Краткое эссе о либертарианстве, рационализме, лудомании и математике

Sperry UNIVAC

Of Dice and Men

Человека, как вид, отличает среди прочих, в том числе, желание играть на деньги. Если переформулировать это чуть более аккуратно, то можно сказать так: разнообразные игры (вплоть до весьма абстрактных, типа гоняния круглой и сердитой рыбы фугу дельфинами) встречаются у многих животных, но только у человека они приняли крайне специфическую форму, заключающуюся в том, что он предлагает что-то для себя ценное, затем внешний мир проводит какую-то проверку, и, если есть совпадение, человек получает увеличенную ценность.

Это своеобразное рационализированное стремление к халяве и одновременно легальный способ его удовлетворить. Подсознательно всем хочется идти по улице и найти золотой слиток, только вот везет так крайне немногим. На этом разрыве между совершенно тотальным желанием и крайне редкой его реализацией и работают абсолютно все азартные игры. Ключевым их моментом является раздача халявных денег, но, так как конторам надо с чего-то жить, это принимает форму типичной пирамиды: 1000 людей вносят по $1, случайно выбранный один получает обратно $900, а оставшуюся сотку забирает контора. Этот обобщенный принцип верен совершенно для любой игры: от однорукого бандита до покера и ставок на спорт. Желание это столь тотально и всеобъемлюще, что ставочные конторы всех видов процветают стабильно и изобильно, как и всевозможные казино, игорные дома и простые наперсточники. Общий оборот мировых ставок в 2025 г. достиг $112–114 млрд, из которых порядка $10–17 млрд — чистый доход, а выручка казино за тот же год составила $146–245 млрд с прибылью порядка $22–35 млрд (по данным Gross Gaming Revenue). На идущем сейчас ЧМ-2026 объем ставок, по прогнозу банка Macquarie, составит порядка $50 млрд, это рекорд с большим отрывом (причём это только классические ставки через сайты и физические конторы). В США постепенно смягчают законодательство о ставках, а граница между двумя рынками стремительно стирается. Почти все крупнейшие мировые игроки (от американской MGM/BetMGM до европейских Bet365 и Entain) сегодня представляют собой гибридные платформы, где пользователь в одном приложении может и поставить на футбольный матч, и покрутить рулетку.

В МКБ-11, известном своей толерантностью к психическим заболеваниям, до сих пор остается раздел, аккуратно названный «опасные игры и ставочничество», описывающий расстройство, по частоте сравнимое с алкоголизмом (и часто ему сопутствующее) и настолько же разрушительное — лудоманию, невыносимую тягу просадить все деньги на ставках. В целом общество лудоманию осуждает примерно так же, как и алкоголизм (и в терминальной стадии она приводит практически к таким же последствиям), и точно так же, как бары во времена многочисленных Сухих законов и Лиг воздержания, казино и ставки периодически громили, запрещали и изгоняли. Разумеется, точно так же порок оставался вечным и непобедимым, но сам процесс показывает, что ставочникам надо быть осторожными и стараться выдать свое ремесло за что-то, что вызывает меньший эмоциональный отклик.

Казино и обезьяны

Наиболее благородным видом ставок в глазах обывателя являются многочисленные финансовые рынки, и это несмотря на то, что работа трейдера ничем не отличается от казино. В 1973 г. экономист Бертон Малкиел написал: «Обезьяна с завязанными глазами, бросающая дротики в финансовые страницы газеты, может выбрать портфель, который покажет себя не хуже, чем портфель, тщательно отобранный экспертами».

Первым подходом к проблеме стал эксперимент WSJ Investment Dartboard Contest газеты The Wall Street Journal, который они проводили на протяжении целых 14 лет — с 1988 по 2002 г. Правила были максимально простыми. Каждый месяц (а позже — каждые полгода) редакция устраивала дуэль. Портфель профи закупала команда экспертов и профессиональных управляющих фондами, используя весь доступный математический аппарат мира. Сотрудники же газеты вешали на стену финансовую страницу с котировками акций и бросали в нее дротики. Четыре компании, в которые они попадали, формировали портфель обезьяны. По истечении срока результаты доходности обеих команд сравнивались между собой, а также с доходностью всего рынка — индексом Dow Jones Industrial Average. Всего было проведено 142 раунда. Если сравнить портфели профи и обезьяны между собой, эксперты выиграли в 61% случаев. Однако, когда результаты экспертов сравнили с обычным пассивным индексом Dow Jones, оказалось, что люди смогли обойти рынок только в половине случаев (71 раунд из 142). То есть шансы аналитика угадать движение рынка были равны буквально подбрасыванию монетки. Наконец, исследователи из Пенсильванского университета детально изучили этот конкурс и обнаружили важный нюанс. Как только WSJ публиковала список акций, выбранных экспертами, тысячи розничных инвесторов тут же бежали их скупать. Это искусственно завышало цену акций в первые дни раунда и давало экспертам фору. Это явление было названо эффектом объявления, и, если его учесть, результаты портфелей профи и обезьяны становились одинаковыми.

