Гадание, что на пальцах, что кофейной гуще...

Из-за шторма погибла
Большая эскадра*-
неудачное время похода.
Непредсказуемая Природа-
ущерб больше,
чем противника ядра!..

* «Непобедимая армада» — огромная эскадра, которую испанский король Филипп II собрал в 1586–1588 годах, чтобы вторгнуться в Англию
...........................................................

Илья Беркович

Логика и Хаос
 
В начале июня 1944 года Дуайту Эйзенхауэру нужно было принять одно из самых ответственных решений в его жизни.
Высадка союзников в Нормандии была назначена на 5 июня.
Но за несколько дней до начала операции прогноз погоды резко ухудшился — и возник вопрос: начинать высадку по плану или отменять её в последний момент?
Просто перенести операцию на любую удобную дату было нельзя.
Для высадки требовалось редкое сочетание прилива, лунного света и подходящей погоды.
В начале июня подходило всего несколько дней — 5, 6 и 7 июня. Если пропустить это окно, следующего пришлось бы ждать примерно до 19-го.
Казалось бы, именно для таких ситуаций и существуют эксперты.
И эксперты у Эйзенхауэра были — одни из лучших метеорологов, которых союзники могли привлечь.
Проблема была в том, что они давали разные ответы.
Причём дело было не в том, что одни специалисты были хорошими, а другие плохими.
Они по-разному строили прогноз.
Американская группа Ирвинга Крика во многом опиралась на метод аналогов: искала в накопленных метеорологических данных похожие ситуации и смотрела, как погода развивалась после них.
Логика вполне понятная: если мы уже много раз видели похожую картину, прошлое может подсказать, что произойдёт дальше.
Британские специалисты смотрели на ситуацию несколько иначе. Для них важнее была текущая динамика атмосферы: что происходит с фронтами над Атлантикой, как меняется давление, куда движутся воздушные массы.
И из этих двух моделей следовали разные прогнозы.
Американская группа считала, что от первоначального плана можно не отказываться.
Британцы предупреждали: 5 июня условия будут слишком плохими для высадки.
После напряжённых дискуссий Эйзенхауэр всё-таки решил перенести высадку.
В итоге 5 июня погода действительно оказалась тяжёлой: сильный ветер, высокая волна, низкая облачность.
Казалось бы, теперь всё стало проще.
Но уже через несколько часов пришлось принимать следующее решение — что делать дальше?
Ждать следующего большого окна? Но это почти две недели.
Или попытаться воспользоваться очень коротким улучшением погоды, которое британские метеорологи ожидали утром 6 июня?
Причём в момент, когда этот прогноз обсуждали, за окнами всё ещё была отвратительная погода.
Никакой гарантии, что через несколько часов действительно станет лучше, не существовало.
Был только прогноз: после шторма должно открыться короткое окно — примерно на полтора дня.
Эйзенхауэр решил рискнуть.
Высадка началась 6 июня.
И в главном прогноз сработал: погода была далеко не идеальной, но достаточно хорошей, чтобы операция состоялась.
Сегодня нам очень легко читать эту историю.
Мы уже знаем, что произошло 5 июня. Знаем, какая погода была 6-го. Знаем, что высадка состоялась.
И поэтому можем сказать:
— Ну вот, британский прогноз оказался лучше.
Но у людей внутри истории не было того, что есть у нас: знания о том, чем всё закончится.
Перед ними были неполные данные, несколько профессиональных моделей и решение, которое всё равно требовалось принять.
И на самом деле в похожей ситуации мы оказываемся постоянно (к счастью, обычно не с таким грузом ответственности, как у Эйзенхауэра ; )
Когда мы сталкиваемся с областью, в которой плохо разбираемся, возникает очень понятное желание:
найти хорошего специалиста и делегировать ему решение.
И в целом это разумная стратегия — во многих случаях специалист действительно знает несравнимо больше нас.
Проблема возникает тогда, когда хорошие эксперты начинают говорить разное (как перед высадкой в Нормандии).
Причём чем сложнее вопрос, тем чаще это происходит. Не обязательно потому, что кто-то из них некомпетентен.
Очень часто причина в другом — они смотрят на ситуацию через разные модели.
Тут, конечно, велик соблазн просто решить, кому из экспертов доверять больше.
Но проблема от этого никуда не исчезает. Она просто перемещается на уровень выше.
Потому что теперь уже вам приходится решать:
какая из моделей лучше подходит именно к вашей задаче;
какие параметры для вас действительно важны;
какой риск вы готовы принять;
и что вообще в данном случае означает «хорошее решение».
Эксперт может знать свою предметную область в сто раз лучше вас. Но эту рамку очень часто всё равно приходится задавать вам.
