Сигнал и шум. Почему одни прогнозы сбываются, а другие – нет Сильвер Нейт
О метеорологической сводке не стоит думать как о метафизическом упражнении, однако сама идея предсказания погоды заставляет нас задуматься о старых спорах на тему предначертания и свободной воли. «Написано ли все до нас или мы сами пишем свою историю? – спросил Лофт. – Это была основная проблема для человеческих существ. И в реальности существовало две школы мыслителей. Одна из них была связана со св. Августином и кальвинизмом», – продолжил он, имея в виду людей, веривших в предначертание. Согласно этой философии, люди способны предсказывать предстоящие события, однако они не могут ничего сделать для того, чтобы их изменить. Все происходит в соответствии с божьим планом. «Это направление противоречит идеям иезуитов и Фомы Аквинского о том, что у нас имеется свобода воли. И вопрос состоит, в конечном итоге, в том, считаем ли мы мир предсказуемым или непредсказуемым».
Дискуссии о предсказуемости в том или ином виде обрели новую жизнь во времена Возрождения и промышленной революции. Из механики Исаака Ньютона, казалось бы, следовало, что во Вселенной, упорядоченной и предсказуемой, все подчиняется сравнительно простым физическим законам. Идеи научного, технического и экономического прогресса, которые в предыдущие столетия никто не мог принять как данность, обрели жизнь. Многие стали верить, что человечество способно научиться управлять собственной судьбой. Предначертание сменилось новой идеей – идеей научного детерминизма.
Эта идея приобретала множество форм, но мало кто способствовал ее развитию так же сильно, как французский астроном и математик Пьер-Симон Лаплас. В 1814 г. Лаплас выдвинул постулат, впоследствии ставший известным под названием «Демон Лапласа»:
Мы можем рассматривать настоящее состояние Вселенной как следствие его прошлого и причину его будущего. Интеллект, который был бы способен в каждый определенный момент времени познать все силы, приводящие природу в движение, и положение всех элементов, из которых она состоит, и если бы этот интеллект был бы достаточно сильным, чтобы проанализировать все эти данные, он смог бы объять единым законом и движения величайших тел во Вселенной, и движения крошечных атомов; для этого интеллекта ничто больше не казалось бы неопределенным, а будущее, как и прошлое, оказывалось бы прямо перед его глазами, подобно настоящему{249}.
Учитывая, что в настоящее время мы прекрасно информированы обо всех условиях («положение всех элементов, из которых состоит природа») и хорошо знаем законы, управляющие Вселенной («все силы, приводящие природу в движение»), у нас появляется возможность делать идеальные предсказания («будущее, как и прошлое, оказывается прямо перед нашими глазами, подобно настоящему»). Движение каждой частицы во Вселенной может казаться нам столь же предсказуемым, как движение шаров на бильярдном столе. Возможно, полагал Лаплас, подобная задача окажется людям не под силу. Однако если бы мы были достаточно умны (и если бы имели необходимое количество мощных компьютеров), то мы могли бы предсказывать погоду и многие другие события – и обнаружить в конце концов, что природа совершенна.
Идея Демона Лапласа казалась противоречивой на протяжении всего своего двухсотлетнего существования.
Против точки зрения детерминистов выступали сторонники вероятностного подхода, верившие, что условия Вселенной познаваемы лишь с некоей долей неопределенности[65]. Подобный пробабилизм представлял собой поначалу исключительно эпистемологическую парадигму – согласно ей существуют ограничения на взаимодействия человека и природы. Совсем недавно, благодаря открытиям в области квантовой механики, ученые и философы задались вопросом, а не ведет ли себя сама Вселенная вероятностным образом.
При ближайшем рассмотрении частицы, которые стремился выявить Лаплас, начинают вести себя подобно волнам: возникает впечатление, что они не занимают никакого постоянного положения. Как можно предсказать, в каком направлении будет двигаться объект, если вы даже не знаете, где именно он находится? Разумеется, это невозможно. И именно эта мысль и заложена в основу знаменитого принципа неопределенности, разработанного физиком-теоретиком Вернером Гейзенбергом{250}. Физики трактуют принцип неопределенности по-разному, однако он, по сути, утверждает, что постулат Лапласа не может быть верен в буквальном смысле. Идеальные предсказания невозможны, если природа сама по себе развивается случайным образом.
К счастью, для изучения погоды нам не нужна квантовая механика. Погодные изменения происходят на молекулярном (а не атомном) уровне, и сами молекулы слишком велики для того, чтобы на них оказывала какое-то значимое влияние квантовая физика. Более того, мы уже довольно давно поняли, что изменения погоды вполне подчиняются законам химии и ньютоновской физики.
А что касается обновленной версии Демона Лапласа, то можно сказать следующее. Если мы знаем положение каждой молекулы в земной атмосфере (такое утверждение куда более скромное, чем стремление к знанию местоположения каждого атома во Вселенной), то можем ли мы создавать идеальные прогнозы погоды? Или же в погоде тоже изначально заложен некий элемент случайности?
Матрица
Мы уже давно умеем делать прогнозы погоды на основе чисто статистических наблюдений. Насколько велика вероятность того, что завтра пойдет дождь, с учетом того, что он шел сегодня? Метеоролог мог бы изучить все такие случаи, связанные с дождями, собранные в его базе данных, и дать ответ на этот вопрос. Или же он мог бы изучить долгосрочные средние значения и сказать нам о том, что в марте в Лондоне дождь идет примерно 35 % времени{251}.
Проблема состоит в том, что предсказания такого рода не особенно полезны – они недостаточно точны для того, чтобы порекомендовать вам взять с собой с утра зонтик, не говоря уже о прогнозировании движения урагана. Поэтому метеорологи пошли по иному пути. Вместо статистической модели они хотели создать живую и дышащую модель, имитирующую физические процессы, которые управляют погодой.
Однако наша способность делать прогнозы погоды на основе расчетов куда слабее, чем наше теоретическое понимание. Мы знаем, какие уравнения надо решить, и примерно представляем себе верные ответы, однако нам недостаточно быстродействия для того, чтобы произвести расчеты для каждой молекулы в земной атмосфере. Вместо этого нам приходится заниматься аппроксимацией.
Самый интуитивно понятный метод для этого случая – упрощение проблемы за счет разбиения атмосферы на конечное количество наборов пикселей – метеорологи часто называют такую систему матрицей, решеткой или сеткой. По данным Лофта, первые заслуживающие внимания попытки работы в этом направлении были сделаны в 1916 г. Льюисом Фраем Ричардсоном, знаменитым британским физиком. Ричардсон хотел определить погоду над Северной Германией в определенное время – в 13 ч 20 мая 1910 г. Строго говоря, это нельзя назвать предсказанием, поскольку этот день уже прошел. Однако в распоряжении Ричардсона имелось много данных – о температуре, атмосферном давлении и скорости ветра, – собранных германским правительством. И у него было достаточно времени, поскольку он служил медиком-добровольцем и оставался без дел в перерывах между артиллерийскими канонадами. Поэтому Ричардсон разбил территорию Германии на ряд двумерных секторов размерами по три градуса широты (около 340 км) на три градуса долготы (рис. 4.1). Затем он приступил к работе, пытаясь решить химические уравнения, определявшие погоду в каждом секторе, и то, каким образом они влияют на погоду в соседних.
К сожалению, эксперимент Ричардсона бесславное провалился{252} – он «предсказал» серьезный рост атмосферного давления, в реальности же в тот день это не наблюдалось. Однако Ричардсон тем не менее опубликовал свои результаты. Этот метод определенно казался правильным методом предсказания погоды – Ричардсон считал, что следует не полагаться на грубые статистические приближения, а выявить некие основные принципы и воспользоваться глубоким теоретическим пониманием поведения системы.
Рис. 4.1. Матрица Ричардсона – прообраз современной системы прогнозирования погоды
Проблема состояла в том, что метод Ричардсона требовал выполнения огромного объема работы. Для решения поставленных им задач были нужны компьютеры. Как вы увидите в главе 9, компьютеры не каждую из поставленных им задач могут выполнить и далеко не всегда служат панацеей в процессе предсказания. Однако компьютеры идеальны с точки зрения вычислений – то есть быстрого и точного многократного повторения одних и тех же арифметических задач. Они отлично подходят для решения шахматных задач, подчиняющихся довольно простым правилам, но сложных с точки зрения вычислений. Сходные задачи имеются и в области метеорологии.
Первый компьютерный прогноз погоды создал в 1950 г. математик Джон фон Нейман, который использовал для этого машину, способную осуществлять порядка 5000 вычислений в секунду{253}. Расчет происходил намного быстрее, чем мог сделать Ричардсон с карандашом и листом бумаги на французском деревенском поле. Тем не менее прогноз оказался неудачным, и его результаты оказались не намного точнее обычной случайной догадки.
Со временем, к середине 1960х гг., компьютеры начали демонстрировать определенные навыки в прогнозировании погоды. Так, Bluefire, выдающий результаты примерно в 15 миллиардов раз быстрее, чем первый компьютерный прогноз (и, возможно, в квадрильон раз быстрее, чем Ричардсон), дает нам куда более осмысленные результаты благодаря скорости вычислений.
Прогнозы погоды в наши дни значительно чаще бывают верными, чем 15 или 20 лет назад. Однако, если скорость вычислений в последние десятилетия увеличивалась по экспоненте, прогресс в точности прогнозов погоды был хотя и стабильным, но медленным.
Можно назвать две основные причины сложившейся ситуации. Первая связана с тем, что мир имеет не одно и не два измерения. Самый надежный способ повысить правильность прогноза погоды – то есть на один шаг приблизиться к пониманию поведения каждой молекулы – состоит в уменьшении размера сетки, используемой для отображения атмосферы. Сектора Ричардсона имели размер 340 на 340 км, обеспечивая в лучшем случае слишком масштабный взгляд на планету (в квадрат 340 на 340 км можно почти полностью вместить Нью-Йорк и Бостон – города, в которых может быть совершенно разная погода). Предположим, вы хотите в два раза уменьшить площадь секторов, до 170 на 170 км. Благодаря этому ваш прогноз станет более точным, но при этом увеличится количество уравнений, которые вам надо решить. В реальности количество уравнений вырастет не в два, а в четыре раза, поскольку вы уменьшаете масштаб и по длине, и по ширине. Иными словами, для того чтобы решить такую задачу, вам нужно примерно в 4 раза увеличить вычислительную мощность.