До этого гипотеза эффективного рынка Бертона Малкиела и труды нобелевского лауреата Юджина Фамы оставались университетской теорией, но после WSJ Investment Dartboard Contest люди осознали, что поведение рынка есть случайность. Конкурс прекратили, кстати, официально потому, что формат устарел, а неофициально — потому, что на газету жестко нажали авторитетные люди с Уолл-стрит, которых достало, что их выставляют идиотами и мошенниками 14 лет подряд. Однако свое дело эксперимент сделал: сегодня триллионы долларов по всему миру инвестируются именно пассивно — в индексные фонды и ETF.

В январе 1999 г., в самый разгар пузыря доткомов, 5-летняя шимпанзе Рэйвен буквально реализовала метафору Малкиела. Ей дали дротики, и она бросила их в список из 133 технологических компаний. Из выбранных ею акций был создан индекс MonkeyDex, который к концу года показал доходность в 213%. Она обогнала более 6000 профессиональных управляющих фондами и попала в Книгу рекордов Гиннесса. В 2008 г. журнал «Финанс» провел свой эксперимент в России. Цирковой шимпанзе Луше предложили выбрать 8 кубиков с названиями различных акций. Через год портфель Луши показал доходность выше, чем у 94% российских ПИФов. Секрет успеха крылся в том, что Луша совершенно случайно выбрала акции банков, которые государству потом пришлось спасать во время кризиса, из-за чего они мощно взлетели. Британская газета The Observer в 2012 г. устроила соревнование длиной в год. Против команды из трех профессиональных финансовых менеджеров и команды студентов выставили рыжего кота Орландо. Кот делал свой выбор, бросая любимую игрушечную мышь на сетку с названиями компаний. Изначально профессионалы лидировали, обложившись тоннами графиков, «японских свечей» и прочей хитровывернутой аналитики, но к четвертому кварталу пришел черный лебедь, прямо по Нассиму Талебу. Кот несколько раз удачно бросил мышь и по итогам года получил доходность 11% против всего 3,5% у команды людей. Царь-трейдером же стал легендарный хомяк Mr. Goxx — звезда крипторынка. В 2021 г. два специалиста из Германии построили для обычного сирийского хомяка по кличке Макс высокотехнологичную клетку Goxx Capital. Хомяк крутил колесо, которое выбирало одну из 30 криптовалют. Затем он пробегал через один из двух туннелей: «Купить» или «Продать». Система считывала это и автоматически совершала реальную сделку на бирже. За несколько месяцев своей карьеры Мистер Гокс увеличил свой портфель почти на 20%. Он обошел по доходности не только индекс S&P500, но и легендарного инвестора Уоррена Баффета, а также фонд Cathie Wood. К сожалению, в конце 2021 г. пушистый трейдер умер, и фонд закрылся.

Вокруг бизнеса разнообразных финансовых инструментов за пару сотен лет усилиями самих финансистов была нагорожена терминология и атмосфера, напоминающая «Науку логики» Гегеля, т. е. густой, как сироп, псевдонаучный бред, и в итоге, какие бы регуляции и осуждения ни обрушивались на казино, биржу никто не трогает. Чуть менее почетной лудоманией являются популярные в последние лет 10 криптоинвестиции, но самое интересное — это третья штука, чья концепция одновременно проста и гениальна. Речь идет о рынках предсказаний, с которыми мы и будем разбираться.

Что такое рынок предсказаний?

