2. Участники наблюдают результаты первых двух экспериментов. В третьем нужно предсказать, раздастся ли музыка, если этот кубик поставят на машинку. Кубик А – плотный, В – решетчатый

Принципиальное различие между этим экспериментом и более ранними исследованиями в том, что сначала дети наблюдали за действием каждого кубика по отдельности и обоих вместе. Здесь они видели второй только вместе с первым и все-таки использовали косвенное знание о действенности А для определения В. Но результаты этого задания различались у детей 3 и 4 лет: старшие гораздо реже заявляли, что машинку приводит в действие кубик В. Умозаключения детей 4 лет, по сути, повторяют результаты таких же экспериментов со взрослыми⁶⁹. Интересно, что дети использовали косвенные свидетельства для вывода о причинных зависимостях. Ученые выяснили: даже если малыши видели, как на машинку ставят два кубика вместе, потом раздается звук, а затем наблюдали один (не вызывающий музыку) кубик (см. рис. 2.2 (б)), они делали вывод, что кубик, который они никогда не видели на шкатулке в одиночку, может включить механизм⁷⁰.

Заключения, сделанные в результате этого эксперимента, не совсем соответствуют ассоциативной модели научения причинности, так как одинаковые ассоциации могут вести к различным выводам. Альтернативный подход, а именно модель причинности, устанавливает связи между умозаключениями и расчетными моделями – так называемыми байесовскими сетями (мы поговорим о них в главе 6)⁷¹. Получается, вместо того чтобы использовать только парные ассоциации или относительную силу связей между отдельными факторами, люди способны распознавать причины как составные части модели, показывающей, сколько именно вещей взаимосвязано.

В качестве простого примера можно привести структуру на рис. 2.1 (б). Ее легко дополнить причинами бессонницы (например, кофеин и стресс) и следствиями перекуса поздним вечером (набор веса и больные зубы). Подобные структуры могут как улучшить наше логическое мышление относительно вмешательств, так и помочь с помощью последних больше узнать о связях между переменными.

Другой способ мышления о каузальности основан на механизме действия. В общем виде его суть такова: причина – это способ вызвать следствие, где то и другое связано неким набором шагов, с помощью которого случается это следствие. Таким образом, если бег улучшает настроение, должен существовать процесс, с помощью которого он влияет на настроение, к примеру высвобождение эндорфинов. Возможно, мы не видим каждый из компонентов процесса, но имеет место цепочка событий, связывающих причину и следствие, посредством которой и реализуется следствие⁷².

Однако основные работы по этой проблеме базировались на ином подходе, чем в трудах по ковариантности, поскольку участники должны были задавать вопросы экспериментатору, чтобы потом объяснить конкретное событие⁷³. В литературе по психологии этот подход именуется причинным осмыслением. В отличие от экспериментов, с которыми мы уже ознакомились, его задача – выяснить, почему футболист смог забить конкретный гол, а не почему игроки вообще забивают голы. Взяв за основу пример с дорожно-транспортным происшествием, ученые обнаружили, что вопросы сосредоточивались на механизмах, вероятно, сыгравших роль в этом ДТП (например «не был ли водитель пьян»), вместо тенденций и предрасположенностей (например «много ли автокатастроф случается на этой дороге»)⁷⁴. Участники эксперимента должны были задавать вопросы, чтобы получить нужные сведения; в другом случае им заранее предоставлялась как механистическая, так и ковариантная информация, но первая по-прежнему имела больше силы в атрибуции причинности.

И все же мы объединяем то, что наблюдаем, с тем, что уже знаем – а мы, разумеется, обладаем знаниями как о корреляциях (соотношениях, взаимосвязи), так и о механизмах. Маловероятно, что мы будем полагаться только на один вид доказательств. В самом деле, другие работы решали эту проблему: как сегменты информации сочетаются между собой, а не сочетаются ли вообще. К примеру, ряд экспериментов показал: на интерпретацию сильных корреляций влияла убежденность в существовании достоверного механизма, связывающего причину и следствие, однако этого не наблюдалось при слабых корреляциях⁷⁵. Действительно, оценивая последовательности наблюдений, люди обычно принимают во внимание известные взаимосвязи, а также вероятность их наличия (например, редкие или обычные объяснения симптомов).

Но, как и всегда в психологии, существует несогласие по поводу того, как люди узнают о наборах взаимосвязей (далее я буду называть их моделями, или каузальными структурами). Согласно одной точке зрения, сначала мы получаем данные, а затем выбираем структуру, которая с наибольшей вероятностью основана на этих данных или лучше всего совпадает с нашими наблюдениями⁷⁶. Иными словами, зная, что ваш пес лает при громких звуках и что дверь, хлопая, также издает громкий звук, вы сужаете возможные взаимосвязи между вещами и, вероятно, способны отфильтровать модели, при которых пес издает различные шумы⁷⁷. С другой точки зрения, нами в основном движут гипотезы, а значит, мы сначала предлагаем возможный вариант структуры, а затем изменяем его по мере поступления информации⁷⁸.

Хотя простейший сценарий большинства подобных экспериментов предполагает наличие контролирующего субъекта, который изолирует влияние различных свойств, в реальности мы редко сами решаем, в какой степени одна вещь (заранее идентифицированная как потенциальная причина) влияет на другую (заранее идентифицированную как потенциальное следствие). Если у вас внезапно разболелась голова, приходится анализировать все факторы, спровоцировавшие боль. Точно так же выявление аллергической реакции на лекарство означает дедуктивный анализ множества случаев его приема, после которого проявляется общий симптом.

Задача причинных умозаключений часто делится на две: поиск структуры и поиск относительной силы. Структура говорит о том, что именно и какой эффект вызывает, а сила – в какой степени (например, как часто лекарство ведет к побочному эффекту или насколько повышается цена на акции после отчета о прибылях).

Эти процессы не изолированы, поскольку сильную причину определить легче, чем слабую. Множество психологических экспериментов имеют целью оценить силу, то есть определить ковариантность вместо механизмов.

Скажем, вы замечаете, что при беге начинаете чихать. Не имея возможности изменить условия занятий (в зале или на открытом воздухе, весной или зимой и т. д.), вы не сможете утверждать, что чихание связано с сезонной аллергией, а не с физическими упражнениями. В простых экспериментах дети делали заключение о корректных структурах только на основе наблюдения последовательности событий, однако данные, полученные исключительно путем наблюдений, часто ведут к неверным выводам. Мы можем ошибочно подумать, что два следствия вызывают друг друга – просто потому, что имеют общую причину и часто отмечаются вместе.

Причины необыкновенно важны: мы используем их, чтобы эффективно вмешиваться в ход событий и контролировать окружающий мир. Однако вмешательства сами помогают нам обнаруживать причины. По условиям описанных психологических экспериментов мир аккуратно поделен на вероятные причины и следствия. Но, когда мы не знаем, что есть что, а значит, не в силах манипулировать ими либо проверить, что произойдет при наличии или отсутствии различных факторов, можно разграничить структуры, которые иначе показались бы подобными.