Однако вам нужно учитывать не только эти два измерения. В верхних слоях атмосферы могут проявляться одни закономерности, а в нижних слоях, над океанами и у поверхности Земли – совершенно иные. В трехмерной вселенной двукратное увеличение разрешения нашей сетки потребует восьмикратного повышения вычислительной мощности. Кроме этого, имеется и четвертое измерение – время. Если метеорологическая модель статична, в ней нет никакого толка – самое главное для нас состоит в том, чтобы знать, как меняется погода в каждый момент времени. Шторм движется со скоростью примерно 40 миль в час – если размеры вашей сетки составляют 404040, то вы можете отслеживать его движение, собирая наблюдения каждый час. Однако если вы уменьшите размер сетки до 202020, то шторм будет перемещаться из ячейки в ячейку каждые полчаса. Это значит, что вам нужно уменьшить в два раза и временной интервал, то есть вам потребуется в 16 раз больше вычислительных мощностей, чем изначально.
Но если бы эта проблема оказалась единственной, то ее вполне можно было бы решить. Хотя вам нужно, грубо говоря, в 16 раз увеличить вычислительную мощность, чтобы удвоить разрешение прогноза погоды, сама вычислительная мощность растет по экспоненте, удваиваясь примерно каждые два года{254}. Это значит, что вам нужно подождать всего восемь лет, и тогда ваш прогноз станет в два раза точнее; интересно, что NCAR обновляет свои суперкомпьютеры примерно с такой же частотой.
Предположим, что вам удалось разобраться с законами динамики движения жидкостей, которым подчиняются погодные системы. Они в целом следуют ньютоновским законам. Вам не будет особенно мешать и принцип неопределенности, интересный для физиков. Вы получили доступ к компьютерному шедевру типа Bluefire. Вы наняли Ричарда Лофта для проектирования и тестирования компьютерных программ. Что же еще может пойти не так в этом случае?
Почему теория хаоса так напоминает безумие
Итак, с чем может быть связана очередная ваша проблема? С теорией хаоса. Возможно, вам доводилось слышать выражение «взмах крыльев бабочки в Бразилии может привести к торнадо в Техасе». Изначально это было частью заглавия научной работы{255}, представленной в 1972 г. преподавателем Массачусетского технологического института Эдвардом Лоренцем, который начинал свою карьеру как метеоролог. Теория хаоса применима в отношении систем, для которых справедливы два утверждения:
1) системы динамичны, что означает, что поведение системы один момент времени влияет на ее поведение в будущем;
2) системы нелинейны, иными словами, в них поддерживаются скорее экспоненциальные, а не аддитивные связи.
Динамические системы доставляют специалистам по прогнозированию немало проблем. Примером может служить описанный в главе 6 факт, свидетельствующий о том, что американская экономика постоянно вызывает цепную реакцию событий, что и является одной из причин, по которым ее развитие так сложно предсказать. Развитие при этом остается нелинейным: ценные бумаги, обеспеченные закладными, стимулировавшие начало финансового кризиса, были разработаны таким образом, что небольшие изменения в макроэкономических условиях значительно повышали риск дефолта по ним.
Совмещая все эти параметры, вы получаете на выходе настоящую неразбериху. Сам Лоренц не понимал, насколько масштабны эти проблемы, до тех пор пока (следуя той же традиции, что и Александр Флеминг и пенициллин{256} или команда «Нью-Йорк Никс» и баскетболист Джереми Лин) он не сделал свое открытие, причем совершенно случайно.
Лоренц и его команда разрабатывали программу прогнозирования погоды на одном из первых компьютеров, известном как Royal McBee LGP-30{257}. Исследователи полагали, что все идет как надо, но лишь до тех пор, пока компьютеры не начали выдавать совершенно бессмысленные результаты.
Они начали еще раз анализировать, почему так получается, что, вводя в точности те же самые, как они считали, данные, после запуска программы на выходе в качестве результата они получают в одном случае – чистое небо над Канзасом, а в другом – сведения о надвигавшемся шторме.
После нескольких недель, проведенных за проверкой оборудования и программ, Лоренц и его команда поняли, что исходные данные не были в точности одинаковыми: один из техников не вводил в систему цифры после третьего знака после запятой. Например, вместо того чтобы вводить в одно из полей сетки значение атмосферного давления, равное 29,5168, в расчетах использовалось число 29,517. Неужели вся разница возникла именно из-за этого?
Лоренц понял, что это действительно так. Один из основных постулатов теории хаоса гласит, что небольшое изменение в начальных условиях – бабочка машет крыльями в Бразилии – может привести к масштабному и неожиданному развитию последующих событий – торнадо в Техасе.
Это не значит, что поведение системы случайно, как можно было бы считать, увидев слово «хаос». Более того, теория хаоса отнюдь не является проявлением одного из следствий знаменитого Закона Мерфи («если что-то может пойти не так, оно обязательно пойдет не так»). Это всего лишь значит, что поведение систем определенного типа достаточно сложно предсказать.
Проблема возникает тогда, когда наши данные не совсем точны (или неточны наши предположения, как в случае ценных бумаг, обеспеченных закладными). Представьте себе, что мы должны были сложить вместе 5 и 5, однако неправильно взяли второе число. Вместо того чтобы сложить 5 и 5, мы сложили 5 и 6. Это получим 11, хотя правильный ответ равен 10. Мы ошибемся, но ненамного: сложение, как линейное действие, умеет прощать. Куда хуже будут обстоять дела в том случае, когда мы возводим число в степень. Если вместо того, чтобы рассчитать значение 55, равное 3215, мы рассчитаем 56, то получим в результате 15 625. И это уже серьезная ошибка – мы промахнулись на 500 %.
Значимость подобных неточностей существенно возрастает, когда речь идет о динамическом процессе, при котором результат вычислений одного этапа становится входящими данными следующего. Например, предположим, что нам нужно рассчитать, чему будет равно пять в шестой степени, а затем возвести полученное значение в пятую степень. Если мы допустим ту же ошибку, что и выше, и заменим вторую цифру 5 на 6, то ошибка в окончательном результате увеличится примерно в 3000 раз{258}. Влияние небольшой и, на первый взгляд, тривиальной ошибки становится все больше и больше.
Изменения погоды представляют собой проявление динамической системы, а уравнения, описывающие движение атмосферных газов и жидкостей, нелинейны (чаще всего это дифференциальные уравнения){259}. Таким образом, теория хаоса явным образом применима к прогнозированию погоды, а следовательно, наши прогнозы оказываются в высшей степени уязвимы к неточностям в исходных данных.
Иногда эти неточности возникают в результате человеческой ошибки. Еще большая фундаментальная проблема состоит в том, что мы можем наблюдать за окружающим нас миром лишь с определенной степенью точности. Ни один термометр не идеален, и ошибка в его показаниях в третьем или даже четвертом знаке после запятой может оказать огромное влияние на прогноз.
На рис. 4.2 показаны результаты, полученные после 50 запусков программ, моделирующих прогноз погоды для Франции и Германии на сочельник 1999 г. Все модели используют одни и те же программы и основаны на одних и тех же предположениях о поведении погоды. Фактически эти модели являются детерминистическими: в них заложено допущение, что если мы в полной мере знаем все изначальные параметры, то можем создать идеальный прогноз. Однако небольшие различия во входных параметрах способны привести к огромным отличиям в результатах, полученных на выходе. В Европейском центре метеорологических прогнозов пытались принять во внимание эти ошибки. В одном из процессов имитационного моделирования закладывалось условие, что атмосферное давление в Ганновере подвергалось лишь незначительным колебаниям. В другом менялись характеристики ветра в Штутгарте, причем на долю процента. Однако даже таких небольших изменений может быть достаточно для того, чтобы в одних прогнозах говорилось об урагане в Париже, а в других – о тихом зимнем вечере.
Рис. 4.2. Результаты расчетов прогноза погоды с немного различающимися начальными условиями
Именно такие модели и используют для создания современных прогнозов погоды. Небольшие изменения, сознательно добавляемые в модель для имитации неопределенности в качестве данных, превращают детерминистический прогноз в вероятностный. Допустим, если ваш местный метеоролог говорит о том, что вероятность дождя на следующий день составляет 40 %, это можно понимать и так, что результаты расчетов используемых им моделей в 40 % случаев говорят о том, что ожидается предштормовое состояние, а в 60 % случаев – при использовании лишь незначительно измененных начальных параметров – результат противоположный.
Но на практике все не так просто. Программы, которые метеорологи используют для прогнозирования погоды, довольно хороши, но не идеальны. Прогнозы, которые вы слышите постоянно, представляют собой комбинацию компьютерных расчетов и человеческого суждения. Порой люди способны улучшить компьютерные прогнозы, а порой – ухудшить их.
Важность видения
Здание World Weather Building – довольно уродливое сооружение в стиле 1970х гг., выкрашенное в цвет ириски и расположенное в Кэмп-Спрингз, штат Мэриленд, примерно в 20 минутах езды от Вашингтона.
Здесь находится штаб-квартира NOAA (National Oceanic and Atmospheric Administration – Национального управления по исследованию океанов и атмосферы) – материнской организации Национальной службы погоды (National Weather Service, NWS), входящей в состав правительственных служб{260}. В отличие от зданий NCAR в Булдере, расположенных в живописном уголке Скалистых гор, это здание заставляет думать исключительно о бюрократии.
Изначально Служба погоды была организована в 1879 г. в структуре военного ведомства Соединенных Штатов президентом Улиссом С. Грантом. Отчасти это было связано с убежденностью президента Гранта в том, что только культура, основанная на военной дисциплине, обеспечит должный уровень точности прогнозирования{261}, а отчасти с тем, что это предприятие выглядело настолько безнадежным, что заниматься им имело смысл лишь во время военных действий, когда вы пробуете все, что угодно, для достижения военного перевеса.
Широкая публика заинтересовалась вопросами прогнозирования погоды после знаменитой «Школьной метели» (Schoolhouse Blizzard). В сравнительно теплый день 12 января 1888 г. на Великих Равнинах температура воздуха упала за несколько часов почти на 30 °, и вдруг началась ослепляющая метель{262}. Сотни детей, вышедших из школы, попали в эту снежную бурю по дороге домой и умерли от переохлаждения. Несмотря на неточность ранних прогнозов погоды, все надеялись, что эта служба поможет хоть как-то предупредить о столь значительных колебаниях температуры. Соответственно, Национальная служба погоды была переведена в структуру департамента сельского хозяйства и начала заниматься более мирными делами[66].