Ставочники давно задумывались, как наилучшим и простейшим образом скрестить ежа и ужа: такие малосовместимые вещи, как низкий порог входа, азарт и простоту ставок (как в спорте) и изысканный флер чего-то возвышенного, умного и аристократического из финтеха. Игра на бирже всем хороша (особенно просаживаемыми там суммами), плоха только тем, что порог входа у нее высоковат, а азарт — низковат. Мало кто готов каждый час с придыханием проверять, ну как там родные акции «Пятерочки», поднялись ли с 65,6 р. хотя бы до 67,8 р. и когда можно вывести аж 21,4 р. прибыли. Азарт же торговать акциями SpaceX на $20–30k типичному скуфу из трейлерного парка недоступен по причине отсутствия таких денег. Кроме того, классическое ставочничество дает еще и чувство сопричастности, немыслимое для биржи с тех пор, когда из теплого лампового толкания локтями, махания опционами и попыток переорать толпу таких же трейдеров она стала стерильной, онлайновой и неинтересной. Когда же ты ставишь на спорт, то орать ГОООЛ!! с соседями-подпивасами в баре становится в сто раз веселее, и пиво в сто раз вкуснее.

Начиная с 2022 г. рынки предсказаний стремительно ворвались в нашу жизнь, и в настоящий момент их оборот исчисляется миллиардами долларов. Интересно, что многие лудоманы, которые пришли к банальным ставкам на спорт (в том числе и на нынешнем ЧМ), сделали это как раз-таки под воздействием рынков предсказаний. И тут дело не только в новых модных механиках, подъехавших в ставки из финтеха и крипты, — интересно, что рынки привлекли совершенно новую аудиторию, которая раньше вообще не ставила. Люди идут туда не только за долларами, но и испытывают желание познать «консенсус рынка», стать более умными (ахаха) и более рациональными. При этом изрядная часть пользователей в процессе корраптится и радостно перетекает в самое обычное ставочничество. Так что современная индустрия ставок заполучила интересный инструмент, которым они могут дотянуться до аудитории, ранее ей принципиально недоступной. Ведь ставки на спорт в онлайн-казино — это лудомания, скуфы, пивной алкоголизм и зашквар. А вот ставки на спорт на Polymarket или Kalshi — это интеллект, рациональность, банановый смузи и худи с капюшоном прямо из Кремниевой долины, почти как у настоящих волков Уолл-стрит.

Разумеется, поставить там можно не только на спорт, в этом весь и смысл. Сделать это можно в широких пределах того, что считается приличным в обществе и законным в США (т.к. под их юрисдикцию они стараются влезть, чтобы стать толстыми и солидными). Поставить можно от того, сколько твитов напишет Маск сегодня, до того, что случится раньше — второе пришествие Иисуса или выход Half-Life 3.

По классике работают они в 3 этапа (на случай, если кто не в курсе).

1. Создание контракта (Выпуск акций)

Организатор рынка четко формулирует вопрос и условия его разрешения. Контракт обычно устроен по принципу бинарного опциона (хотя бывают и многовариантные рынки), где общая сумма выплат по итоговому результату всегда равна определенной фиксированной величине (опять-таки, классически это $1 или эквивалент $1 в криптовалюте). Создаются два типа акций, одинаковые во всем, кроме смысла: «ДА» по завершении контракта приносит $1, если событие случилось, «НЕТ» — соответственно, если не случилось. Цена всегда нормирована на единицу, в любой момент времени цена набора «ДА» + «НЕТ» = $1. Это нужно для того, чтобы можно было интерпретировать этот набор как вероятность события. Для многовариантных рынков все то же самое, но нормирование сохраняется, просто выпускаются акции «Исход 1», «Исход 2» … «Исход N». Их суммарная стоимость также всегда равна $1.

2. Торги.

Акции выбрасываются в продажу, и каждый волен их купить, цена колеблется в диапазоне от 0 до 1. Если акции на вариант «ДА» торгуются по $0,65, то акции «НЕТ» автоматически получают цену $0,35, соотношение цены плавает в зависимости от того, кто сколько акций купил. Грубо говоря, задаем вопрос: выбьет ли Иран репарации с Трампа в течение следующей недели? Выбрасываем на рынок акции по цене, изначально определяемой алгоритмом LMSR (или схожим, о нем подробнее ниже). Большая часть людей уверена, допустим, что да, и начинает скупать акции «ДА», их цена за час взлетает до 0,90, а цена «НЕТ» автоматически падает до 0,1. Затем приходят какие-то инсайдеры, которые уверены, что нет, и начинают скупать «НЕТ», в итоге их цена залетает до 0,4. Работает это все через автоматический маркетмейкер (например, упомянутый LMSR — Logarithmic Market Scoring Rule), который динамически меняет цену акций в зависимости от структуры спроса.