Если участники исследований могли не просто наблюдать, но и вмешиваться в процесс, точность умозаключений повышалась⁷⁹.

Этот экспериментальный вывод было решено проверить с помощью заводной игрушки и большого набора возможных структур. Есть две игрушки и выключатель. Варианты: 1) одна игрушка заставляет другую вращаться; 2) выключатель активирует вращение каждой игрушки; 3) выключатель заставляет вращаться обе игрушки. Дошкольники легко усвоили действие этих более сложных моделей, просто наблюдая, как другие заставляют механизм работать⁸⁰. Но здесь отличаются не только понятия «смотреть» и «делать» (или наблюдение и вмешательство). Есть выбор и действий: вмешиваться самому или видеть, как это делает кто-то другой. Когда вы сами решаете влиять на процесс, сами же можете формировать и тестировать гипотезы, а также контролировать факторы, которые, по вашему мнению, влияют на исходный результат. Действительно, в ряде экспериментов как дети, так и взрослые лучше обучались на опыте собственных действий, чем действий наблюдаемых⁸¹.

Вина

Скажем, ваша капризная кофеварка работает только ограниченный промежуток времени, при достаточной температуре, но важно успеть выключить ее до того, как она начнет перегреваться. Ваш приятель сварил себе эспрессо и оставил машину включенной. Разумеется, когда вы тоже решили выпить кофе, она уже перегрелась, и в это утро на напиток рассчитывать было бесполезно. Кто сформировал эту печальную ситуацию, кого винить за то, что вам не достался эспрессо? Вашего друга, не выключившего кофеварку? Или производителя, выпустившего неудачную технику?

Это один из вопросов каузальной атрибуции: определить, кто или что в ответе за конкретное событие. Иными словами, нас интересует не общая причина, по которой кофеварки перестают работать, но то, почему именно эта машина отказала в конкретной ситуации. Подобный тип логического мышления задействуется, когда мы пытаемся выяснить, кто в ответе за дорожное происшествие или почему человек опоздал на встречу.

Такой тип причинности именуется конкретной причинностью (token causality), в отличие от типовой причинности (например, невнимательное вождение приводит к дорожным происшествиям: Сьюзи за рулем писала эсэмэски, поэтому ее авто столкнулось с машиной Билли). Мы подробно познакомимся с конкретной причинностью в главе 8, пока же скажем: в рамках определения вины или ответственности это компонент нравственного поведения или ошибки, отличающийся от простого составления списка соответственных причин. При этом каузальность может быть без вины. К примеру, вы можете спровоцировать автоаварию, не будучи виноватым: вы действительно пытались затормозить, однако столкнулись с другой машиной, потому что отказали тормоза (в главе 8 мы увидим, почему в этом случае вину реально возложить на автопроизводителя).

Большинство работ на тему вины и каузальной атрибуции написано философами. Однако, вместо того чтобы собирать данные в ходе экспериментов, участники дискуссий нередко апеллируют к интуиции, к тому, что можно подумать.

Обратимся к так называемой проблеме ручек. Секретарша на кафедре философии следит за тем, чтобы на ее столе всегда был запас ручек. Брать их, когда нужно, могут ассистенты; предполагается, что профессора должны пользоваться своими. На практике ручки берут и те и другие. И вот однажды профессор и ассистент забирают две последние. После этого секретарша принимает важный звонок, но на столе не оказывается ручки, чтобы записать информацию. Кто стал причиной этой ситуации?⁸²

Возможно, мои интуитивные соображения по поводу этой проблемы не совпадают с вашими, и неясно, какая точка зрения преобладает и где правильный ответ. Философы, изучающие подобные проблемы, часто исходят из предпосылки о существовании единой интуитивной точки зрения. С другой стороны, психологи проверяют эту предпосылку в ходе практических экспериментов. Однако чаще всего участниками последних становятся студенты, и неясно, можно ли экстраполировать моральные соображения этой группы на все население (возможно, студенты университета уже составили прочное мнение относительно этики ассистентов и профессоров).

Растущие масштабы использования экспериментальных методов для ответов на философские вопросы, а нередко и для проверки интуитивных прозрений, которые, как правило, принимаются за данность, вызвали к жизни отрасль науки, именуемую экспериментальной философией. Одна из ключевых ее областей как раз и рассматривает подобный тип морально-этических суждений, лежащий на стыке философии и психологии.

Важное открытие, которое называется эффект побочного эффекта (или эффект Кноба⁸³)⁸⁴, состоит в следующем: если действия человека вызывают ненамеренный положительный побочный эффект, ему за это не отдают должное; но если аналогичный ненамеренный эффект имеет негативную окраску, этот эффект объявляют умышленным, и человека считают виновным.

Участников эксперимента ознакомили с рассказом главы одной компании. В нем он заявлял, что компанию не заботило, на пользу или во вред окружающей среде пошла инициатива по увеличению доходов: важна была только прибыль. Испытуемые возложили вину на главу компании, когда обнаружился вред экологии, но не хвалили его, когда позднее оказалось, что инициатива принесла положительный эффект. Та же тенденция отмечалась и в других историях: отсутствие одобрения положительных, но ненамеренных действий и обвинения за также ненамеренные, но негативные последствия⁸⁵. Эксперименты психологов показали, что рейтинги и причин, и обвинений были выше за намеренные действия, а не наоборот⁸⁶. Эти труды стали особенно известны, потому что участниками были не студенты, а случайные люди, которых агитировали на исследование в парке Нью-Йорка. Правда, конкретика относительно места и демографической статистики не раскрывалась⁸⁷.

Вторая сторона намерения – различие между тем, что человек предполагает, и тем, что происходит. Так, водитель, который пытается остановить автомобиль, однако не в силах это сделать из-за механической неисправности, может иметь хорошие намерения, за которыми следует плохой исход. Если намерения добрые, но действия все равно приводят к плохому побочному эффекту, стоит ли винить человека так же, как и того, кто причинил вред намеренно?

Эксперименты, требовавшие дать ответ на поставленный вопрос, доказали: в действительности суждения людей скорее касаются взаимосвязи намерения, а не моральных оценок с результатом. В одном из исследований степень приписывания вины отмечалась ниже, если вред был причинен ненамеренно и все же некто пострадал, чем когда вообще никому не навредили⁸⁸. Осмысление исхода частично объясняет, почему кого-то меньше винили за неудачную попытку смошенничать, чем за успешное жульничество – хотя в последнем случае на человека все равно возлагалась вина за обман.

Согласно одному из толкований эффекта побочного эффекта, все зависит от того, считаются действия намеренными или нет. Но его можно также объяснить в терминах нарушения принятых норм⁸⁹. Если вы действуете согласно общественным нормам (не мошенничаете на экзаменах, не сорите и т. д.), вам не отдают должное за хорошее поведение, поскольку это нормально. С другой стороны, если вы, решив сократить себе дорогу, потоптали цветы, вас обвинят, потому что это нарушение поведенческих стандартов. Пример нарушения норм без причинных последствий – переход улицы на красный свет, даже если дорога совершенно пуста.