История происхождения Службы погоды до сих пор проявляется в культуре организации. Специалисты по прогнозированию погоды работают в ней круглыми сутками за довольно скромную оплату{263} и воспринимают себя важными государственными служащими. Метеорологи, с которыми я встретился в Кэмп-Спрингз, были настоящими патриотами, редко упускавшими возможность напомнить мне о важности прогнозов погоды для работы сельскохозяйственных ферм, небольших бизнесов, авиакомпаний, энергетического сектора, воинских подразделений, сектора общественных услуг, площадок для гольфа, организации пикников и экскурсий для школьников – прогнозов, которые можно было бы получить за копейки. (NWS удается работать с бюджетом, составляющим всего 900 млн долл. в год{264}, то есть примерно 3 долл. на каждого гражданина США. И это несмотря на то что погода напрямую влияет примерно на 20 % экономики страны{265}.)
Одним из тех метеорологов, с которыми мне удалось встретиться, был Джим Хоук – директор центра гидрометеорологического прогнозирования NWS. Хоук проработал в этой области около 35 лет, занимаясь и вычислительной стороной процесса (он помогал выстраивать компьютерные модели, которые используют его прогнозисты), и операционной (создавая эти прогнозы и сообщая их широкой публике). И, благодаря этому, он достаточно хорошо представляет себе, как взаимодействуют люди и машины в мире метеорологии.
Так что же конкретно люди могут делать лучше, чем компьютеры, способные обрабатывать данные со скоростью 77 терафлоп[67]? Они обладают видением. Хоук отвел меня на этаж прогнозирования, заставленный рабочими станциями, около каждой из которых видела табличка с пояснением типа «военно-морской центр прогнозов» или «центр прогнозов на национальном уровне». Каждая станция управлялась одним-двумя метеорологами, а рядом с каждым из них имелась целая армада жидкокристаллических мониторов с полноцветными картами всевозможных типов погодных данных для каждого уголка страны.
Прогнозисты работали тихо и быстро, с точностью, о которой, наверное, и мечтал Грант{266}.
Некоторые из прогнозистов рисовали на этих картах световыми указками, тщательно корректируя контуры температурных градиентов, созданных компьютерными моделями, – 25 миль к западу в сторону дельты Миссисипи, 50 миль к северу в направлении озера Эри. Постепенно, шаг за шагом они приводили карты к желанному платоническому идеалу.
Прогнозисты отлично представляют себе недостатки компьютерных моделей. Это возникает неминуемо, поскольку, как следует из теории хаоса, даже самая тривиальная ошибка в модели может привести к значительным последствиям. Возможно, компьютер оказывается слишком консервативным при прогнозировании ночных дождей в Сиэтле, когда над заливом Пьюджет-Саунд образуется зона низкого давления. Возможно, он не знает, что при одном направлении ветра туман в национальном парке Акадия в Мэйне рассеивается к восходу солнца, при другом – может остаться до середины дня.
Подобные вещи прогнозисты понимают со временем, учась обходить недостатки модели, наподобие того как опытный игрок в пул привыкает обходить слепые зоны бильярдного стола в местном баре.
Уникальным ресурсом этих прогнозистов было и остается их умение видеть. Этот инструмент важен в любой дисциплине – визуальное изучение графика, показывающего взаимодействие между двумя переменными, часто оказывается более быстрым и более надежным способом выявить странные искажения данных, чем статистический тест. Это также одна из тех областей, в которых компьютеры сильно отстают от человеческого мозга. Стоит немного изменить последовательность букв – как в случае технологии CAPTCHA[68], часто использующейся для противостояния спаму в качестве средства защиты паролей (рис. 4.3), – и даже самые «толковые» компьютеры начинают смущаться. Они воспринимают информацию слишком буквально. Они неспособны распознать закономерность, подвергшуюся даже небольшой манипуляции. Люди же, в силу эволюционной необходимости, обладают мощными визуальными способностями. Они быстро отсеивают любые искажения закономерностей и могут распознать такие абстрактные вещи, как закономерности и организация, то есть то, что оказывается особенно важным в различных типах погодных систем.
Рис. 4.3. Пример теста CAPTCHA
На самом деле, в старые времена, когда метеорологические компьютеры были еще не особенно полезными, прогнозирование погоды представляло собой почти полностью визуальный процесс. Вместо дисплеев в офисах стояли столы с подсветкой, на которых лежали карты. Метеорологи корректировали рисунки на картах с помощью мелков или цветных карандашей. Хотя последняя доска с подсветкой была отправлена в отставку уже много лет назад, дух этого метода живет и в наши дни.
По словам Хоука, самые квалифицированные синоптики-прогнозисты должны обладать способностью думать визуально и абстрактно, но в то же самое время им необходимо разбираться с огромными массивами информации, которой снабжает их компьютер. Более того, они должны понимать динамическую и нелинейную природу изучаемой ими системы. Это непростая задача, требующая тщательного использования и правого, и левого полушарий. Многие из прогнозистов могли бы стать хорошими инженерами или программистами с куда большей зарплатой, однако они сознательно решают стать метеорологами.
NWS постоянно отслеживает два типа данных: первый показывает, насколько хорошо компьютеры справляются в одиночку, а второй оценивает долю человеческого вклада. Судя по статистическим данным, люди способны улучшить правильность компьютерных прогнозов выпадения осадков примерно на 25 %{267}, а прогнозов погоды – примерно на 10 %{268}.
Более того, согласно Хоуку, эти сравнительные данные практически не менялись со временем: какой бы прогресс ни происходил в компьютерных технологиях, люди-прогнозисты могут еще лучше повысить их ценность. Видение стоит дорогого.
Вероятность погибнуть от удара молнии становится все меньше
Когда Хоук только начинал начал свою карьеру в середине 1970х, анекдоты о синоптиках были недалеки от истины. Например, в прогнозах погоды NWS, сделанных за три дня, максимальное отклонение от прогнозируемой температуры достигало примерно 6 ° F (рис. 4.4). Это ненамного лучше, чем в случае составления прогноза на основе обычного изучения таблицы долгосрочных средних значений. Однако партнерство между человеком и машиной способно принести немалые дивиденды. В наши дни средняя величина ошибки составляет примерно 3,5 ° F – иными словами, она стала примерно наполовину меньше. Также синоптикам удается значительно лучше предсказывать аномальные погодные явления.
{269}. В наши дни вероятность этого события равна всего 1 из 11 000 000 (то есть ее величина снизилась почти в 30 раз). Отчасти это связано с изменением образа жизни (всё больше работы в наши дни производится в домах) и улучшением коммуникации в области технологий и здравоохранения, но также это связано и с тем, что прогнозы погоды становятся более точными.Возможно, самые впечатляющие успехи были достигнуты в предсказании ураганов. Всего 25 лет назад, когда Национальный центр по ураганам попытался дать предварительный прогноз местонахождения территории, по которой в ближайшие три дня ударит ураган, диапазон ошибки составлял в среднем 560 км{270}. Это слишком много. Нарисуйте, допустим, окружность с радиусом 560 км вокруг Нового Орлеана, и она покроет все точки от Хьюстона, штат Техас, до Таллахасси, штат Флорида (рис. 4.5). Эвакуировать людей с такой большой территории просто невозможно.
Рис. 4.5. Улучшение качества прогнозирования поведения ураганов
В наши дни величина погрешности равна примерно сотне миль, то есть наша окружность охватит лишь юго-восток Луизианы и южную границу Миссисипи. Время от времени ураганы будут выбиваться за пределы этой зоны, но теперь в большинстве случаев нам имеет смысл обращать внимание на заметно меньшую по площади зону, эвакуировать жителей из которой можно за 72 часа. Для сравнения, в 1985 г. такую же степень точности обеспечивали лишь прогнозы, созданные менее чем за 24 часа до события. Это значит, что теперь у нас есть еще дополнительно двое суток до удара урагана – а как мы увидим позже, при эвакуации города типа Нового Орлеана критически важным оказывается каждый час[69].
Службе погоды еще не удалось избавиться от Демона Лапласа, однако вполне можно полагать, что она заслуживает большего признания, чем принято считать. Наука прогнозирования погоды довольно успешно развивается, несмотря на все проблемы, связанные с особенностями метеорологических условий. В этой книге вы неоднократно увидите, что при составлении прогнозов это является скорее исключением, чем правилом (так что приберегите свои шутки для экономистов).
Усилия Национальной службы погоды часто недооценивают. Она сталкивается с жесткой конкуренцией со стороны частных компаний{271}, работающих в совершенно иных условиях. В отличие от всех других игроков, Служба погоды должна предоставлять свои данные моделирования бесплатно всем желающим (большинство других стран с хорошими погодными бюро продают лицензии или взимают плату за использование своих данных). Частные компании типа AccuWeather и Weather Channel могут затем использовать их как основу для развития собственных продуктов и их коммерческого распространения. Подавляющее большинство потребителей получают прогнозы от одного из частных поставщиков; трафик сайта телеканала Weather Channel (Weather.com) примерно в десять раз превышает трафик Weather.gov{272}.
В целом я большой сторонник конкуренции на свободном рынке или конкуренции между государственными и частными компаниями. Во многом именно благодаря конкуренции бейсбол активно развивался и смог лучше совмещать знания скаутов и статистиков при прогнозировании развития игроков.
Как видите, в бейсболе идея конкуренции более ясна – сколько мячей ты выиграл (или же соотношение выигранных и проигранных мячей). В прогнозировании погоды ситуация несколько более сложная, а перед частными и государственными прогнозистами стояли разные задачи.
Что делает прогноз хорошим?
«Разумеется, ученого-исследователя не казнят на месте за просмотр Weather Channel, однако многие из них делают это за закрытыми дверями», – рассказал мне доктор Брюс Роуз, приветливый научный руководитель и вице-президент Weather Channel (TWC).
По словам Роуза, у него не было намерения утверждать, что прогнозы TWC лучше правительственных, они просто были другими – в большей степени ориентированными на нужды типичного потребителя.
«Модели обычно не оцениваются по тому, насколько хорошо они предсказывают те или иные практически важные параметры погоды, – продолжает он. – Для жителей Нью-Йорка на самом деле важно, что ожидает их на улице – залитые водой мостовые после ливня или снеговой покров толщиной 10 см{273}. С точки зрения потребителя, различие огромно, а вот для ученых это не всегда интересно».