3. Разрешение рынка (Расчеты).

Когда наступает установленная дата или событие официально происходит, рынок закрывается. Организатор фиксирует финальный результат на основе авторитетных источников. Держатели акций правильного исхода получают по $1 за каждую акцию. Держатели акций неверного исхода получают шиш.

Несложно сообразить, что такая схема возникла из сочетания довольно классических (и задокументированных примерно с XVI в.) ставок на победу кандидатов на выборах (практика, которая достигла пика в конце XIX — начале XX в., затем была в прямом виде почти везде запрещена) и университетских исследований математики прогнозов и вероятностей. Кроме того, сыграла роль и знаменитая американская традиция пари, которые люди заключали на что угодно без какого-либо государственного контроля.

Либертарианцы, рационалисты и математики

Для нас интереснее всего то, что рынки предсказаний одновременно являются священной коровой сразу либертарианцев и рационалистов. За экономическую сторону вопроса отвечает, естественно, Людвиг фон Мизес (небольшая книга 1920 г. «Economic Calculation in the Socialist Commonwealth») и Фридрих Хайек (статья 1945 г. «The Use of Knowledge in Society»). Мизес начал с постулирования либертарианской базы о том, что без частной собственности нет свободного обмена; без обмена невозможно формирование рыночных цен; без цен невозможно никакое экономическое предсказание; без предсказания невозможно понять, будет ли выгодно строить вот здесь кафе или паб, а значит, и никто ни во что не вложится, и экономического роста не будет. Хайек развил идеи Мизеса и зашел, разумеется, тоже с экономики, задавшись вопросом, чем при анкапе можно заменить Госплан. В итоге он построил концепцию «рассредоточенного знания», невыводимого научным путем, а выводимого только агрегацией мнений на местах. Таким агрегатором, работающим идеально и автоматически, для него и является Святая Свободная Рыночная Цена. Рынки предсказаний берут этот тезис и применяют его к информации: вы не можете узнать истинную вероятность события через опросы или комиссии экспертов, вам нужен свободный рынок обмена мнениями.

В 1950-е настала блаженная эра государственного капитализма, и ставки на события стали маргинальными, уйдя глубоко в академическое подполье. После ВМВ в США и Европе ужесточилось антиигорное законодательство, и ставки на общественно важные события приравняли к нелегальным казино или незаконной торговле деривативами, при этом казино и биржа хотя бы уже имели юридическое обрамление для того, чтобы легализоваться, а для ставок на события таким никто не заморочился. Кроме того, еще в 1928 г. в Университете Айовы (запомните место, оно нам еще пригодится) защитился Джордж Гэллап с работой «Объективный метод определения читательского интереса к материалам газеты». В 1930-е он работал журналистом и рекламщиком и одним из первых применил опросы клиентов для исследования рынка. Бизнес так пошел, что в 1935 г. Гэллап основал Американский институт общественного мнения, который уже в следующем году прославился организацией первого общественного опроса кампании Рузвельта. В 1958 г. институт был преобразован в Gallup Organization, и начался расцвет научной социологии. Опросы общественного мнения стали восприниматься как единственный прогрессивный и респектабельный способ узнать будущее. Прогнозы на деньги стали ассоциироваться с грязными букмекерскими конторами и маргиналами.

Одним из немногих легальных способов подружить ставки и серьезный бизнес стали хедж-фонды, работающие с игорной индустрией, и в 1960–1980-е усилия большей части математиков и бизнесменов, интересующихся лудоманией, были направлены именно туда. Пионером стал Эдвард Торп, профессор теории вероятностей из MIT, который в 1962 г. написал знаменитую книгу про игру в очко «Beat the Dealer: A Winning Strategy for the Game of Twenty-One». Блэкджек является одной из самых популярных в мире игр для казино, и Торп заморочился тем, чтобы аккуратно подсчитать его расклады с помощью невероятной инновации тех лет — институтского мэйнфрейма компьютера IBM 704. Торп всю жизнь позиционировал себя как академического ученого-бессребреника, но таким он, разумеется, не был. После расчетов он одолжил $10 тыс. у бывшего букмекера и профессионального игрока Мэнни Киммела и покатил в Лас-Вегас, за выходные подняв 10% с суммы (по меркам 1960-х — нормальные деньги). Чтобы развести побольше казино, Торп мастерски использовал маскировку: накладную бороду, очки, парики и т.п. В дополнение к игре в блэкджек Торп собрал команду по баккара, которая также выигрывала. Помимо того, Торп совратил известного информатика Клода Шеннона создать ему машинку для выигрыша в рулетку; тот собрал ее за год, и в 1961 г. они вместе испытали компьютер в Лас-Вегасе, выставив несколько казино.

