время составляло чуть меньше 7 миллиардов человек, модель предполагала возможность заражения бесконечного числа восприимчивых людей, а это означало, что передача инфекции будет продолжаться бесконечно. Исследователи из CDC признали, что это грубое упрощение, но было очень странно видеть в исследовании эпидемии столь далекую от реальности посылку[308].

И все же упрощенная модель обладает одним преимуществом: по ней обычно легко понять, когда и почему она неверна. Кроме того, проще обсуждать практическую значимость такой модели. Даже при ограниченных познаниях в области математики можно увидеть, как те или иные допущения влияют на результат. Не обязательно уметь решать дифференциальные уравнения, чтобы заметить: если предположить высокий уровень передачи оспы и неограниченное число восприимчивых людей, это приведет к нереалистично высокой оценке масштабов эпидемии.

По мере того как модель усложняется и в ней начинают учитываться самые разные параметры и допущения, выявить ее недостатки становится все труднее. Это создает проблему, поскольку даже самые сложные математические модели представляют собой лишь упрощения еще более сложной и запутанной реальности. Их можно сравнить с игрушечной железной дорогой. Сколько бы дополнительных деталей мы ни добавляли – миниатюрные светофоры, номера вагонов, табло с расписанием поездов, – эта железная дорога останется моделью. Мы можем использовать ее для понимания некоторых аспектов реальности, однако модель всегда будет в чем-то отличаться от реальной ситуации. Более того: дополнительные детали не всегда повышают репрезентативность модели. При построении модели всегда существует риск перепутать детализацию с точностью. Представим себе, что на нашей игрушечной железной дороге всеми поездами управляют аккуратно вырезанные из бумаги и раскрашенные животные. Это будет весьма детализированная, но не реалистичная модель[309].

В своей критической статье Купер отметил, что другие, более детализированные модели давали похожие неутешительные прогнозы относительно возможной масштабной эпидемии оспы. Однако несмотря на дополнительные детали, эти модели строились на далеком от реальности допущении о том, что в большинстве случаев передача инфекции происходит до появления симптомов. В действительности же передача оспы по большей части происходит лишь после появления у зараженного человека характерной сыпи. Это значительно упрощает выявление инфицированных, а значит, и борьбу с эпидемией посредством карантина, а не широкой вакцинации.

Прогнозы в разных сферах, от эпидемий до терроризма и преступности, помогают государственным органам планировать свои действия и распределять ресурсы. Они также помогают привлечь внимание к проблеме и убедить людей в необходимости выделения ресурсов. Яркий пример такого анализа появился в сентябре 2014 года. В разгар эпидемии Эболы, охватившей некоторые районы Западной Африки, в CDC объявили, что, если не принять мер, к январю следующего года могут заболеть 1,4 миллиона человек[310]. С точки зрения пропаганды в стиле Флоренс Найтингейл сообщение было в высшей степени эффективным: прогноз привлек внимание всего мира и получил широкое освещение в СМИ. Как и во многих других работах того времени, в нем говорилось, что для купирования эпидемии в Западной Африке нужно действовать незамедлительно. Однако вскоре оценка CDC подверглась критике со стороны эпидемиологов.

Прежде всего, сомнения возникли по поводу самого анализа. Оценку выполняли те же специалисты CDC, которые анализировали гипотетическую эпидемию оспы. Они использовали ту же модель, с неограниченным числом восприимчивых людей. Если бы их модель распространения Эболы охватывала период не до января, а до апреля 2015 года, то число заболевших оценивалось бы более чем в 30 миллионов человек, что значительно превысило бы население затронутых эпидемией стран[311]. Многие исследователи сомневались в допустимости использования этой упрощенной модели для оценки распространения Эболы в ближайшие пять месяцев. Эту точку зрения разделял и я. «Модели могут дать полезную информацию о том, как будет распространяться Эбола в течение следующего месяца или около того, – говорил я журналистам. – Но дать точный долгосрочный прогноз практически невозможно»[312].

Справедливости ради, в CDC работает много очень хороших исследователей, и оценка эпидемии Эболы была лишь одним из множества проектов этой огромной структуры. Однако эта работа пролила свет на те трудности, с которыми связаны анализ резонансных эпидемий и сообщение о полученных результатах. Еще одна проблема несостоятельных прогнозов заключается в том, что они укрепляют представление о бесполезности моделей. Если модели дают неверные прогнозы, зачем вообще обращать на них внимание?

В том, что касается прогнозирования эпидемий, мы сталкиваемся с интересным парадоксом. Если пессимистический прогноз погоды никак не скажется на силе грядущего урагана, то прогноз развития эпидемии вполне может повлиять на итоговое количество заболевших. Когда модель указывает на серьезную угрозу, это может подтолкнуть органы здравоохранения к решительным мерам. И если в результате этих мер эпидемию удастся взять под контроль, прогноз не сбудется. Поэтому бесполезный прогноз (тот, который не сбылся бы ни при каких условиях) легко спутать с полезным, который оказался бы верным, если бы органы здравоохранения бездействовали. Похожие ситуации складываются в разных сферах. В преддверии 2000 года правительства и частные компании по всему миру потратили сотни миллиардов долларов на решение так называемой проблемы 2000 года. Дело в том, что на первых компьютерах ради экономии памяти все даты указывались в сокращенном формате, и эту особенность унаследовали более современные системы. В результате принятых мер ущерб оказался небольшим, и многие СМИ выражали недовольство тем, что риск был сильно преувеличен[313].

Строго говоря, оценка распространения Эболы, предложенная CDC, обошла эту проблему стороной, поскольку на самом деле была не прогнозом, а лишь одним из возможных сценариев. Прогноз дает представление о том, что случится в будущем, тогда как сценарий показывает, что может произойти при определенных допущениях. Оценка в 1,4 миллиона случаев заболевания строилась на допущении, что эпидемия продолжит развиваться теми же темпами. Если бы в эту модель были включены меры по борьбе с эпидемией, она предсказала бы гораздо меньшее число заболевших. Но цифры были озвучены, они запомнились и подкрепили недоверие ко всем подобным моделям. «Вспомните, как осенью 2014 года CDC предсказывали миллион случаев Эболы, – писала в твиттере Джоанна Лю, международный президент организации «Врачи без границ», в ответ на вышедшую в 2018 году статью о прогнозировании[314]. – У моделирования есть свои недостатки».

Даже если оценка в 1,4 миллиона была всего лишь сценарием, она давала некий ориентир: вот что может произойти, если ничего не изменится. Во время эпидемии 2013–2016 годов в Либерии, Сьерра-Леоне и Гвинее было зарегистрировано почти 30 тысяч случаев Эболы. Неужели меры, принятые западными организациями, действительно помогли предотвратить более 1,3 миллиона случаев заболевания?[315]

В сфере здравоохранения люди часто относятся к мерам борьбы с болезнями как к чему-то вроде «снятия рычага колонки» –