Это ненамеренный, или каузальный, вред, и все равно такое поведение нарушает нормы. Как правило, мы не задаемся вопросом, кто виноват в событии, которое не произошло. Но эта ситуация может привести к обвинению (поскольку вред был возможен) и объяснить, почему другие легко инкриминируют человеку неправильный, хотя и без видимых последствий, переход дороги.

В ходе другого эксперимента напрямую тестировались взаимосвязи между нормами, моральными суждениями о поведении и результатами⁹⁰. Группе студентов раздавались экземпляры задания финального экзамена. Потом формулировались варианты с двумя разными характеристиками проблемы. Большинство студентов имели выбор: мошенничать или работать честно. И вот конкретный учащийся по имени Джон может либо поступать как все (списывать, когда списывают все, или работать честно, если никто не списывает), либо нарушить стандарт поведения (работать честно, когда все мошенничают, и жульничать, когда никто не списывает). В результате на основе экзаменационного балла и общего рейтинга тот из студентов, кто окажется в списке сразу после Джона, не получает проходного балла для поступления в медицинский колледж. Вопрос в следующем: в каких обстоятельствах причиной ситуации стал Джон и он ли виноват, что другого студента отсеяли?

Интересно, что с точки зрения причинности или вины нельзя назвать ключевой эффект нормативности. Напротив, суждения основывались скорее на том, хорошими или плохими считали поступки Джона участники эксперимента, при этом плохое поведение рассматривалось в большей степени как вызванное некой причиной и заслуживающее обвинения. Но когда, однако, студент отходил от сценария с мошенничеством, степень его виновности сразу падала.

Наличие разнообразных компонентов, влияющих на суждения о вине (таких как нормы, намерения и результаты), доказано, но процесс вынесения этих суждений по-прежнему остается предметом непрекращающихся исследований. Большинство экспериментов ориентируются на результаты и понимание интуитивных предпосылок. Правда, последние работы сформулировали единую теорию вины как общественного акта, предусматривающего многочисленные этапы и процессы⁹¹.

Культура

В материалах исследований, к примеру, говорится: «По мнению 90 % участников, в автокатастрофе виноват водитель». Но кто эти самые участники? Подавляющее большинство лиц, задействованных в психологических исследованиях, – студенты западных колледжей⁹². Неудивительно, что основная масса работ в этой области выполняется университетами, и контингент опрошенных, набранный из учащихся, позволяет регулярно обеспечивать нужное количество людей для экспериментов. В некоторых случаях можно наблюдать общие явления, но нельзя с определенностью утверждать, что все воспринимают каузальность одинаково или судят о причинности так же, как остальные, тем паче молодежь до 21 года. Это ограничивает генерализацию обсуждаемых выводов.

Чтобы понять степень обобщаемости, некоторые ученые сравнивали каузальные восприятия и суждения участников с разными культурными корнями. Одно из основных отличий разделяет факторы, обладающие каузальной релевантностью относительно результата⁹³. Если пловец выиграл Олимпийские игры, кто-то скажет, что он победил, так как соперники были слабые, или семья оказала ему поддержку (ситуационный фактор), или благодаря врожденному таланту (личная предрасположенность). Все это могло иметь значение, однако различие в том, какие именно из них выделены. Чтобы это проверить, Майкл Моррис и Кайпин Пэн в 1994 году изучили описания одних и тех же преступлений в китайских и английских газетах. Британцы чаще приводили факторы предрасположенности (например, преступник испытывал злость), а восточные обозреватели больше внимания привлекали к ситуационным (например, убийцу недавно уволили с работы). Ученые получили аналогичный результат, попросив китайских и американских студентов взвесить важность различных аргументов. Те же выводы были сделаны при сравнении других западных и восточных культур⁹⁴.

Эти культурные различия формируются в течение всей жизни. В одном из первых экспериментов в этой области, автором которых стала Джоан Миллер (1984), задействовали американцев и индусов четырех возрастных групп (8, 11, 15 лет и взрослые). Между участниками 8 и 11 лет из двух стран было обнаружено мало отличий. Когда их просили пояснить, почему кто-то знакомый совершил хороший поступок, а кто-то – плохой, дети-американцы делали основной упор на личные качества (например, друг – добрый), а дети-индусы – на ситуацию (например, он просто сменил работу). Самые же крупные несходства проявились среди взрослых. Это могло быть следствием как действительных изменений во взглядах, так и возросшего понимания того, что от них ожидалось. Известно, что само участие в эксперименте влияет на поведение, поскольку испытуемые пытаются поступать в соответствии с восприятием утверждений экспериментатором (то есть делать ему приятное) или, как вариант, намеренно бросать вызов. В одном случае простое изменение заголовка в вопроснике изменило фокус реакций участников⁹⁵.

С точки зрения каузальной атрибуции социальные подсказки оказывают некоторое влияние на то, какие именно обстоятельства люди считают наиболее важными (например, о чем говорится в новостях) и как они формулируют значимость причинных факторов (какое влияние оказывают контекст и личные качества), но механизм, лежащий в основе такого поведения, до сих пор неизвестен. Недавно было экспериментально доказано, что культурные различия воспринимаются через принятие, то есть важно персональное мнение о групповых взглядах⁹⁶. Иными словами, даже если результаты исследований совпадают с выводами Морриса и Пэна, все участники могут иметь одинаковые убеждения в целом, но по-разному думать о деталях; например, во что, по их мнению, верят китайцы и американцы. Именно это объясняет различия в суждениях.

Может казаться очевидным, что вы и я приходим к различным выводам о том, кто виновен в дорожном происшествии, поскольку это результат влияния разных социально-культурных условий. Участник кампании против неосторожного вождения может целиком сосредоточиться на том, что водитель писал эсэмэски, а другой обвинит автопроизводителя в неисправности тормозов. Есть гипотеза, что именно различия в культурах индивидуализма и коллективизма становятся причиной разной атрибуции, поскольку проявляются только в ситуациях, воспринимаемых как социальные (взаимодействие групп животных или людей), а не физические (движущиеся объекты). Восприятие физических событий не стоит приписывать одним и тем же культурным отличиям. Однако ряд недавних исследований выявил разницу в движениях глаз при восприятии по культурному признаку (можно предположить, что внимание уделялось разным компонентам сюжета)⁹⁷.

Пределы, свойственные человеку

Основополагающая задача долгосрочных исследований – создание алгоритмов, способных воспроизводить ход мысли. Однако человек думает не как компьютерные программы, которые можно контролировать или подчинять определенным правилам. Правда, мы способны быстро обучаться каузальным взаимосвязям на основе новых наблюдений, но верные причины выявляем далеко не всегда.