После этого ему запретили появляться во всех игорных заведениях страны в любом виде и для любой игры, но Торп уже добился чего хотел. Распространение книги на пике славы было еще одним стратегическим ходом — она разошлась за несколько недель тиражом в 700 тыс. и сделала профессора миллионером. Про Киммела он в книге не писал. В 1969 г., на пике славы, он основал Princeton Newport Partners — первый в истории успешный квантовый хедж-фонд, изобретя само это явление. В большинстве игр казино (например, в рулетке или одноруком бандите) каждый следующий раунд не зависит от предыдущего, и математическое ожидание для игрока всегда стабильно немного отрицательное (иначе бы казино не могло заработать). В блэкджеке все иначе: карты уходят в отбой и назад в колоду до конца расклада не возвращаются. Довольно очевидно, что по мере выхода карт оставшаяся колода становится предсказуемее, но казино этого не замечает до конца кона и перетасовки (до Торпа не замечало, потом правила резко поменяли). В итоге он просто рассчитал моменты для разных комбинаций карт, когда вероятность сместится в его пользу, и поднимал ставки.

С хедж-фондами он придумал похожую схему заработка на ошибках других, с учетом того, что биржа — то же самое казино и обязана подчиняться законам теории вероятностей. До Торпа люди думали, что цена опциона зависит от того, насколько сильно вырастет акция в будущем (то есть нужно было угадывать направление рынка, что нереально). Торп осознал, что это вообще не нужно, и цена опциона зависит главным образом от риска (т.е. волатильности) самой акции. Он предположил, что вероятность отклонения стоимости акции от текущей цены подчиняется закону нормального распределения, т.е. кривой Гаусса (в целом довольно логично: нормальное распределение на то и нормальное, что ему подчиняется очень много случайных процессов, кроме того, имея множество биржевых таблиц за разные годы и компьютер, несложно доказать это статистически). Чем больше времени проходит, тем шире становится этот колокол, то есть тем больше неопределенность. В итоге в 1973 г. Блэк и Шоулз в статье «The Pricing of Options and Corporate Liabilities» вывели свое легендарное уравнение (Black–Scholes Option Pricing Model, OPM, за которое получили премию по экономике 1997 г.), позволяющее оценить точную стоимость опциона в определенной модели поведения рынка.

Торп сделал это статистически за 4 года до них и как раз и зарабатывал с разницы того, что люди думают о цене опциона, и того, сколько он будет стоить согласно его теории рынка. Более того, сама суть хедж-фонда заключается в выкачивании стабильной прибыли, так что Торп находил расхождения между оптимальной и реальной ценой, а затем продавал варранты и покупал акции в вычисленной пропорции. Если рынок падал, акция дешевела (Торп терял деньги), но варрант обесценивался гораздо быстрее и сильнее (Торп зарабатывал на шорте). Прибыль от варранта перекрывала убыток от акции. Если рынок рос, акция приносила колоссальную прибыль, которая с лихвой перекрывала убыток от шорта по варранту. Позже он применил этот подход к конвертируемым облигациям. В общем, с 1970-х фундаментальный манифест всего квантового и арбитражного трейдинга заключается в том, что с акциями люди играют в казино, а хедж-фонд и есть казино, забирающее прибыль с излишне азартных. При этом уже само казино может быть смачно наказано суровой реальностью. Самым известным хедж-фондом 1990-х был Long-Term Capital Management (LTCM). В его совете директоров сидели сами Фишер Блэк и Майрон Шоулз — авторы формулы и нобелевские лауреаты, миллионеры. Они использовали абсолютно те же принципы арбитража и хеджирования, и их модели показывали, что риск краха равен нулю. Но в 1998 г. случился дефолт в России, и все активы, которые исторически двигались в разные стороны (и страховали друг друга), обвалились одновременно. Из-за гигантского кредитного плеча фонд едва не утянул за собой всю финансовую систему США, и его пришлось спасать консорциуму банков. Урок не пошел впрок, и далее рухнули доткомы, а под конец случился 2008 г. Интересно, что годом ранее бывший трейдер Нассим Талеб опубликовал программную книгу «The Black Swan: The Impact of the Highly Improbable», в которой показал, что любой хедж-фонд — это просто казино второго порядка, проигрывающее раз в 10–15 лет, зато абсолютно и совершенно катастрофически. Еще одной проблемой, кстати, является вычислительная мощность: когда каждый фонд может виртуально проспекулировать сотнями миллионов, пролезая в 0,001-секундное окно между обновлениями котировок, в расчет идет даже длина кабеля от компьютера к компьютеру, причем лаги и дедлоки в таких системах несколько раз приводили к эпическим провалам на те же сотни миллионов.