На самом деле, значительная доля времени доктора Роуза уделяется прагматичным и даже отчасти банальным проблемам, связанным с тем, как потребители интерпретируют его прогнозы. Например, он задается вопросом, как разработать алгоритмы, позволяющие исходные данные о погоде выразить понятно. Что может означать выражение очень холодно? А вероятность порывистого ветра? Где проходит различие между переменной облачностью и преимущественно пасмурной погодой? Weather Channel должна в этом хорошо разбираться, а Роузу приходится создавать формальные правила, поскольку компания выпускает настолько много прогнозов, что способ их подачи необходимо разрабатывать чуть ли не для каждого случая.
Иногда необходимость адаптировать прогноз к потребностям клиента может принимать комические формы. На протяжении многих лет Weather Channel показывал дождь на своих радарных картах зеленым цветом (иногда сопровождаемым желтыми и красными участками, обозначавшими особенно сильные штормы). В какой-то момент в 2001 г. кому-то из отдела маркетинга пришла в голову гениальная идея выкрасить дождь в синий цвет – что показалось тогда разумным и напоминало естественный цвет воды. Довольно быстро на Weather Channel обрушился вал телефонных звонков разгневанных, а порой и напуганных потребителей: некоторые из них ошибочно приняли синие облака за прежде неизвестный вид осадков (плазменные облака? радиоактивные выбросы?). «Кто-то даже посчитал это последствием ядерного взрыва, – рассказал мне доктор Роуз. – Люди писали нам: “Вы многие годы говорили нам о том, что дождь имеет зеленый цвет, а теперь он оказался синим? Это что еще за выкрутасы?”»
Но, несмотря на все эти анекдотические истории, Weather Channel относится к метеорологии очень серьезно. По крайней мере, в теории, и есть основания думать, что эта компания способна сделать более качественный прогноз, чем правительство. В конце концов, Weather Channel, использует все исходные данные, полученные из правительственных источников, в качестве отправной точки, а затем учитывает и всю ту ценную информацию, которую они в состоянии получить своими силами.
Вопрос заключается в следующем: какой прогноз считать «лучшим»? Я бы сказал просто – лучшим является самый точный прогноз. Однако я знаю о нескольких конкурирующих между собой идеях в области прогнозирования погоды.
В известном эссе 1993 г.{274}, написанном Алланом Мерфи (работавшим в то время метеорологом в Университете штата Орегон), утверждалось, что в сообществе прогнозистов погоды имеются целых три определения качества прогноза. Мерфи не утверждал, что то или иное определение лучше остальных; скорее, он пытался начать более открытое и честное их обсуждение. Версии этих определений могут применяться почти в любой области, где нужны прогнозы или предсказания.
Первый (и, возможно, самый очевидный) способ оценки прогноза, писал Мерфи, связан с тем, что он сам называл «качеством», но, пожалуй, его лучше определить как правильность. Иными словами, оценивается ответ на вопрос, соответствовала ли реальная погода прогнозу?
Второй способ обозначен словом «последовательность», но я считаю, что в данном случае чаще подходит слово честность. Даже если прогноз оказался достаточно точным, был ли это лучший прогноз, на который способен прогнозист в то время? Отражал ли он самые наилучшие из имевшихся суждений и модифицировали ли его каким-либо образом перед тем, как представить публике?
И, наконец, Мерфи говорил об экономической ценности прогноза. Способствовал ли он принятию общественностью и политиками более правильных решений?
Проведенное Мерфи различие между правильностью и честностью не сразу очевидно, однако крайне важно. Когда созданный мной прогноз оказывается неверным, я часто спрашиваю себя, был ли это лучший вариант прогноза, который я мог бы дать с учетом имевшихся у меня на тот момент данных. Иногда я считаю, что этак: мой мыслительный процесс оказался верным, я провел все необходимые исследования, выстроил хорошую модель и точно указал, какая доля неопределенности присутствует в прогнозе. В других же случаях я обнаруживал, что мне не нравится моя собственная работа. Иногда я слишком быстро отказывался от ключевых элементов исследования. Иногда я переоценивал степень предсказуемости проблемы. Иногда у меня возникали какие-то другие предубеждения или неверные стимулы.
Я не хочу сказать, что вы должны ругать себя всякий раз, когда ваш прогноз оказывается неверным. Напротив, признаком того, что вы делаете хороший прогноз, является то, что вы полностью принимаете то, как развиваются события, понимая, что не все из них вы можете непосредственно контролировать. Однако у вас всегда есть возможность спросить себя о том, какие цели вы имели, принимая свое решение.
В долгосрочной перспективе заявленные Мерфи цели правильности и честности должны сходиться друг с другом, когда у нас имеются правильные стимулы. Однако так бывает не всегда. Например, не исключено, что политических комментаторов из McLaughlin Group больше волновало желание казаться толковыми на экране телевизора, чем создание правильных предсказаний. Возможно, что они вели себя вполне рационально. Однако если они сознательно делали плохие прогнозы, поскольку хотели произвести приятное впечатление на представителей той или иной партии, или же хотели вновь оказаться на шоу, то можно считать, что они провалили тест Мерфи на честность.
Третий критерий Мерфи – экономическая ценность прогноза – способен запутать нас еще сильнее. Разумеется, мы вполне можем согласиться с доктором Роузом в том, что прогнозы для городов могут заслуживать большего внимания – допустим, если температура воздуха находится около точки замерзания и осадки могут принять форму дождя, льда или снега, каждый из которых может по-разному влиять на безопасность и транспортировку жителей.
Однако это, скорее, связано с тем, на чем Weather Channel концентрирует свои ресурсы и чему уделяет основное внимание. Это не значит, что иногда под сомнение ставится правильность или честность прогноза. Многие газеты стремятся к тому, чтобы каждая опубликованная в них статья была точной и честной, однако им все равно необходимо принимать решение о том, какие материалы поместить на первую полосу. Weather Channel должен принимать аналогичные решения, и экономическое влияние прогноза – это вполне разумная основа для них.
Впрочем, бывают времена, когда цели начинают конфликтовать между собой и коммерческий успех оказывается важнее правильности.
Когда конкуренция приводит к тому, что прогнозы становятся хуже
Существуют два основных теста, которые должен пройти любой прогноз погоды, чтобы доказать свою состоятельность.
1. Он должен оказаться лучше, чем тот, что следует из так называемого метеорологами постоянства: то есть из предположения о том, что завтра (и в последующие дни) погода будет такой же, как и сегодня.
2. Он должен оказаться лучше, чем тот, что следует из климатологии, то есть лучше прогноза, сделанного на основе анализа долгосрочных исторических средних климатических условий на конкретную дату в конкретном месте.
Эти методы были доступны нашим предкам задолго до того, как на сцене появились Ричардсон, Лоренц и суперкомпьютер Bluefire; если мы не можем улучшить их результаты, то все дорогостоящие вычислительные мощности просто не выполняют свою работу.
У нас есть масса данных о том, какой была погода в прошлом, начиная еще со времен Второй мировой войны. Например, я могу зайти на сайт Wunderground.com и узнать, что в 13 января 1978 г. в 7 часов утра в Лэнсинге, штат Мичиган, – в день и час моего рождения – температура была равна –8 °С, шел небольшой снег и дул северо-восточный ветер{275}. Однако сравнительно немного людей занималось сбором данных о прогнозах погоды из прошлого. Ожидался ли в то утро в Лэнсинге снег? Это был один из тех немногих элементов информации, который можно было бы рассчитывать найти в интернете, но его там нет.
В 2002 г. предприниматель по имени Эрик Флер, выпускник факультета вычислительной техники Университета штата Огайо, работавший на MCI, перевернул все с ног на голову. Он попросту стал собирать данные о прогнозах, выпущенных NWS, Weather Channel и AccuWeather, чтобы понять, какая модель прогноза более точна – правительственная или частная. Сначала он занялся этим исключительно для самообразования – он проводил своего рода широкомасштабный научный проект, – однако это увлечение довольно быстро превратилось в прибыльный бизнес с названием ForecastWatch.com, в рамках которого данные переупаковываются в модернизированные по заказам пользователей отчеты для клиентов, начиная от трейдеров на энергетическом рынке (для которых изменение температуры на долю градуса приравнивается к десяткам тысяч долларов) и заканчивая учеными.
Флер обнаружил, что явного победителя выявить не удается. Его данные показывали, что AccuWeather чуть лучше других удаются прогнозы по осадкам, Weather Channel – прогнозы по температуре, а прогнозы правительства достаточно точны во всем остальном. То есть в целом все прогнозы были достаточно хороши.
Но чем больше оказывался период прогнозирования, тем менее точными становились прогнозы (рис. 4.6). Допустим, прогнозы, создаваемые за восемь дней, достаточно хороши с точки зрения постоянства, однако не намного лучше климатологических.
А если интервал прогнозирования составляет девять и более дней, все профессиональные прогнозы оказывались стабильно хуже климатологических данных.
Лофт рассказывал мне, что в тех случаях, когда период прогнозирования даже немного превышает неделю, теория хаоса начинает брать верх над всем остальным, и динамическая память атмосферы полностью стирается. Хотя приведенная ниже аналогия вряд ли может считаться совершенно точной, она помогает нам подумать об атмосфере как о трассе для гонок NASCAR, в которой различные погодные системы представлены отдельными автомобилями. После первой пары десятков кругов по трассе и при условии знания стартового порядка машин мы можем сделать довольно неплохое предсказание порядка, в котором они будут проезжать мимо нас. Наши предсказания не будут идеальными: на них повлияют и неожиданные поломки, и пит-стопы, и заглохшие моторы, – но наш прогноз будет значительно лучше случайно выбранной последовательности.
Рис. 4.6. Сравнение прогнозов максимальной температуры{276}
Вскоре, однако, более быстрые автомобили начнут опережать более медленные, и через какое-то время ситуация станет непредсказуемой. Может получиться и так, что машина, занимающая второе место, будет ехать рядом с машиной, которая занимает 16е место (обгоняя ее почти на круг), и с машиной, находящейся на 28м месте (которую она один раз уже обогнала и которую собирается обогнать еще раз). Все то, что мы знли о начальных условиях гонки, теперь не имеет для нас никакой ценности. Аналогично, если в атмосфере достаточно долго циркулировали воздушные потоки, погодные параметры настолько слабо будут напоминать о своих начальных значениях, что исходные модели теряют любой смысл.
Тем не менее открытие Флера поднимает пару тревожных вопросов. Одно дело, если в долгосрочных прогнозах (после семи или восьми дней) компьютерные модели демонстрируют, в сущности, нулевые результаты. На самом же деле они показывают негативный результат. Он оказывается хуже, чем мы с вами могли бы получить, сидя дома и изучая таблицы долгосрочных погодных явлений. Как такое может быть? Возможно, это связано с тем, что в компьютерные программы заложена слишком высокая чувствительность к естественно возникающей обратной связи в погодной системе. Они начинают сами создавать обратную связь. И теперь дело не ограничивается тем, что сигнал подавляется шумом, дело в том, что сам шум начинает многократно усиливаться.