Еще более сильное беспокойство вызывает наша склонность к повторяющимся ошибкам, даже если они очевидны. Как мы увидим в главе 3, многие когнитивные смещения приводят к тому, что мы начинаем отмечать несуществующие корреляции, поскольку выискиваем информацию в подтверждение собственных убеждений (например, ищем других людей, которым помогает акупунктура) или придаем ей большую значимость (например, в магазине обращаем внимание только на ту очередь к кассе, которая движется быстрее). Существуют факторы, которые заметно затрудняют наше обучение причинным зависимостям, например большое временное отставание следствия от причины или структурная сложность, так как требуется распутать множество неявных взаимозависимостей. Но даже с простой структурой и своевременностью мы все равно становимся жертвами ошибок каузального мышления.

Правда ли, что беда не приходит одна? Правда ли, что разбитое зеркало означает семь лет невезения? Правда ли, что проглоченная жевательная резинка переваривается годами? Одна из самых убедительных форм искаженных причинных убеждений – суеверие. Вообще-то никто не подсчитывал годы невезения ни до, ни после того, как треснет зеркало, не сравнивал группы людей, разбивавших и не разбивавших зеркала; так почему же разумные люди продолжают в это верить?

Некоторые суеверия можно объяснить в терминах видов каузальных смещений, которые вынуждают нас видеть ошибочные корреляции между совершенно не связанными событиями. Иными словами, мы начинаем замечать больше плохого после, а не до того, как разбили зеркало, потому что усиливаем внимание к подобным вещам. Хуже того: если вы верите в «семь лет неудач», то начинаете наклеивать ярлык невезения на события, которые в противном случае просто не заметили бы или вообще не сочли неудачей.

В других случаях простая фиксация на суевериях провоцирует эффект плацебо. Известно, что сам факт лечения может воздействовать на пациента; в этом случае прием лекарств значения не имеет. Или, точнее, они сравниваются с аналогичными средствами, которые даже не считаются эффективными⁹⁸. Например, можно сравнить аспирин и сахарные таблетки как средство от головной боли, вместо того чтобы противопоставить аспирину отсутствие лечения вообще, поскольку только в первом случае можно проконтролировать следствие приема некой таблетки. Именно по этой причине высказывания типа «Экспериментальное лечение привело к десятипроцентному снижению симптоматики!» не имеют смысла, если альтернатива – отсутствие лечения вообще. В действительности эффект плацебо обнаруживали даже в ситуациях, когда пациенты знали, что получают пустышку, которая никак не может им помочь⁹⁹.

Аналогичным образом, просто веря, что у вас есть счастливый карандаш, а некий ритуал перед баскетбольным матчем помогает забить больше мячей, вы и в самом деле вызовете желаемое следствие. Важно отметить, однако, что не сам предпочитаемый предмет или ритуал вызывает положительный исход. Скорее, его побуждает к жизни вера в их действенность, а следствие производится чувствами, которые генерирует вера: к примеру, снижается стресс, или возникает ощущение, что вы контролируете ситуацию¹⁰⁰.

Возможно, сейчас вы подумали: «Да, звучит здорово, но число 7 для меня и вправду очень много значит – как же это может быть совпадением?» Но каковы шансы, что все хорошие события в вашей жизни происходят, когда на часах или в дате отмечается 7?

Как только у вас утвердилось некое суеверие, случаи, когда оно подтверждается, обретают особый вес и лучше запоминаются. В этом-то все и дело. Иными словами, вы начинаете игнорировать ситуации, противоречащие вашей вере (к примеру, позитивные события, не связанные с семеркой). Эта тенденция поиска и запоминания событий, подтверждающих индивидуальные убеждения, называется предвзятостью подтверждения (confirmation bias). Мы поговорим о ней подробнее в следующей главе. Она может формировать достаточно невинные, хотя и ложные, убеждения, но способна также усиливать вредные наклонности.

В чем-то это похоже на угрозу стереотипов, когда знание, что некий предмет или событие относится к группе с негативными характеристиками, может вызвать страх, что такие стереотипы подтвердятся.

Одно из исследований показало: результаты женщин на экзаменах по математике существенно разнились в зависимости от информации, что оценки зависят / не зависят от половой принадлежности (первой группе не сообщалось, у лиц какого пола результаты лучше)¹⁰¹. Женщины показали равные с мужчинами результаты, когда им сообщили, что никаких гендерных преимуществ нет, и гораздо худшие, когда говорили обратное. Подобные разновидности ложных каузальных верований имеют реальные последствия. Концепции, основанные на неверной каузальной информации, в лучшем случае неэффективны, а использование некорректных причин ведет к несправедливым судебным приговорам (см. главу 1).

Итак, нет ничего плохого в бесплатном и скромном ритуале (если скрестить пальцы «на удачу», вряд ли побочный эффект будет слишком велик). Но в итоге вы полагаетесь на весьма непрочные взаимосвязи, что порой приводит к переоценке влияния действующей силы (то есть чьей-либо способности контролировать или предсказывать события)¹⁰². Люди формулируют гипотезы и ищут признаки, подтверждающие собственные суеверия. Однако строгие рассуждения о причинности требуют признать потенциал предубежденности и быть открытыми к свидетельствам, противоречащим верованиям.

Далее мы увидим, как это сделать.

3. Корреляция. Почему множество каузальных утверждений ошибочны

В 2009 году ученые обнаружили поразительную взаимосвязь между вирусом XMR¹⁰³ и синдромом хронической усталости (СХУ)¹⁰⁴. Миллионы американцев страдают от этого заболевания с симптомами в виде сильной и постоянной утомляемости, однако причина его неизвестна, и это препятствует профилактике и лечению. Вирусы, недостаточность иммунной системы, генетические факторы и стресс – вот лишь единичные гипотезы, пытающиеся объяснить, что запускает механизм заболевания¹⁰⁵. И в придачу ко всем соперничающим причинным объяснениям затруднительно даже просто поставить соответствующий диагноз, поскольку нет единого биологического маркера, достоверно тестируемого в лабораторных условиях. Многие случаи остаются незамеченными, и, возможно, СХУ – это в действительности целый букет различных болезней¹⁰⁶.

Группа исследователей во главе с доктором Джуди Миковитц обнаружила, что среди 101 пациента с СХУ вирус XMRV имеют 67 % по сравнению со всего 3,7 % из 218 контрольных подопытных. Вирус объяснял не все случаи заболевания; была подгруппа пациентов, у которых СХУ стал результатом его действия, у других болезнь не диагностировалась. Для проблемы, в которой оказалось так трудно разобраться, результаты выглядели просто потрясающими, вызвав к жизни массу попыток их подтвердить. Самые разные исследования не смогли обнаружить связь СХУ и XMRV¹⁰⁷; но в 2010 году ученые выявили похожий вирус, который также превалировал у пациентов с СХУ (86,5 %: у 32 из 37) в сравнении со здоровыми донорами крови (6,8 %: у 3 из 44)¹⁰⁸.