Пока Торп строил Уолл-стрит, другие математики решили применить его подход к спортивным ставкам. Появились профессиональные синдикаты, которые действовали в точности как хедж-фонды: собирали деньги инвесторов, нанимали программистов и создавали статистические модели. В 1980-х годах физик-ядерщик Майкл Кент написал программу для расчета исходов матчей по американскому футболу. Вместе с Иваном Кински они основали Computer Group и первыми начали относиться к ставкам как к рынку ценных бумаг, скупая дешевые коэффициенты до того, как букмекеры успевали их скорректировать. В 1990-х австралийский игрок из семьи хорватских эмигрантов Желько Раногаец и его напарник Дэвид Уолш создали один из крупнейших в истории синдикатов для ставок на скачки. Они использовали колоссальные объемы исторических данных и вычислительную технику, чтобы находить микроскопические выгодные коэффициенты по всему миру, оборачивая миллиарды долларов. В 2000 г. появилась британская платформа Betfair — первая биржа ставок, что полностью изменило правила игры. Теперь игрокам не нужно было ставить против букмекера. Они могли ставить друг против друга, а коэффициенты двигались точно так же, как ордера на NYSE. В результате для хедж-фондов это стало сигналом: ставки превратились в полноценный финансовый рынок, и так родилось понятие спортивного трейдинга. Квантовые фонды осознали, что спортивные рынки обладают колоссальными плюсами по сравнению с акциями. Во-первых, нулевая корреляция с экономикой. Если завтра случится мировой финансовый кризис или лопнет пузырь доткомов, люди все равно будут смотреть футбол, а мяч будет круглым. Для диверсификации портфеля это идеальный актив. Во-вторых, высокая краткосрочная ликвидность: сделка (матч) закрывается за 90 минут, и деньги не замораживаются в долгих позициях. В итоге с середины 2000-х крупнейшие квантовые хедж-фонды начали открывать специализированные спортивные подразделения или покупать готовые синдикаты. Одним из самых ярких примеров стал Тони Блум, очередной математик, на сей раз из Кембриджа. Он основал компанию Starlizard, которая официально предлагает услуги спортивной аналитики, но структурно это чистокровный хедж-фонд. Starlizard использует сложнейшие алгоритмы, учитывающие даже погоду и настроение игроков, чтобы находить перекосы на рынках ставок в Азии, а на доходы фонда Блум в итоге купил английский футбольный клуб «Брайтон» и вывел его в Премьер-лигу. Аналогично математик из Оксфорда Мэттью Бенхэм, работавший изначально на Блума, создал свою аналитическую компанию Smartodds и купил клуб «Брентфорд» (похоже, у англичан это такое хобби).

Сегодня на игорных рынках серьезно впахивает множество математиков и специалистов в Data Science. Гиганты казино и ставок (Flutter, Entain, Evolution Gaming) — это, по сути, технологические ИТ-компании. Математики здесь нужны, чтобы писать алгоритмы автоматического выставления коэффициентов (буквально: прокатился мяч по полю — вероятность гола изменилась на 0,2%), а также вычислять слишком умных игроков и банить их. Против индустрии работают синдикаты ставочников и спортивные хедж-фонды, которые скупают недооцененные ставки и наживаются на этом. Их алгоритмы собирают терабайты статистики — от данных со спутников до трекеров на теле спортсменов, после чего начинается поиск арбитража. Скорость обновления коэффициентов у разных букмекеров отличается на доли секунды. Математики пишут роботов, которые успевают совершить операцию до того, как рынок придет в баланс. Интересно, что платят за весь этот праздник жизни те самые скуфы с банкой пива, которые орут ГОООЛ!! и сжимают в руках квитанции ближайшего букмекера, и платят они царски — со всего мира набегает, как мы уже говорили, более $100 млрд в год (в пересчете на планету считайте, что каждый ребенок, даже новорожденный, каждая женщина из Зимбабве и каждый уйгурский дед раз в месяц отдает ставочникам минимум $1).