Стоит задаться еще более масштабным вопросом: почему, если эти долгосрочные прогнозы так плохи, их продолжают публиковать Weather Channel (10-дневные прогнозы) и AccuWeather (сайт, поднимающий планку до 15-дневного прогноза)?
Доктор Роуз считает, что серьезного вреда в этом нет; даже прогноз, основанный исключительно на климатологии, может тем не менее представлять некий интерес для потребителей.
Когда дело заходит о коммерческом прогнозировании погоды, статистическая реальность правильности перестает быть самым главным условием. Скорее, ценность в глазах потребителей возникает благодаря ощущению правильности.
Например, коммерческие синоптики редко предсказывают, что вероятность дождя составляет именно 50 %. С точки зрения потребителей, это может свидетельствовать об определенной нерешительности и желании избежать конкретики{277}. Вместо этого они бросают монетку и округляют цифру до 60 или 40 %, хотя это делает прогнозы менее точными и менее честными{278}.
Флер также обнаружил еще один вопиющий пример фальсификации цифр, описывающий, пожалуй, один из самых главных секретов в прогнозной отрасли. Большинство коммерческих прогнозов погоды искажено, и, возможно, сознательно. В частности, прогнозы чаще говорят об осадках, чем они выпадают на самом деле{279}. Метеорологи называют это «сдвигом в сторону осадков»». Чем дальше вы отклоняетесь от исходных данных, предоставленных правительством, и чем больше потребителей изучают ваши прогнозы, тем сильнее становятся искажения. Прогнозы «добавляют ценность», уменьшая при этом правильность.
Как понять, что ваш прогноз неверен
Один из самых важных тестов любого прогноза – и я бы даже сказал, что самый важный{280}, – носит название калибровки. Насколько часто сбывались ваши прогнозы о том, что вероятность выпадения осадков составляет 40 %? Если в долгосрочной перспективе дождь действительно шел примерно в 40 % случаев, это значит, что ваши прогнозы хорошо откалиброваны. Если на самом деле дождь шел в 20 или 60 % случаев, о хорошей калибровке говорить не приходится.
Во многих областях добиться хорошей калибровки непросто. Для ее применения требуется, чтобы вы думали в понятиях вероятности, а это не очень хорошо получается у большинства из нас (включая и большинство «экспертов»-прогнозистов). По сути, такой подход предполагает борьбу с чрезмерной уверенностью в себе, которая в немалых дозах присутствует у большинства прогнозистов. Помимо этого, оценка предполагает изучение большого объема данных, то есть сотен созданных прогнозов[70].
Метеорологи вполне соответствуют этому стандарту. Они ежедневно прогнозируют температуру и вероятность дождя и других осадков в сотнях городов. В течение любого года они создают десятки тысяч прогнозов.
Подобная высокая частота прогнозов невероятно полезна не только в тех случаях, когда мы хотим оценить прогноз, но также и для самих прогнозистов – они будут получать заметную обратную связь, если делают что-то не так, а следовательно, и изменить свой курс. Например, некоторым компьютерным моделям свойственно проявлять небольшое искажение{281} – они прогнозируют дождь чаще, чем тот идет на самом деле. Однако как только вам становится известно об этом искажении, вы можете его скорректировать. Аналогичным образом вы можете довольно быстро понять, что ваши прогнозы чересчур оптимистичны.
Оказалось, что прогнозы Национальной службы погоды на удивление хорошо откалиброваны{282} (рис. 4.7). Когда в ее прогнозе говорится, что вероятность дождя составляет 20 %, он действительно идет в 20 % случаев. Эта служба хорошо воспользовалась обратной связью, и ее прогнозы достаточно точны и честны.
Рис. 4.7. Оценка калибровки прогнозов Национальной службы погоды – расхождение между прогнозируемым и реальным выпадением осадков
Метеорологи Weather Channel немного лукавят, но при определенных условиях. Например, исторически сложилось так, что, когда они говорят о том, что вероятность дождя – 20 %, в реальности в эти дни дождь идет лишь в 5 % случаев{283}. Это делается сознательно, и Weather Channel даже согласен это признать. Все дело в экономических стимулах.
Люди замечают один тип ошибки – неспособность предсказать дождь – значительно чаще, чем другой – ложную тревогу. Если дождь начинается, когда не должен, они проклинают синоптиков за то, что им приходится отменять пикник, а неожиданный солнечный день воспринимается ими как приятный сюрприз. С научной точки зрения это не очень хорошо, однако как призналась мне доктор Роуз из Weather Channel: «Если бы прогноз был объективным и обладал нулевым искажением с точки зрения частоты и осадков, у нас возникли бы немалые проблемы».
При этом Weather Channel – достаточно консервативная организация (многие зрители даже ошибочно принимают ее за правительственную), и чаще всего она умело соответствует этой роли. Прогнозируемый ею «сдвиг в сторону осадков» ограничен небольшим преувеличением вероятности дождя даже в случае, когда его возникновение почти нереально – например, они говорят о 20 %-ной вероятности, когда ее реальное значение составляет 5 или 10 %. Таким образом она пытается обезопасить себя на всякий неблагоприятный случай. Во всех остальных случаях ее прогнозы хорошо откалиброваны (рис. 4.8). Когда ее сотрудники говорят, например, о 70 %-ной вероятности дождя, этим данным можно верить.
Рис. 4.8. Оценка калибровки прогнозов Weather Channel – расхождение между прогнозируемым и реальным выпадением осадков
Но когда речь заходит о прогнозах погоды на местных телевизионных каналах, можно и голову потерять. Здесь искажение начинает проявляться в полную силу, и правильность и честность страдают сильнее всего.
Канзас-Сити можно считать отличным рынком для прогнозов погоды – тут бывает и палящее жаркое лето, и холодные зимы, торнадо и засухи, а кроме этого, он достаточно велик, и в нем ведется трансляция всех основных кабельных каналов. Житель города по имени Дж. Д. Эгглстон начал отслеживать содержание прогнозов погоды на местных каналах, желая помочь своей дочери-пятикласснице с выполнением домашнего задания. Он посчитал этот анализ крайне интересным делом и занимался им в течение семи месяцев, публикуя результаты своего исследования в блоге Freakonomics{284}.
Телевизионные синоптики обычно не уделяют особого внимания правильности. Напротив, их прогнозы были значительно хуже, чем прогнозы Национальной службы погоды, которые они могли бы бесплатно брать с сайта и транслировать в своих программах. Помимо всего прочего, они были ужасно откалиброваны. Согласно исследованию Эгглстона, в тех случаях, когда метеоролог из Канзас-Сити говорил о том, вероятность дождя составляет 100 %, обещанный дождь так и не начинался в трети случаев (рис. 4.9).
Рис. 4.9. Оценка калибровки прогнозов, передаваемых на местном ТВ-канале, – расхождение между прогнозируемым и реальным выпадением осадков
Синоптики даже не считали нужным за это извиняться. «Точность не входит в число критериев при найме метеорологов на работу. Главное – это не правильность прогноза, а то, как она презентуется», – сказал один из них Эгглстону. «Правильность не особенно важна для зрителей», – говорил другой. Судя по всему, они относятся к своей работе как к милому развлечению: кого волнует небольшое изменение прогноза – «сдвиг в сторону осадков», – если оно идет на пользу телекомпании? А поскольку публика в любом случае не думает, что наши прогнозы достаточно хороши, к чему нам беспокоиться из-за точности?
Эта логика начинает напоминать замкнутый круг. Синоптики на телевидении говорят, что им нет нужды делать точные прогнозы, поскольку, по их мнению, зрители все равно им не поверят. Однако у публики нет оснований им верить, поскольку их прогнозы неточны.
Проблема становится куда более масштабной, когда возникает некое не терпящее отлагательств событие – например, ураган «Катрина». Очень многие американцы получают информацию о погоде из местных источников{285}, а не напрямую от Центра прогнозирования ураганов, поэтому они все равно будут надеяться, что люди с телевизионных каналов станут снабжать их точной информацией. При условии взаимного недоверия между синоптиками и общественностью последняя никогда не будет слушать, даже когда это оказывается самым важным.
Конус хаоса
Макс Мэйфилд сообщил Конгрессу, что он готовился к тому, что ураган, подобный «Катрине», может обрушиться на Новый Орлеан, почти всю свою 60-летнюю жизнь{286}. Мэйфилд вырос в жестких погодных условиях – в Оклахоме, сердце «Аллеи Торнадо» – и начал свою карьеру в области прогнозирования в Военно-воздушных силах, где люди серьезно относятся к риску и создают настоящие боевые планы для противостояния неблагоприятным погодным условиям. Ему потребовалось немало времени, чтобы понять, насколько сложно для Национального центра слежения за ураганами доносить свои прогнозы до широкой публики.
«После урагана “Хьюго” в 1989 г., – вспоминал Мэйфилд, растягивая слова, как истинный уроженец Оклахомы, – я беседовал с ученым из Университета штата Флорида, изучающим проблемы поведения людей. По его словам, люди не реагируют на предупреждения об ураганах. Я почувствовал себя оскорбленным этим замечанием – разумеется, они это делают. Однако впоследствии я понял, что он абсолютно прав. Люди не реагируют на одну лишь фразу “предупреждение об урагане”. Они внимательно относятся к тому, что слышат от местных властей. Вам наверняка бы не понравилось, если бы синоптик или телевизионный диктор принимал решения о том, когда открывать убежища или менять схему дорожного движения».
Под руководством Мэйфилда Национальный центр по слежению за ураганами начал обращать значительно больше внимания на то, как он представлял свои прогнозы. В отличие от сайтов большинства правительственных учреждений, которые выглядят так, будто не обновлялись с первых дней существования интернета, центр уделяет огромное внимание дизайну своих продуктов и создает множество ярких и привлекательных графиков, позволяющих точно и интуитивно уловить информацию по разнообразным параметрам, начиная от скорости ветра и заканчивая силой возможного шторма.