Эти результаты запустили новый виток гипотез и попыток подтвердить или опровергнуть обнаруженную взаимосвязь. Ученые предположили, что подобная мощная корреляция означает, что именно вирус XMR вызывает СХУ, то есть на этой основе стоит строить лечение. Кое-кто из пациентов, отчаянно желая выздороветь от изматывающей болезни, даже стал требовать у врачей лекарства против ретровируса на основе тестов XMRV.

Выявление у подавляющего большинства людей с СХУ этого вируса в крови – несомненно, интересная находка, которая помогла последующим экспериментам, но эта корреляция не доказывает, что вирус и есть виновник болезни или что антиретровирусное лечение будет эффективным. Вероятно, СХУ ослабляет иммунную систему, повышая подверженность вирусным заболеваниям. Даже если есть некая взаимосвязь, это не дает верного направления; иными словами, она не объясняет, что такое вирус для СХУ – причина или следствие, или же у всего есть общая причина.

В 2011 году оба исследования, выявившие корреляцию между вирусом и СХУ, были отвергнуты после яростных (часто публичных) дебатов. Что касается исследования доктора Миковитц, опровержение было частичным, а в одном случае журнал дал полное опровержение (правда, без согласия автора)¹⁰⁹. Произошло следующее: пробы СХУ оказались заражены вирусом XMRV, выявив видимые отличия между двумя группами¹¹⁰. Помимо этого, был поставлен вопрос о возможной фальсификации данных, поскольку некоторая информация о методе приготовления образцов в подписях к рисункам была опущена, и кое-кто посчитал, что один и тот же рисунок был представлен с несхожими этикетками в разном контексте¹¹¹. Наконец, исследование 2012 года, где различным группам (в том числе группам Миковитц) давались «слепые» образцы для анализа, не обнаружило связи СХУ и XMRV¹¹².

Интенсивные усилия, подогретые изначальными выводами, и накал страстей во время публичных дебатов между сторонниками и противниками новой теории – яркий пример того, насколько сильна может быть единственная корреляция, которую сочли убедительной.

* * *

Фраза «корреляция не обязательно означает причинно-следственную связь» прочно вбита в мозги любого студента, изучающего статистику; но даже те, кто понимает это высказывание и согласен с ним, порой не могут удержаться от попыток трактовать связи как причинные зависимости. Ученые часто заявляют о корреляциях, много раз поясняя, почему эти соотношения не имеют каузальной взаимосвязи и какой информации для этого недостает. Однако корреляции по-прежнему интерпретируются и используются как причинные зависимости (достаточно лишь проанализировать порой весьма серьезные расхождения между научной статьей и ее популярным вариантом в прессе). Сильная взаимосвязь может показаться убедительной и инициировать ряд успешных прогнозов (хотя в случае с СХУ это не так). Но даже она не объясняет, как работают те или иные вещи и с помощью каких вмешательств их действие можно изменить. Видимая связь между XMR и СХУ не доказывает, что можно вылечить последний с помощью первого, однако пациенты интерпретировали это открытие именно так.

Видимые корреляции могут объясняться еще не измеренными причинами (исключение данных о курении может вызвать взаимосвязь между раком и множеством иных факторов), однако случайные соотношения способны существовать, даже когда две переменные вообще никак не связаны. Корреляции бывают результатом абсолютной случайности (например, вы много раз за неделю сталкиваетесь с подругой на улице), искусственных условий эксперимента (вопросы могут быть подстроены под конкретные реакции), ошибки или сбоя (баг в компьютерной программе).

Иными словами, корреляция – это одно из основополагающих заключений, которые мы способны сделать, и свидетельство в пользу наличия причинной взаимосвязи. В этой главе мы рассмотрим, что такое корреляции и для чего они используются, а также познакомимся с некоторыми из множества путей, посредством которых они возникают без каких бы то ни было причинно-следственных связей.

Что такое корреляция

Х ассоциируется с раком, Y связан с припадками, а Z привязан к сердечным приступам. Каждый термин описывает корреляцию, сообщая, что эти явления соотносятся между собой. Хотя и не говоря, как именно.

Суть в том, что две переменные коррелируют, если изменения в одной из них ассоциируются с изменениями в другой. К примеру, рост и возраст детей коррелируют, потому что увеличение возраста соответствует увеличению роста: дети, как правило, с годами растут. Эти соотношения могут быть выборочными (измерения множества детей различного возраста за один раз), временными (измерения одного ребенка в течение жизни) или учитывать оба фактора (измерения разных людей в течение долгого срока). С другой стороны, между ростом и месяцем рождения нет долговременной корреляции. Это значит, что если месяц рождения варьируется, то рост так регулярно не меняется.

На рис. 3.1 (a) продемонстрировано, как возрастные изменения соотносятся с изменениями роста. Если увеличивается одна переменная, вместе с ней растет и другая. Напротив, на рис. 3.1 (б), где показаны рост и месяц рождения, мы видим набор случайно размещенных точек: месяц рождения варьируется, но соответствующего изменения в росте нет.

Рис. 3.1. Возраст и рост коррелируют, но рост и месяц рождения – нет

Это также означает, что, зная возраст ребенка, мы можем примерно предсказать его рост, а зная месяц рождения – нет. Чем ближе точки друг к другу, формируя линию, тем точнее наши прогнозы (поскольку при этом взаимосвязи теснее). Предсказание – одна из ключевых сфер применения корреляций, и в ряде случаев его можно сделать и без причинных взаимосвязей (хотя не всегда успешно).

Когда корреляции сильны, они могут приобретать видимые очертания, как на рис. 3.1 (a). Но нам необходимы методы измерения этой силы, чтобы провести количественное сравнение и оценку. Существует много единиц измерения корреляций, а одна из них наиболее употребительна – коэффициент корреляции Пирсона (обычно его обозначают буквой r)¹¹³. Этот показатель может иметь значение от 1 до –1. При значении 1 переменные обладают абсолютной положительной корреляцией (положительное изменение одной переменной прямо соответствует положительному изменению другой), а значение – 1 говорит об их абсолютной отрицательной корреляции (если одна переменная уменьшается, другая всегда увеличивается).

Получается, коэффициент корреляции Пирсона показывает, как варьируются вместе две переменные по сравнению с индивидуальными модуляциями (эти две меры называются «ковариация» и «вариация»). К примеру, мы можем отметить, сколько часов студенты в некой группе проводят за подготовкой к заключительному экзамену, чтобы посмотреть на соотношение показателей. Зная о наборе экзаменационных баллов и количестве часов, проведенных за подготовкой, но не имея возможности сопоставить итоговые оценки и соответствующие временные показатели, мы не определим, есть ли между ними корреляция. В этом случае получится наблюдать индивидуальные вариации каждой переменной, но не их взаимоизменения. То есть мы не можем выяснить, действительно ли большее время, потраченное на занятия, сопровождается более высокими оценками.

