Тайлер Коуэн - Среднего более не дано. Как выйти из эпохи великой стагнации
Куда движется экономика?
Ученые, как правило, страдают комплексом провинциальности, когда речь заходит об их собственных областях науки и специализации, но все же имеет смысл уделить внимание и той науке, которой занимаюсь я сам и которую с легкой руки Томаса Карлейля называют «мрачной».
За последние десять лет в экономической науке наблюдается значительный сдвиг в вопросах, которым уделяется первостепенное внимание. И вызван он деятельностью интернет-компаний, а не прихотью ученых-экономистов. При разработке своих бизнес-моделей и продаже своей продукции потребителям интернет-компании зачастую пользуются непроверенными и в значительной мере неструктурированными данными. Делают они это просто потому, что могут себе это позволить. В распоряжении Facebook, Google, Amazon и прочих компаний находятся невероятные объемы высококачественной информации — большие, чем в распоряжении большинства ученых-экономистов. И при обработке данных они идут путем, имеющим мало общего с теоретической работой. Они просто грубо «перемалывают» данные, и теперь мы имеем дело с тем, что получило название больших данных. Данное понятие является предвестником грядущей бизнес-революции и означает использование статистики по данным, производимым электронными средствами общения.
В своем подходе к работе с этими данными указанные компании избегают структурных теоретических моделей. Ими предпринимаются попытки соответствующего кодирования и организации данных, однако они избегают начинать эту работу с «модели Джонса, объясняющей, почему люди пользуются поисковиком Google», или «модели Брауна, позволяющей выявить, какие книги покупают на Amazon». Компании эти берутся сразу за цифры и пытаются выявить благоприятные возможности, где только можно.
Экономика в качестве области исследований в последнее время идет тем же путем, что и интернет-компании: множество данных и относительно слабая структура теоретического характера. Мощное «перемалывание» данных и тщательный сбор информации отодвигают теоретическую составляющую на второй план. Совсем от теоретических моделей мы еще не отказались, поскольку мы придаем ряду из них огромное значение, например модели, согласно которой повышение цены при неизменности прочих критериев ведет к снижению потребления соответствующего товара или услуги. Однако это — далеко не новые теории, реальные же действия и добавочная стоимость проистекают из данных и их обработки, включая данные полевых исследований, лабораторных экспериментов и опытов с произвольным распределением объектов по контрольным группам. Используемые модели совершенствуются в недостаточной степени, а их сложность зачастую отпугивает многих ученых-экономистов.
Я резюмировал бы наблюдаемую картину следующим образом: (а) значительно более качественные данные; (Ь) более высокие стандарты для эмпирических опытов; (с) большое число новых сложных теорий, не находящих соответствующего практического применения. Развитие таких направлений, как математическая экономика, экономический инжиниринг, экономика сложных систем и теория игр продолжается — чего и следовало бы ожидать от многосторонних и специализированных дисциплин, однако свое относительное влияние данные дисциплины утрачивают. Экономика все в меньшей мере напоминает работу Эйнштейна и Евклида и все в большей — исследования пищеварительной системы морских звезд.
Если сегодня и есть экономисты, работы которых имеют значительное влияние, то это Эстер Дуфло и Абхиджит Банерджи, а также их коллеги из Лаборатории проблем бедности Массачусетского технологического института. Однажды мне довелось посетить один из их исследовательских проектов в Хайдарабаде, Индия. Исследованием были охвачены десятки тысяч человек, одни из которых имели возможность воспользоваться услугами микрокредитования, а другие — нет. В исследуемые группы вошли жители сопоставимых районов, задача же проекта заключалась в определении положительного эффекта микрокредитования или же отсутствия такового. Десятки добровольцев проекта помогали в сборе информации о заемщиках до и во время их участия (или неучастия) в программе микрокредитования. Эта информация включала данные о доходе, новой работе или начале предпринимательской деятельности, невозможности погасить кредит и прочих аспектах повседневной жизни экономического характера. Основной вопрос, на который требовалось найти ответ, был предельно простым: изменилась ли к лучшему жизнь тех, кто воспользовался микрокредитами? Выяснилось, что представители данной категории чаще начинали собственную предпринимательскую деятельность, что и позволило авторам проекта написать свой ставший классическим труд. Некоторые специалисты рассматривают данный проект наряду со схожим экспериментом, проведенным в Йельском университете под руководством Дина Карлана, в качестве самого значимого исследования проблемы микрокредитования. Данные проекты не имеют ничего общего с проектами, где у государственного агентства запрашиваются открытые данные и проводится регрессионный анализ без особого внимания к качеству или значению представленных цифр. Организация и проведение полноценного эксперимента в полевых условиях возможны исключительно человеком и не могут быть выполнены умными машинами.
Используемые вне экономической науки компьютерные программы способны анализировать огромные объемы числовых данных и выявлять закономерности гораздо более совершенным образом, чем это в состоянии сделать сегодняшние эмпирические исследователи. Способны они и представлять результаты своей работы. Программа способна, к примеру, обработать информацию по множеству пользователей социальных сетей и выявить влияние пола, возраста и места жительства на музыкальные предпочтения. Данные программы будут в состоянии подтвердить наличие связей, в существовании которых мы уже убеждены, выявить связи, которые нам пока не видны и, может быть, предложить гипотезы, о которых мы не подозреваем. Экономическая наука к этому пока не пришла, но, возможно, в ближайшие пятьдесят лет подобные решения заменят собой зависимость нынешних экономистов от теоретических моделей. Мощность и качество данных, скорее всего, будут расти быстрее мощности и качества наших самых передовых моделей.
Нынешняя система построения моделей в социальных науках аналогична «логике гроссмейстеров в эпоху, предшествующую появлению компьютера Deep Blue». Построение моделей являлось и по-прежнему остается крайне удобным подходом, поскольку социальные науки еще только ждут появления своего аналога Deep Blue.