Например, вы можете совершенно не разбираться в педагогике.
Но если вам нужно выбрать школу для своего ребёнка, то вопрос:
«Посоветуйте хорошую школу»
на самом деле почти не имеет смысла.
Что значит хорошая?
Для одного родителя хорошая школа — это:
— высокие результаты экзаменов и максимальные шансы поступить в сильный университет.
Для другого:
— умение работать в команде, делать проекты, самостоятельно искать решения — чтобы ребёнок потом так же естественно чувствовал себя, например, в современной компании или стартапе.
Для третьего:
— насколько школа вообще адаптирована к современному миру: умеет ли работать с технологиями и ИИ, а не делает вид, что 2026 год ничем не отличается от 1996-го.
Для четвёртого:
— небольшие классы, индивидуальное внимание и психологический комфорт.
Для пятого:
— международная среда и языки.
А кто-то, наоборот, скажет:
— Главное, чтобы дисциплина была железная. Нас в своё время держали строго — и ничего, людьми выросли. Чем жёстче, тем лучше.
И все они могут в итоге выбрать совершенно разные школы.
И тут есть один важный нюанс.
Если вы сами не определили, что для вас означает «хорошая школа», то передали ему не только поиск решения.
Вы передали ему ещё и постановку задачи.
А значит, он будет исходить из собственного представления о хорошем образовании — или из критериев, принятых в его профессиональной среде.
И это уже будет не ваша модель.
Поэтому даже в области, где вы совсем не специалист, вам всё равно приходится самостоятельно определить главное:
что для вас важно, чем можно пожертвовать, что недопустимо и какой результат вы вообще хотите получить.
А уже внутри этой рамки знания специалиста становятся по-настоящему полезными.
По сути, всё это — про мета-рамку мышления.
Внутри конкретной профессии такая рамка обычно постепенно появляется сама.
Врач знает, какие признаки действительно меняют диагноз. Инженер привык видеть ограничения, допуски и компромиссы.
То есть специалист осваивает не только знания, но и определённый способ думать о задачах своего типа.
Всё это прекрасно работает, пока задача лежит внутри знакомой вам области.
Но жизнь совершенно не обязана подсовывать нам задачи только по нашей специальности ;
Значительная часть важных жизненных задач вообще возникает там, где собственной экспертности у нас нет. Или где привычные знания и модели быстро устаревают.
Ну или где несколько профессиональных подходов выглядят вполне разумными, но ведут к противоположным выводам — как перед высадкой в Нормандии.
И тогда особенно ценным становится уже не ещё один набор специальных знаний, а способность быстро построить для новой ситуации рабочую рамку.
Понять, что здесь вообще происходит. Какие модели имеет смысл рассматривать.
Что считать существенным, а что пока отложить в сторону. Где мы знаем достаточно, а где просто уверенно фантазируем.
Это один из ключевых навыков мышления в современном мире.
Именно этот уровень мы называем современной практической Логикой.
Речь здесь не о классической аристотелевской логике — с силлогизмами и проверкой того, насколько корректно вывод следует из посылок.
А о гораздо более широком наборе современных подходов, которые позволяют работать с неопределённостью, неполными данными, конкурирующими моделями, сложными системами и задачами, которые ещё нужно правильно поставить.
Именно вокруг такой Логики мы и построили наш курс «Логика как фундамент мышления».
По сути, мы смотрим, какие инструменты современной науки можно забрать себе и использовать в обычной жизни.
Поэтому мы разбираемся, например, как работать с гипотезами и не влюбляться в первое красивое объяснение.
Как принимать решения, когда данных недостаточно и точного прогноза не существует.
Как отличать сигнал от шума — особенно сейчас, когда проблема обычно не в недостатке информации, а в том, что её слишком много.
Как видеть в сложной ситуации не одну причину, а структуру взаимодействий, которая и формирует результат.
Как декомпозировать действительно сложные задачи, находить ограничения и точки, где небольшое изменение может дать непропорционально большой результат.
Как пользоваться вероятностным мышлением там, где привычного «да / нет» уже недостаточно.
Как проверять собственные модели на прочность — в том числе специально искать факты, которые могут их разрушить.
И как вовремя замечать, что проблема вообще не в ответе — а в вопросе, который мы себе задали.
Все эти инструменты мы берём из разных областей и подходов — научного метода, нечёткой логики, теории систем, теории хаоса, вероятностного мышления.