Без вариации нет корреляции

Скажем, вы хотите узнать, как получить грант, поэтому спрашиваете всех друзей, которые его имеют, что, по их мнению, помогло им. Все кандидаты оформляли заявку шрифтом Times New Roman; согласно мнению половины, важно, чтобы на каждой странице была как минимум одна иллюстрация; а треть рекомендуют представить заявку за 24 часа до установленного срока.

Означает ли это, что есть корреляция между названными условиями и получением гранта? Нет, не означает, потому что, не видя вариации исходного результата, нельзя определить, соотносится ли с ним какой-то иной фактор.

К примеру, если в течение некоей последовательности дней, когда температура доходила до 80°F (примерно 26,6 °C), на углу улицы стояли две тележки с мороженым, трудно сказать о корреляции погоды и мороженщиков, поскольку нет вариации значения той или другой переменной (температуры или количества мороженщиков). То же справедливо и для случая, когда есть вариация только одной переменной – например, на улице всегда два мороженщика, а температура изменяется от 80 до 90 градусов. Этот сценарий показан на рис. 3.2: отсутствие вариации ведет к тому, что данные скопились в одной точке, а модуляция единственной переменной дает горизонтальную линию¹¹⁴. Именно такой вариант в примере с грантом. Поскольку все результаты идентичны, нельзя сказать, что произойдет, если поменять шрифт или представить заявку за минуту до истечения срока.

Рис. 3.2. Не наблюдая вариации обеих переменных, нельзя обнаружить корреляцию

И тем не менее широко распространена ситуация, когда анализируются только факторы, ведущие к определенному исходу. Только представьте, насколько часто победителей спрашивают, как именно они добились успеха, а потом стараются этот успех воспроизвести, выполняя в точности те же действия. Подобный подход полон недостатков по многим причинам, включая то, что люди просто не слишком хорошо умеют определять существенные факторы, недооценивают роль случайностей и переоценивают свои способности¹¹⁵. В результате мы не только путаем факторы, которые по чистой случайности сопутствуют желаемому эффекту, с теми, которые действительно его обеспечивают, но и видим иллюзорные корреляции там, где их нет.

К примеру, многие интересуются, действительно ли музыкальное образование соотносится с профессиональными успехами в других областях. Даже если мы обнаружим, что многие успешные люди (как бы мы ни определяли успех) играют на музыкальных инструментах, эти ничего не скажет о существовании корреляции – не говоря уже о причинно-следственной связи. Если напрямую спросить, верят ли они, что музыка помогает развивать и другие способности, многие, безусловно, отметят некую взаимосвязь. Но с гораздо меньшей вероятностью они сделают это, если интересоваться конкретно умением играть в шахматы, быстро бегать или тем, сколько кофе вы выпиваете каждый день.

Для целей этой книги важнее всего следующее: беседы с победителями бесполезны, поскольку можно сделать то же самое, но не преуспеть. Возможно, все кандидаты оформляют заявки на грант шрифтом Times New Roman (а значит, те, кто не получил гранты, порекомендуют использовать другой шрифт), а может, успешные кандидаты получили грант, несмотря на избыточное количество иллюстраций в документах. Не зная совокупности положительных и отрицательных примеров, мы не сможем даже предположить наличие корреляции.

Корреляции: измерение и интерпретация

Скажем, мы исследуем студенческий пул, чтобы выяснить, сколько чашек кофе молодые люди выпивают перед финальным экзаменом, а потом регистрируем полученные баллы. Гипотетические данные этого примера представлены на рис. 3.3 (а). Корреляция очень сильна и равна почти 1 (0,963, если быть точными), поэтому точки на графике тесно окружают некую невидимую линию. Если взять обратное отношение (0 чашек кофе соответствуют 92 экзаменационным баллам, а 10 чашек – 10 баллам), чтобы сформировать отрицательную ассоциацию, абсолютное значение окажется тем же, а единственное, что изменится, – знак коэффициента корреляции. Тогда показатель измерения будет равен почти –1 (–0,963), а кривая станет отраженным по горизонтали вариантом положительно коррелирующих данных, как показано на рис. 3.3 (б).

Рис. 3.3. Корреляции между потреблением кофе и экзаменационными баллами

С другой стороны, если бы каждое из этих отношений стало слабее и имела место повышенная вариация результатов экзамена для каждого уровня потребления кофе, наблюдалась бы дисперсия точек, и корреляция была бы слабее. Это продемонстрировано на рис. 3.3 (в), где точки на графике по-прежнему имеют в основном линейную форму, но отклоняются от центра гораздо дальше.

Как и ранее, инверсия отношения (потребление кофе коррелирует с худшими оценками) формирует кривую на рис. 3.3 (г), где единственным отличием оказывается нисходящий уклон.

Заметим, что, если отношение слабое, гораздо труднее перейти от значения потребления кофе до экзаменационных баллов и обратно. Это четко видно, если в первых примерах выбор значения одной из переменных сильно ограничивает вероятные значения другой. Но если мы попытаемся предсказать экзаменационные баллы для 4 чашек кофе с более слабой корреляцией, прогноз будет гораздо менее точен, поскольку мы наблюдали более широкий диапазон баллов для такого уровня потребления кофе. Предел для этой возрастающей вариации – пара переменных, которые абсолютно не соотносятся (имеют нулевой коэффициент корреляции), как показано на рис. 3.3 (д), при этом нельзя вообще ничего сказать о результатах экзаменов на основе выпитого кофе.

Или мы захотели узнать, насколько сильна корреляция между тем, где человек живет, и его умением водить машину. Мера, о которой мы говорили до сих пор, применяется для неквантованных¹¹⁶ данных, таких как цены на акции, а не дискретных, таких как местонахождение или киножанр. Если у нас всего две переменные, каждая из которых принимает только два значения, лучше взять упрощенный вариант коэффициента корреляции Пирсона – так называемый фи-коэффициент¹¹⁷.

Например, можно проверить соотношение между местом, где люди живут, и их умением водить машину. Местом жительства может быть либо город, либо пригород / сельская местность, а факт вождения может либо иметь место (да), либо нет. Как и ранее, проверяем, как эти условия варьируются. Здесь вариация означает частоту, с которой они наблюдаются совместно (а не то, как значения увеличиваются или уменьшаются).

В табл. 3.1 показано, какой вид могут принимать данные. Фи-коэффициент для них составляет 0,81. Мы изначально смотрим, сосредоточено ли большинство измерений вдоль диагональной линии на таблице. Если значения в основном находятся в группах вождение/не-город и не-вождение/город, можно говорить о положительной корреляции.

Если аккумулируются вдоль другой диагонали, корреляция имеет такую же силу, но другой знак.