Также Центр слежения за ураганами немало заботится о том, как представлять неопределенность в своих прогнозах. «Неопределенность – это фундаментальный компонент предсказания погоды, – сказал Мэйфилд. – Никакой прогноз не будет полным без описания этой неопределенности в той или иной форме». Вместо того чтобы показывать линию для предсказанной траектории урагана, их графики изображают конус неопределенности. «Некоторые люди называют его конусом хаоса», – рассказывает Мэйфилд. Конус показывает диапазон территории, где, вероятнее всего, приземлится глаз урагана{287}. Но Мэйфилда волнует то обстоятельство, что даже этого недостаточно. Такие важные проблемы, как внезапное наводнение (которое порой бывает чуть ли не опаснее самого урагана), может произойти далеко от центра шторма и значительно позже снижения пиковой скорости ветра. Ни один человек в Нью-Йорке не умер от последствий урагана «Ирен» в 2011 г., несмотря на массовый ажиотаж на тему урагана в СМИ, однако три человека погибли в результате наводнения в имеющем выход к морю Вермонте{288} после того, как телевизионщики выключили свои камеры.
Обычно Центр слежения за ураганами не издает руководств и указаний для местных официальных лиц, например, о способах проведения эвакуации жителей города. Вместо этого данная функция передается 122 местным офисам Национальной службы погоды, которые общаются с губернаторами и мэрами, шерифами и полицейским начальством. Официальная версия – местные власти смогут лучше понимать культуру и людей, с которыми им приходится сотрудничать. После разговора с Мэйфилдом я понял, что неофициальная причина состоит в том, что Центр хочет сохранить свою миссию максимально ясной. Он, и только он, издает прогнозы об ураганах, и ему важно, чтобы эти прогнозы были максимально точными и честными и исключали возможность появления любых потенциальных отвлечений от основной темы.
Однако такой подход – оставаться в стороне – не мог сработать в условиях Нового Орлеана. Мэйфилду было нужно поднять телефонную трубку.
Решения об эвакуации непросты отчасти и потому, что сама по себе эвакуация может оказаться смертельно опасной. Так, автобус с пациентами, эвакуированными из одной из больниц во время другого шторма 2005 г. (урагана «Рита»), попал в аварию и сгорел при выезде из Хьюстона, и в результате погибло 23 пожилых пассажира{289}. «Иметь дело с этими местными начальниками непросто, – говорит Мэйфилд. – Они смотрят на вероятностную информацию и превращают ее в решение. Идти или не идти. Да или нет. Они должны взять вероятностное решение и превратить его в нечто более конкретное».
В данном случае необходимость эвакуации была очевидной, однако сообщение никак не могло достигнуть адресата.
«У нас работал молодой человек по имени Мэттью Грин. Исключительный молодой человек с научной степенью в области метеорологии. Он координировал предупреждения местным властям. Его мать жила в Новом Орлеане. По какой-то причине она решила не покидать город. И вот представьте себе парня, который знает все об ураганах и управлении в кризисных ситуациях и даже не может эвакуировать собственную мать».
Поэтому Центр принялся обзванивать местных официальных лиц по всему побережью. В субботу 27 августа – после того, как прогноз ухудшился, но за два дня до того, как «Катрина» нанесла удар, – Мэйфилд разговаривал с губернатором штата Миссисипи Хейли Барбур, которая тут же распорядилась об обязательной эвакуации из самых уязвимых районов штата{290}, и губернатором штата Луизиана Кэтлин Бланко, объявившей чрезвычайное положение. Бланко сообщила Мэйфилду, что ему стоит позвонить Рэю Нэйджину, мэру Нового Орлеана, который реагировал на происходившее значительно медленнее.
Нэйджин пропустил звонок от Мэйфилда, однако перезвонил ему сам. «Не помню в точности, что я говорил, – рассказывал мне Мэйфилд. – За эти два-три дня мы общались с кучей людей. Однако я абсолютно уверен, что сказал ему о том, что ему нужно принять жесткое решение, потому что на кону стоят жизни многих людей». Мэйфилд посоветовал Нэйджину издать приказ об обязательной эвакуации, и сделать это максимально быстро.
Вместо этого Нэйджин издал документ о добровольной эвакуации. В его администрации царило настроение в духе «все в порядке», но лишь приказ об обязательной эвакуации мог помочь людям почувствовать всю силу угрозы{291}. Без проведения обязательной эвакуации большинство жителей Нового Орлеана просто не могло бы выжить, когда на город в 1965 г. обрушился ураган «Бетси». Те, кто пережил это бедствие, сформировали определенный иммунитет. «Если мне удалось выжить после “Бетси”, я смогу выжить и в следующий раз. Мы умеем справляться с ураганами», – рассказывал позднее официальным лицам пожилой житель города, решивший остаться{292}. Реакция такого рода была вполне типичной. Исследования последствий «Катрины» и других ураганов показали, что человек, переживший один ураган, с меньшей охотой будет эвакуироваться при угрозе нового урагана{293}.
Причины, по которым Нэйджин запоздал с изданием приказа об эвакуации, остаются предметом споров – по одной из версий, он беспокоился из-за того, что владельцы гостиниц могут подать иск против властей, обвинив их в нарушении нормального хода работы{294}. Как бы то ни было, он не объявлял об обязательной эвакуации до 11 часов утра воскресенья{295}. К этому моменту жители, не получившие четких указаний, уже находились в изрядном смятении. Одно из исследований показало, что примерно треть жителей, отказавшихся от эвакуации, не услышали приказа от властей. Еще одна треть услышала его, но посчитала, что в нем нет ясных инструкций{296}. Опросы людей, переживших стихийные бедствия, не всегда надежны – людям сложно выразить, почему они вели себя определенным образом в условиях серьезного эмоционального стресса{297}, и лишь некоторая доля населения всегда скажет о том, что не слышала приказа об эвакуации, даже если он выпущен достаточно рано и повторен несколько раз. Однако в данном случае Нэйджин нес прямую ответственность за значительную часть возникшего смятения.
Разумеется, всегда найдется, кого винить в проблемах, вызванных приходом «Катрины», – в дополнение к Нэйджину можно упомянуть и о роли FEMA[71]. Можно говорить о разной степени доверия к различным источникам – большинство людей эвакуировалось отчасти вследствие точного прогноза, сделанного Центром по слежению за ураганами. Если бы в результате урагана «Бетси» в 1965 г. до того, как появились более надежные прогнозы ураганов, были затоплены дамбы, то количество смертей в итоге могло бы оказаться значительно выше, чем после «Катрины».
Однако урок, который вытекает из опыта с «Катриной», состоит в том, что правильность – это лучшая политика для прогнозиста. С точки зрения прогнозов желание поставить политические соображения, личную славу или экономическое благосостояние выше истины прогноза можно считать настоящим смертным грехом. Иногда это делается с добрыми намерениями, однако всегда приводит к ухудшению прогноза. Центр по слежению за ураганами прикладывает огромные усилия, чтобы не позволять подобным обстоятельствам ставить под сомнение его прогнозы. И, возможно, не случайным является и тот факт, что в противовес всем примерам неудачных прогнозов, приведенных в этой книге, их собственные прогнозы улучшились на 350 % только за последние 25 лет.
«Роль прогнозиста состоит в создании наилучшего из возможных прогнозов», – говорит Мэйфилд. Все очень просто – однако прогнозисты во множестве областей раз за разом делают все не так.
Глава 5
В отчаянных поисках сигнала
Прохладным апрельским воскресным вечером 2009 г. жители итальянского города Л’Акуила, уже собиравшиеся отправиться ко сну, вдруг почувствовали пару толчков, каждый из которых ощущался немного сильнее, чем те, что вызывает проходящий где-то вдалеке грузовой поезд. Первый из них, который зарегистрировали около 11 часов вечера по местному времени, имел силу 3,9 балла по шкале магнитуд[72] – этого было достаточно, чтобы пощекотать жителям нервы и сдвинуть с места кое-какую мебель, но не более. Второй оказался еще более слабым, магнитудой 3,5 балла, а его силы не хватило бы даже для того, чтобы разбудить крепко спящего человека.
Однако жители Л’Акуилы, расположенной у подножия Апеннинских гор и известной своими лыжными курортами и средневековыми стенами, находились в нервном напряжении: в тот период они ощущали подобные землетрясения чуть ли не постоянно. Воскресные толчки были седьмым и восьмым из них с магнитудой не менее 3 баллов за последнюю неделю. Небольшие землетрясения вполне естественны для этой местности, однако обычно они наблюдаются намного реже – примерно одно в два-три месяца. В этот раз землетрясения происходили чуть ли не в 100 раз чаще.
Жители города Сульмоны, расположенного у подножия одной из соседних гор, совсем незадолго до этого пережили аналогичные страхи, связанные с землетрясениями. Инженер по имени Джанпаоло Джулиани, работавший в итальянском национальном Институте ядерной физики, заявил о том, что ему удалось выявить необычно высокую концентрацию радона в этом регионе. Он предположил, что подобный факт может являться предвестником землетрясения, поэтому Джулиани не поленился сообщить мэру Сульмоны о том, что землетрясение затронет их город в полдень 29 марта. Мэр, впечатленный этим предсказанием, приказал направить в город грузовики с громкоговорителями, чтобы предупредить жителей о надвигающейся угрозе{298}.
Однако в назначенный день землетрясения в Сульмоне так и не было. И так как предсказание не сбылось, местные власти обвинили Джулиани в procurato allarme (паникерстве), по сути, напоминавшем крики о пожаре в переполненном театре. Он был вынужден убрать свои предсказания из интернета, чтобы не раздувать панику в будущем.
Власти Л’Акуилы сообщили жителям, что им не стоит беспокоиться из-за «роя мелких землетрясений»[73]. По словам заместителя руководителя Департамента гражданской обороны Италии Бернардо де Бернардиниса{299}, «рой землетрясений» позволил «сбросить энергию» и уменьшил шансы на крупное землетрясение. Он согласился с репортером, бравшим у него интервью, в том, что им стоит расслабиться и насладиться бокалом вина{300}; де Бернардинис порекомендовал отличный сорт местного вина монтепульчиано.
Однако сильное землетрясение магнитудой 6,3 балла в Л’Акуилe все же произошло. Оно началось в 3:32 утра по местному времени в понедельник. Дома сотрясались до основания, крыши сносило, мебель разбивалась в щепки. Во время землетрясения погибло более 300 жителей, без крыши над головой осталось 65 тыс. человек, а общая величина связанных с ним убытков составила свыше 16 млрд долл.{301}.