Таблица 3.1. Различные комбинации местонахождения и вождения

Однако на основе этих измерений не каждая сильная корреляция будет иметь высокое значение. Применение коэффициента Пирсона предполагает, что это отношение линейно, а значит, если одна переменная (например, рост), увеличивается, другая (например, возраст) также увеличивается, причем с одинаковым темпом. Это не всегда справедливо, поскольку могут встречаться и более сложные, нелинейные отношения. К примеру, если из-за нехватки кофе человек становится вялым (и не способен показать хорошие результаты на экзамене), а избыток кофе его возбуждает (и тоже плохо влияет на результаты), то график, выстроенный на основе некоторых данных, может иметь вид, как на рис. 3.4. Здесь видно повышение балла в диапазоне от 0 до 5 чашек кофе, потом еще одно медленное падение. Хотя корреляция Пирсона для этого примера нулевая, данные показывают четкий паттерн.

Рис. 3.4. Нелинейное отношение (r = 0,000)

Подобный тип отношений показывает неоднозначные результаты при многих методах причинных умозаключений. В последующих главах мы вернемся к этому. Его важно иметь в виду, поскольку он встречается в таких прикладных науках, как биомедицина (например, и недостаток, и передозировка витаминов могут иметь последствия для здоровья) и финансы (например, кривая Лаффера, которая показывает зависимость между доходами государства и динамикой налоговых ставок).

Аналогично, если вес детей всегда увеличивается с возрастом, но экспоненциально (дети растут, и их вес растет все сильнее), корреляция Пирсона будет ниже ожидаемой, так как она работает в линейных зависимостях. Это одна из опасностей, подстерегающая тех, кто бросает данные в «черный ящик» и просто принимает любые полученные результаты, не проводя дальнейших исследований. Поступив так, когда корреляция недооценивается или даже кажется равной нулю, мы упускаем потенциально интересные зависимости.

Это одна из причин, почему нельзя интерпретировать нулевую корреляцию (пирсоновскую или любую другую) как вообще незначимую (существуют и другие причины, например ошибки в измерениях или первичные данные, искажающие результаты). Еще одна важная причина заключается в том, что данные могут не быть репрезентативными с точки зрения исходного распределения. Если бы нам разрешили взглянуть на статистику смертей от гриппа, но предоставили только данные о количестве больных, поступивших в лечебные учреждения, и вызовов скорой помощи, мы наблюдали бы гораздо более высокий процент летальных исходов, чем в масштабах всего населения. Это происходит потому, что люди оказываются в стационаре, как правило, с более тяжелыми случаями или дополнительными заболеваниями (и с высокими шансами смерти от гриппа). Итак, мы снова сравниваем не все исходы, а только статистику для больных или обратившихся к врачам на фоне симптоматики гриппа.

Чтобы проиллюстрировать эту проблему в ограниченном диапазоне, возьмем, к примеру, две переменные: общий экзаменационный балл и часы, потраченные на подготовку. Однако вместо данных по всему спектру оценок за экзамен мы имеем только сведения о лицах, получивших общий балл за письменный и устный тест по математике выше 1400. На рис. 3.5 эта область показана серым цветом.

Рис. 3.5. Закрашенная область представляет ограниченный диапазон данных

Согласно этим гипотетическим показателям, студенты с высокими баллами представляют собой комбинацию как лиц с природной одаренностью (которые преуспевают, особо не утруждаясь), так и тех, кто получил лучшие оценки за счет интенсивных занятий. Если воспользоваться только данными из закрашенной области, мы не обнаружим никакой корреляции между переменными; но если применить информацию по всему спектру экзаменационных показателей, созависимость будет сильной (корреляция Пирсона оценки и упорных занятий для закрашенной области равна 0, а для всего набора данных – 0,85).

Оборотная сторона медали – это корреляции, которые мы порой находим между несвязанными переменными, опираясь только на следствия (то есть принимая во внимание только случаи, когда это следствие имеет место). К примеру, получение высокого экзаменационного балла и участие во множестве факультативных мероприятий обеспечивают прием в престижный университет. Значит, данные, взятые только в вузах, покажут корреляцию между высоким баллом и многочисленными факультативами, так как здесь эти показатели чаще всего в наличии.

Подобная тенденция отбора данных довольно типична. Возьмем, к примеру, сайты, опрашивающие посетителей насчет их политических взглядов. В интернете не получится отобрать участников опроса случайно в масштабах всего населения, а данные источников с сильным политическим уклоном искажены еще сильнее. Если посетители конкретной страницы активно поддерживают действующего президента, то результаты по ним, возможно, покажут, что рейтинг главы государства растет каждый раз, когда он произносит важную речь. Однако это показывает лишь то, что есть корреляция одобрения президента и произнесения им речей перед сторонниками (поскольку на вопросы отвечают представители всего населения). Мы рассмотрим и эту, и другие формы трендов (например, смещение по выживаемости) в главе 7 и увидим, как они влияют на результаты анализа экспериментальных данных.

* * *

Важно помнить, что, помимо математических причин, по которым можно распознать ложные корреляции, есть еще наблюдение за данными, позволяющее найти ложные паттерны. Некоторые из когнитивных смещений, заставляющие нас видеть соотношение несвязанных факторов, также сходны с ошибкой отбора. К примеру, предвзятость подтверждения заставляет искать доказательства в пользу определенного убеждения. Иными словами, если вы верите, что лекарство вызывает некий побочный эффект, вы приметесь читать в интернете отзывы тех, кто уже принимал его и наблюдал это действие. Но таким образом вы игнорируете весь набор данных, не поддерживающих вашу гипотезу, вместо того чтобы искать свидетельства, которые, возможно, заставят ее переоценить. Предвзятость подтверждения также может заставить вас отказаться от свидетельств, противоречащих вашей гипотезе; вы можете предположить, что источник сведений ненадежен или что исследование основывалось на ошибочных экспериментальных методах.

Помимо предвзятости с точки зрения доказательств, может случиться ошибка интерпретации аргументов. Если в ходе «неслепого» тестирования нового лекарства доктор помнит, что пациент принимает это средство и считает, что оно ему помогает, то может начать искать признаки его эффективности. Поскольку многие параметры субъективны (например, подвижность или усталость), это может привести к отклонениям в оценке данных индикаторов и логическим заключениям о наличии несуществующих кореляций¹¹⁸. Этот пример взят из реального исследования, где доктора, выведенные из слепого метода, сделали вывод об эффективности препарата (мы подробнее обсудим ситуацию в главе 7). Таким образом, интерпретация данных может различаться в зависимости от убеждений, что приводит к отличиям в результатах¹¹⁹.

Есть и специфическая форма предвзятости подтверждения – иллюзорная корреляция. Она означает поиск соотношения там, где его нет. Возможная взаимосвязь симптомов артрита и погоды настолько широко разрекламирована, что считается доказанной. Однако знание о ней может привести к тому, что пациенты будут говорить о корреляции просто из ожидания ее увидеть. Когда ученые попытались проанализировать эту проблему, взяв за основу обращения пациентов, клинические анализы и объективные показатели, то не обнаружили абсолютно никакой связи (а другие выяснили, что истинным виновником могла быть сырость, хотя и этот вывод не окончателен)¹²⁰. А когда студентам колледжей показали данные из анкет пациентов, где отмечались одновременно болевые симптомы и атмосферное давление, те не только увидели корреляции там, где их не было, но и представили разные интерпретации одних и тех же последовательностей как положительно или отрицательно соотносящихся.

Это подобно ошибке отбора, поскольку одной из причин выявления неверной корреляции может быть концентрация на одном сегменте информации. Если вы прогнозируете отрицательное соотношение переменных, легко сосредоточите внимание на небольших сегментах целого, подтверждающих ваш прогноз. И такой случай относится к предвзятости подтверждения: можно сфокусировать внимание на определенных данных, повинуясь сформированным убеждениям. В случае с артритом и погодой люди, возможно, придают слишком большое значение определенным фактам (отбрасывая проявившиеся симптомы при хорошей погоде и придавая особое значение таким же при плохой) или видят доказательства там, где их нет (по-разному отмечают заболевание в зависимости от погоды и от ожидаемой связи того и другого).

Как пользоваться корреляциями

Скажем, мы действительно обнаружили соотношение между сроком представления заявки на грант и его получением. Действительно, чем раньше подана заявка, тем выше она будет оценена, поэтому коэффициент корреляции здесь и вправду будет равен единице. Значит, можно безошибочно предсказать, что некто получит грант, если подаст заявку за неделю, да?

Именно на это рассчитывают многие ретейлеры, пытаясь выявить индикаторы, которые спрогнозируют поведение покупателей. Реклама компании Target не сходила с газетных полос, когда ее представители заявили, что «узнали» о беременности девочки-подростка раньше, чем ее семья¹²¹. Разумеется, в Target на самом деле понятия не имели об этом; просто воспользовались огромным пулом сведений, собранных от других покупателей (и из других источников), чтобы выяснить, какие факторы коррелируют с разными стадиями беременности. На основе приличного объема наблюдений компания смогла, например, выяснить, что покупка либо лосьона, либо ватных шариков сама по себе не значимый факт, но беременные женщины часто выбирают оба эти предмета вместе с определенными витаминными добавками. Имея достаточно данных о покупательных паттернах и соответствующих сроках (это можно выяснить из записей о рождениях или спрогнозировать на основе информации о приобретении тестов на беременность), компания может определить вероятность беременности покупательницы и даже оценить, на каком она сроке. Даже если просто знать, что девушка приобрела два теста один за другим, это позволит сделать вывод, что первый оказался положительным.

Корреляции используют, например, Amazon, Netflix и LinkedIn, предлагая дополнительные товары, фильмы, которые могут вам понравиться, или потенциальные контакты.

Netflix, к примеру, может найти людей, которым нравятся те же фильмы, что и вам, и предложить вам киноленты, на которые эти люди дали хорошие отзывы. Именно это позволило ученым повторно идентифицировать людей в деидентифицированном наборе данных Netflix, воспользовавшись информацией из другого источника – IMDb¹²², ¹²³. Алгоритмы вообще-то сложнее, чем те, о которых мы рассказали, но основная идея именно такова. Правда, эти компании не обязательно волнуют причины, по которым вы совершаете некие действия. Netflix может порекомендовать достаточно фильмов, которые вам понравятся, не потрудившись выяснить, что после напряженного дня вы смотрите только сериалы.

Есть, однако, немало примеров, когда предсказания, основанные на корреляциях, не оправдываются – даже если не уточнять, соответствуют ли соотношения причинным зависимостям. Одна из опасностей в том, что для любой корреляции между двумя переменными можно с большой вероятностью придумать ситуацию, когда такая взаимосвязь возникнет, а это ведет к ложной вере в результат.

Известен пример из области анализа данных, когда сведения о продажах в бакалейном магазине помогли выяснить, что люди часто покупают пиво и подгузники одновременно. Так возник миф, что мужчины, которые накануне выходных запасаются подгузниками, обязательно купят хоть немного пива в качестве награды за поход в магазин. Но, вернувшись в 2002 году к истокам этого случая, Дэниел Пауэр обнаружил, что изначальная корреляция ничего не говорила о гендерной принадлежности покупателей или в какой день недели совершались покупки. К тому же никогда не предпринимались попытки использовать ее для повышения прибыли – передвинув товары на полке магазина ближе друг к другу. Купленными товарами могли с тем же успехом оказаться попкорн и бумажные салфетки (для вечера перед телевизором) или яйца и таблетки от головной боли (для лечения похмелья).

Скажем, Amazon обнаружил сильную корреляцию между покупкой дисков с сериями телешоу, где действие происходит в колледже, и приобретением учебников для подготовки к экзамену по углубленной программе. Ясно, что продажи обоих товаров обеспечивают американские тинейджеры, но Amazon вполне может этого не выяснять, если единственная задача – дать рекомендации той же группе покупателей, на базе которой собирались маркетинговые данные. Если, однако, компания будет рекомендовать учебники покупателям из других стран, это не обеспечит вала продаж, поскольку такие экзамены сдают в основном ученики из США.

Итак, даже если корреляция истинна и надежна, она может оказаться бесполезной для прогнозирования, если мы попытаемся перенести ее на другую группу населения, не обладающую нужными свойствами для срабатывания взаимосвязи (подробнее об этом в главе 9). Корреляция ничего не говорит о том, почему эти предметы взаимосвязаны, то есть почему покупатели – именно конкретные подростки 16–17 лет, которые готовятся к экзаменам по углубленной программе, а также любят телешоу с персонажами такого же возраста. Значит, ее трудно применять для прогнозирования в других ситуациях.

Мы привели весьма однозначный пример, однако были и другие, с менее четким механизмом действия. В 1978 году спортивный журналист в шутку предложил новый индикатор фондового рынка: если команда Американской футбольной лиги выигрывает Супербоул¹²⁴, к концу года рынок упадет; если нет – пойдет вверх¹²⁵. Нет никакой специфической причины, по которой между этими событиями должна быть связь, но, если взять все возможные индикаторы поведения рынка, именно этот работает достаточно часто, убеждая некритично настроенную аудиторию. И все же без понимания того, почему это срабатывает, мы никогда не сумеем предсказать, в какие годы конкретный паттерн даст сбой. Может ведь оказаться, что с того момента, как этот индикатор получил широкую известность, знание о корреляции (пусть и безосновательно возведенной в ранг достоверных) влияет на поведение.

Аналогичные сомнения возникают, когда нужно использовать данные наблюдений (например, поисковые результаты в интернете или посты в соцсетях) для выявления трендов. Простое знание о том, что люди этим занимаются, приводит к изменениям в пользовательском поведении (возможно, благодаря освещению в СМИ), а также к злонамеренным азартным играм в системе.

Итак, хотя корреляции способны быть полезными для прогнозирования, прогнозы могут оказаться неверными, а измеренная корреляция – ложной.