Что мы делаем, если наши устои пошатнулись
Л’Акуиле следовало бы лучше подготовиться к землетрясению. Этот город находится неподалеку от особенно опасного типа разлома земной коры, известного как зона субдукции[74], где Африканская плита, одна из восьми основных тектонических плит, покрывающих поверхность Земли, немного проскальзывает вниз, медленно и неминуемо оказываясь под Евразийской. Первое значительное землетрясение в этом районе было зафиксировано в 1315 г., а затем землетрясения вновь происходили в 1349, 1452, 1461, 1501, 1646, 1703 и 1706 гг.{302}; во время самого серьезного из них, в 1786 г., погибло свыше 5000 человек. Каждый раз город восстанавливался и вновь заселялся (часто по прямому указанию папы){303}.
С тех пор Л’Акуила испытывала судьбу на протяжении более чем двух столетий. Землетрясение 1958 г. было довольно слабым, магнитудой 5 баллов{304}, и о нем вспоминали лишь самые старые жители города. Землетрясение 2009 г. оказалось значительно более мощным. Магнитуда оценивается по логарифмической шкале; ее возрастание по шкале на 1 балл соответствует увеличению выброса энергии в 32 раза. Таким образом, землетрясение 2009 г. магнитудой 6,3 балла было в 75 раз более мощным, чем землетрясение 1958 г. И оно было примерно в 3000 раз сильнее колебаний-предвестников, которые Л’Акуила испытала чуть раньше тем же вечером.
При этом, хотя землетрясение 2009 г. и было серьезным, по итальянским стандартам, его вряд ли можно было считать чем-то значительным в глобальном масштабе. Землетрясение, разрушившее Японию в 2011 г., имело магнитуду 9,0 или 9,1 балла, то есть почти в 11 тыс. раз более мощным. А крупнейшее землетрясение, зафиксированное со времен начала надежных расчетов и обрушившееся на Чили в 1960 г., имело магнитуду 9,5 балла, то есть было почти в 60 тыс. раз сильнее, чем землетрясение в Л’Акуиле.
Почему же тогда Л’Акуила – довольно зажиточный город в богатой, промышленно развитой стране – подверглась столь значительным разрушениям? Одна из причин – геологическое строение местности: Л’Акуила располагается на древнем озерном пласте, усиливающем любые колебания Земли. На таком же пласте построен Мехико-Сити{305}, и во время землетрясения 1985 г., эпицентр которого находился на удалении 200 миль, в городе погибло 10 тыс. жителей.
Однако основная причина проста и заключается в том, что жители города были благодушны и слишком спокойно относились к сейсмической угрозе, находившейся всего в 15 км ниже уровня земли. В городе не было ничего, что хоть как-то демонстрировало бы надлежащий уровень готовности к землетрясениям{306}: ни норм на строительство, ни запасов предметов первой необходимости, ни тренировок населения. В результате землетрясения разрушились не только столетние здания, но и множество новых, в том числе крыло госпиталя, выстроенного не далее как в 2000 г. Даже небольшое заблаговременное предостережение могло бы спасти огромное количество жизней.
Но можно ли считать предостережением заявление Джанпаоло Джулиани? В итальянских таблоидах его изображали как настоящего подвижника и мученика. Этот человек с мягким голосом и растрепанными волосами, часто одевавшийся в форму местной футбольной команды, играл роль скромного государственного служащего или рассеянного профессора, открытия которого были проигнорированы научным истеблишментом. Он заявил, что предупредил о землетрясении в Л’Акуиле всех своих друзей и членов семьи и что полиция не дозволила ему рассказать об этом остальным. Также он потребовал, чтобы власти принесли извинения – не ему лично, а жителям Л’Акуилы.
Стоит помнить, что на самом деле Джулиани не предсказывал землетрясения. Его прогноз был вполне конкретным – риску подвергалась Сульмона, а не Л’Акуила, а само землетрясение должно было произойти в марте, а не в апреле. По сути, он даже сообщил местной газете о том, что опасность миновала. «Если говорить просто, – заявил он, прежде чем пуститься в бессвязные рассуждения о лунных циклах, – система Земля – Луна оказалась на уровне перигелия… минимального расстояния от Земли и на одной линии с планетой Венера… думаю, что могу успокоить моих соотечественников, поскольку «рой землетрясений» будет уменьшаться с конца марта»{307}.
Перигелий с планетой Венера? Газ радон? Что общего у всего этого с землетрясением? А что можно сказать о неудачном предсказании Джулиани относительно Сульмоны? Казалось, что все это не имеет никакого значения. Когда случается катастрофа, мы принимаемся искать сигнал в шуме – мы ищем хоть какое-то объяснение окружающего нас хаоса и пытаемся вновь навести порядок в мире. И лучшим, что было в нашем распоряжении в тот момент, оказались путаные объяснения Джулиани.
Никакой другой тип катастрофы не разрушает наше ощущение порядка так, как землетрясения. Они буквально потрясают нас до самого основания. Если ураганы спускаются на нас с небес и иногда даже ассоциируются с Божьей волей[75], то землетрясения возникают глубоко под землей и порой воспринимаются как знаки гнева Бога{308}, его безразличия{309} или даже отсутствия (Лиссабонское землетрясение 1755 г. стало одной из искр, из которых разгорелось пламя светской философии{310}). И если ураганы – равно как и наводнения, торнадо и извержения вулканов – часто можно предсказывать заранее, усилия множества ученых на протяжении столетий так и не дали нам надежного инструмента для предсказания землетрясений.
Волшебные жабы и поиск Святого Грааля
Город Пасадена, штат Калифорния, уже давно считается мировым эпицентром исследований в области землетрясений. Именно там находится Калифорнийский технологический институт, в котором Чарльз Рихтер разработал в 1935 г. свою знаменитую логарифмическую шкалу. Также там располагается один из офисов Службы геологии, геодезии и картографии США (USGS), в котором работает большое количество специалистов по исследованию землетрясений. Я поехал туда в сентябре 2009 г., чтобы встретиться с доктором Сьюзен Хоф, одной из ведущих сейсмологов USGS и автором ряда книг по вопросу предсказания землетрясений. Она с немалым подозрением изучила телевизионные интервью Джулиани, а затем написала яркую редакторскую статью в газете New York Times{311}, где раскритиковала как самого Джулиани, так и внимание, которое ему уделялось.
По мнению, высказанному Хоф, успех Джулиани был результатом совпадения. «Все услышали о предсказаниях Джулиани только потому, что оно смогло выплыть на поверхность, – писала она. – Но я знаю массу других [неверных] предсказаний, о которых широкая публика никогда не слышала». Если в мире есть сотни людей, пытающихся обратить внимание на свои прогнозы, и при этом ежегодно происходят сотни землетрясений, то кому-то неминуемо удастся попасть со своим прогнозом в цель.
Теории Джулиани о радоне и лунных циклах неоднократно изучались{312}, однако, по мнению признанных сейсмологов, данные теории не могут использоваться для достоверного предсказывания землетрясений. Джулиани просто повезло, как везет обезьянке, которой удается напечатать на машинке текст пьесы Шекспира, или осьминогу, успешно предсказавшему результаты Кубка мира по футболу.
Офис Хоф в USGS располагается в тихом уголке университетского кампуса, где количество эвкалиптовых деревьев намного превышает количество находящихся в этом районе студентов. Во время нашей встречи Хоф выглядела немного уставшей от странствий – она только что вернулась из Турции, где изучала систему разломов коры при землетрясениях. Эта женщина с мягкими манерами, темными глазами и вьющимися волосами общается в устало-скептическом тоне. «А какова ваша основная работа?» – озадачила она меня вопросом уже через несколько минут после знакомства.
В какой-то момент во время разговора она взяла со стола небольшой глобус, наподобие тех, что продаются в сувенирных лавках аэропортов, и провела указательным пальцем линию в направлении востока и юго-востока, начав с Японского моря.
«Самые разрушительные землетрясения концентрируются в этом поясе – от южного Китая до Греции, – объяснила Хоф. – Это довольно сложная зона – в ней располагается множество зданий с довольно уязвимой конструкцией. Крупное землетрясение где-нибудь под Тегераном может убить миллион человек».
Фактически почти все самые ужасные землетрясения в современной истории (рис. 5.1) произошли на отмеченном Хоф пути, проходящем через колыбель цивилизации на Ближнем Востоке и некоторые самые густонаселенные регионы на планете, включая Китай и Индию. Эти регионы, часто бедные и перенаселенные, порой просто не имеют возможности подготовиться даже к одной катастрофе в 300 лет. Однако, если землетрясения в них все же происходят, последствия бывают катастрофическими, а количество жертв измеряется сотнями тысяч[76].
Рис. 5.1. Расположение мест, где произошли землетрясения с наибольшим количеством жертв, начиная с 1900 г. Размер кругов соответствует количеству жертв. Источник: USGS
Во время землетрясений погибает больше людей, чем при ураганах{313}, несмотря на то что происходят они значительно реже{314}. Возможно, это связано с тем, что обычно не удается сделать достаточно точные предсказания их времени и места. Если в наши дни точность предсказания места зарождения урагана в три и более раз выше, чем 25 лет назад, то наука прогнозирования землетрясений почти не развилась с IX в. н. э., когда японцы впервые заявили о возможности предсказывать землетрясения, основываясь на изучении поведения сомов{315} (в различные периоды времени сообщалось также о необычном поведении коров, свиней, угрей, крыс, попугаев, чаек, черепах, золотых рыбок и змей в преддверии землетрясений).
Чудаков типа Джулиани до сих пор принимают всерьез, причем не только в итальянских таблоидах{316}. Калифорнийский Центр по предсказаниям землетрясений ежегодно получает сотни неожиданных прогнозов землетрясений, большинство из которых, по словам представителя агентства, «описывает странное поведение домашних питомцев, интуицию, ноющие кости тети Агаты или другие таинственные знаки и предзнаменования, которые ученые просто не понимают»{317}. При этом некоторые публикации в научной прессе сложно отличить от средневекового японского фольклора. В одной из работ 2010 г.{318}, опубликованной в сравнительно престижном журнале Journal of Zoology, сообщалось о том, что жабы в пруду, расположенном в 80 км от Л’Акуилы, перестали квакать за пять дней до крупного землетрясения{319}. Примечательно, что, по мнению авторов, это было достаточным свидетельством того, что жабы способны предсказывать землетрясения.
Именно такие исследования больше всего и огорчают Хоф. «Если оглянуться назад, скажем, в 1970е, то можно увидеть, как у людей появлялась какая-то идея, которая вселяла в них оптимизм, но потом, когда проходило лет десять, и этот метод отвергался, – рассказывала она мне. – Через десять лет у вас появлялся очередной новый метод, а еще через десять лет отказывались и от него. Большинство ведущих ученых занимаются поисками Святого Грааля, который, возможно, вообще не существует».
Опровергнуть версии Джулиани, связанные с влиянием Венеры или со способностями жаб, очень легко, но есть ли у нас хоть какой-то другой способ предсказать землетрясение? Что можно сказать о «рое мелких землетрясений» в окрестностях Л’Акуилы перед Большим Ударом? Было ли это простым совпадением? Сейсмологическое сообщество известно своим консерватизмом. Например, оно довольно медленно принимало теорию тектоники плит{320} – широко распространенного в настоящее время мнения о том, что основной причиной землетрясений служит смещение континентальных плит Земли. Идея была предложена еще в 1912 г., однако ученые согласились с ней лишь в 1960е. Может быть, скепсис Хоф уже превратился в цинизм?
Официальная позиция USGS еще более эмпатична – согласно ей, землетрясения невозможно предсказать. «Ни USGS, ни представителям Калифорнийского института, а также никаким другим ученым никогда не удавалось предсказать значительное землетрясение, – утверждается на сайте организации{321}. – Неизвестно, как это делать, и мы не ожидаем, что будем знать, как это делать, в обозримом будущем».
Действительно ли предсказывать землетрясения невозможно? Эта книга рассказывает о предсказаниях, а не занимается предсказаниями, однако сейчас я хочу выступить с заявлением – я прогнозирую, что в следующем году в Японии будет больше землетрясений, чем в Нью-Джерси. Я также предсказываю, что в какой-то момент в течение следующей сотни лет серьезное землетрясение произойдет где-то в Калифорнии{322}.
Мы вместе с USGS играем в семантические игры. Понятия «предсказание» и «прогноз» по-разному используются в различных областях человеческой деятельности; в некоторых случаях они могут считаться синонимами, а в других между ними проводится четкое различие. Вряд ли найдется отрасль науки, более чувствительная к этому различию, чем сейсмология.
1. Предсказание – это конкретное и детальное заявление о том, когда и где ударит землетрясение: 28 июня в Киото, Япония, произойдет сильное землетрясение.
2. Прогноз же представляет собой вероятностное заявление, обычно рассматривающие возможность события в течение более длительного периода: вероятность землетрясения в Южной Калифорнии в ближайшие 30 лет составляет 60 %.
Официальная позиция USGS состоит в том, что землетрясения невозможно предсказать. Однако их можно спрогнозировать.
Что мы знаем о том, как часто и какими бывают землетрясения
При внимательном изучении сайта USGS вы найдете там множество инструментов, помогающих прогнозировать землетрясения. Один из них позволяет вам ввести широту и долготу для любой точки на территории США, после чего он выдаст вам долгосрочную вероятность землетрясения в ней{323}.
Из данных, приведенных в табл. 5.1, можно увидеть, какова вероятность землетрясений в нескольких крупных городах США, по данным USGS. Мы знаем, что Калифорния сейсмически активна; по расчетам USGS, землетрясение с магнитудой 6,8 балла или выше будет происходить в районе Сан-Франциско примерно каждые 35 лет. Многие также знают, что множество землетрясений происходило и на Аляске – в 1964 г. в районе Анкориджа произошло второе по величине из известных нам землетрясений с магнитудой 9,4 балла.
Таблица 5.1. Частота сильных (магнитуда 6,75 балла) землетрясений в пределах 80-километрового радиуса от некоторых городов США
Но доводилось ли вам слышать о Чарльстоне, штат Южная Каролина? Это тоже сейсмически активная зона; в 1886 г. там произошло землетрясение магнитудой 7,3 балла. USGS считает, что в этом районе крупное землетрясение будет происходить примерно 1 раз в 600 лет. Если же вы живете в Сиэтле, то вам стоит подготовить план действий на случай землетрясения; по мнению USGS, опасность землетрясения в нем выше, чем во многих частях Калифорнии. Возможно, такой план не потребуется жителям Денвера, находящегося на безопасном расстоянии от границ континентов.
На сайте USGS можно найти довольно много конкретной и удобной для анализа информации. Это может показаться странным для организации, утверждающей невозможность предсказания землетрясений. Однако прогнозы USGS основаны на широко используемом сейсмологическом инструменте, именуемом законом Гутенберга – Рихтера. Теория, созданная Чарльзом Рихтером и его коллегой из Калифорнийского технологического института Бено Гутенбергом в 1944 г., основана на эмпирической статистике землетрясений. Согласно ей, существует сравнительно простая связь между магнитудой землетрясения и частотой его возникновения.
Сравнив частоту землетрясений с их магнитудами, можно обнаружить, что количество землетрясений снижается по мере роста магнитуды. Если катастрофических землетясений довольно мало, то незначительных землетрясений – буквально миллионы: ежегодно в мире происходит примерно 1,3 млн землетрясений с магнитудой от 2,0 до 2,9 балла{324}. Большинство из них остается незамеченными, как людьми, так и сейсмометрами{325}. Однако в наши дни приборы улавливают почти все землетрясения с магнитудой 4,5 балла и выше (хотя не всегда точно оценивают их местоположение). На рис. 5.2а показана экспоненциальная зависимость частоты землетрясений от их магнитуды, основанная на фактической статистике землетрясений с января 1964 г.{326} по март 2012 г.{327}.
Рис. 5.2а. Зависимость частоты землетрясений в год от их магнитуды по всему миру, январь 1964 г. – март 2012 г.
Однако если немного изменить этот график, то можно выявить потрясающую закономерность. На графике, приведенном на рис. 5.2б, по вертикальной оси показана частота землетрясений с различными магнитудами в логарифмическом масштабе[77]. Теперь линия на графике становится почти ровной. Подобный вид графика характерен для так называемого степенного распределения, и именно эту связь удалось установить Рихтеру и Гутенбергу.
Рис. 5.2б. Зависимость частоты землетрясений в год от их магнитуды по всему миру, январь 1964 г. – март 2012 г.; логарифмическая шкала
Данные, соответствующие этому распределению, обладают очень полезным свойством – вы можете спрогнозировать некоторое количество масштабных явлений на основе менее значительных, и наоборот. Что касается землетрясений, то оказалось, что при каждом повышении магнитуды на один пункт частота землетрясений снижается примерно в 10 раз. Например, землетрясения с магнитудой 6 баллов возникают в десять раз чаще, чем с магнитудой 7 баллов, и в 100 раз чаще, чем с магнитудой 8 баллов.
Более того, соответствие закону Гутенберга – Рихтера наблюдается как в отдельных регионах, так и по всей планете. Предположим, к примеру, что мы хотим составить прогноз землетрясений для иранской столицы Тегерана. К счастью, с момента начала сейсмологических замеров в этом регионе не было никаких катастрофических землетрясений. Однако за период между 1960 и 2009 гг. в окрестности города произошло около 15 землетрясений с магнитудой от 5,0 до 5,9 балла{328}. Иными словами, в среднем одно подобное землетрясение происходит раз в три года. Согласно выводам Гутенберга и Рихтера, это значит, что в Тегеране примерно раз в 30 лет может произойти землетрясение с магнитудой, величина которой находится между значениями 6,0 и 6,9 балла.
Также из этого следует, что раз в 300 лет в районе Тегерана может произойти землетрясение с магнитудой от 7 баллов. Именно такого землетрясения боится Сьюзен Хоф. Землетрясение магнитудой 7 баллов на Гаити, случившееся в 2010 г. и погубившее 316 тыс. человек{329}, продемонстрировало апокалиптические последствия подобных событий для развивающегося мира. Многие из проблем Ирана аналогичны проблемам Гаити – бедность, низкий контроль над соблюдением строительных норм, политическая коррупция{330}, – однако плотность населения в Иране значительно выше. По расчетам USGS, с учетом показателей общей смертности в стране, в случае катастрофического подземного толчка может погибнуть от 15 до 30 % населения Тегерана{331}. Поскольку в ареале Тегерана живет около 13 млн человек, количество жертв может составить от 2 до 3 млн.
Из того факта, что частота землетрясений и их магнитуда подчиняются закону Гутенберга – Рихтера, вовсе не следует, что мы можем узнать, когда именно произойдет землетрясение (также не следует, что в Тегеране «неминуемо» случится землетрясение, если только другое землетрясение не произошло там совсем недавно). У таких стран, как Иран и Гаити, нет возможности реализовывать планы действий в отношении события, происходящего раз в 300 лет. Прогнозы землетрясений, созданные на основе закона Гутенберга – Рихтера, дают лишь общее руководство по оценке степени угрозы в том или ином регионе. Прогнозы погоды, основанные лишь на исторической статистике (в марте в Лондоне дождь идет 35 % времени), не всегда превращаются в применимые на практике знания (брать ли мне с собой зонт или нет?). В геологии временные срезы охватывают века или даже тысячелетия; а срок человеческой жизни измеряется не секундами, а годами.
Искушение сейсмологов
На самом деле сейсмологи заинтересованы иметь то, что Сьюзен Хоф называет «Святым Граалем» сейсмологии, – прогнозы, связанные со временем, согласно которым вероятность землетрясения не считается равномерно распределенной во времени. Даже те из них, кто скептично относится к возможности делать подобные прогнозы, признают, что в распределении землетрясений по времени присутствуют определенные закономерности. А самая очевидная из них – наличие повторных сейсмических ударов (также называемых афтершоками).
После крупных землетрясений почти всегда возникают десятки или даже тысячи афтершоков (после землетрясения 2011 г. в Японии ученые насчитали не менее 1200). Эти афтершоки следуют довольно предсказуемой тенденции{332}. Они возникают значительно чаще сразу же после землетрясения, чем через несколько дней после него, и значительно чаще, чем через несколько недель.
Однако знание этого обстоятельства не особенно помогает нам, когда речь заходит о спасении человеческих жизней. Прежде всего потому, что афтершоки, по определению, всегда слабее изначального землетрясения. Обычно, если какой-то разлом земной коры вызывает достаточно мощное землетрясение, количество афтершоков будет небольшим, и на какой-то момент в регионе воцарится спокойствие. Однако так происходит не всегда. Например, невероятно сильное землетрясение, произошедшее в районе Нью-Мадридского геологического разлома на границе штатов Миссури и Теннесси 16 декабря 1811 г. и оцененное сейсмологами в 8,2 балла, произошло всего через шесть часов после другого удара примерно той же силы. Но на этом дело не закончилось – после землетрясений 16 декабря произошло еще одно землетрясение силой 8,1 балла (23 января), а затем еще одно, даже более мощное – силой 8,3 балла (7 февраля). Какие из них можно было бы считать предвестниками, а какие – афтершоком? Любая версия будет в данном случае бессмысленной.