Социология против рынка

Итак, о классических респектабельных и не очень методах предаваться лудомании или наживаться на ней мы поговорили, вернемся к рынку предсказаний. Передовая движуха в этой области продолжала бурлить в альма-матер Гэллапа, в Айове. В 1988 г., в эпоху киберпанка и расцвета передовых технологий (а также рейганомики, конца Холодной войны и пика общественного напряжения), три экономиста из Университета Айовы — Джордж Нойманн, Роберт Форсайт и Форрест Нельсон — сидели в баре и сокрушались, что традиционные социологические опросы полностью провалились, не сумев предсказать неожиданную победу Джесси Джексона на праймериз Демократической партии в Мичигане. Они решили проверить хайековскую гипотезу на практике и создали Iowa Political Stock Market (позже переименованный в Iowa Electronic Markets — IEM), дедушку всех современных рынков предсказаний.

Профессора обошли закон, позиционировав платформу строго как некоммерческий научный эксперимент, и выбили у Комиссии по торговле товарными фьючерсами США (CFTC) уникальное регуляторное послабление (т.н. no-action letter). По нему обычным людям разрешалось заводить на платформу маленькие суммы (лимит от $5 до $500), а сам рынок не регулировался как финансовая биржа. Результаты IEM шокировали академический мир. На протяжении президентских выборов 1988, 1992 и 1996 гг. крошечный рынок, в котором участвовало всего несколько сотен студентов и профессоров с модемами, в 75% случаев давал более точный прогноз, чем многомиллионные профессиональные опросы Gallup Organization.

Когда компьютеры стали полностью персональными, а интернет — относительно развитым и широко распространенным, к концу 1990-х внутренние скрытые рынки предсказаний появились для сотрудников Hewlett-Packard, Google и Microsoft. На них можно было сделать небольшие ставки на то, провалится ли какой-то продукт или успеют ли доделать релиз. Точность была вполне удовлетворительная. Революция наступила в 2001 г. В Ирландии (одной из самых либеральных к ставочникам стран и вообще с широко открытой экономикой) была создана первая легальная коммерческая платформа Intrade, которая позволяла делать ставки на политику по всему миру. Интересно, что именно там тусовались ранние рационалисты, и они же, после либертарианцев, послужили второй опорой рынков предсказаний. Работала Intrade вручную, никаких передовых алгоритмов еще не было, так что эффективность (в плане зарабатывания бабла) была невелика.

Бум доткомов и взрывное распространение информационных технологий в начале 2000-х привели к своеобразной второй волне киберпанка. В сети появилось множество гиковских групп, общающихся, как правило, рассылками (Extropians, SL4) и на ранних форумах. Главными темами молодежи, воспитанной на изобильной культуре 90-х и вере в неограниченный прогресс, были трансгуманизм, вечная жизнь, крионика, сингулярность и когнитивная наука. Одним из самых ярких гиков стал двадцатилетний Элиэзер Юдковский — парень-самоучка, не окончивший даже среднюю школу, но обладавший могучим и специфическим интеллектом. В 2000 г. он основал SIAI (Singularity Institute for Artificial Intelligence), который позже превратился в MIRI (Институт исследования машинного интеллекта). Дальше процесс шел параллельно.

Робин Хэнсон, радикальный профессор экономики в Университете Джорджа Мейсона, в начале 2000-х выдал рынкам предсказаний недостающее звено. Он впервые превратил качественную философию Хайека о цене как носителе информации в математическую модель. Основными проблемами Intrade были низкая ликвидность (если на рынке мало участников, торговать некому, и цена не отражает реальность) и манипуляции (богатый игрок мог легко исказить цену). Хэнсон решил обе проблемы, создав тот самый алгоритм LMSR в 2002 г., на котором и его наследниках сейчас работают все рынки предсказаний. Вместо того чтобы ждать, пока на рынке появятся продавец и покупатель и договорятся о цене, Хэнсон ввел в систему оракула (маркетмейкера), который готов торговать с любым участником в любую секунду. Цены на акции «ДА» и «НЕТ» рассчитываются через экспоненциальную функцию стоимости (Cost Function, C(q)), которая зависит от текущего количества купленных акций каждого типа в системе (ограничения формата не позволяют ее здесь привести, хотя она и несложная). Важным ее коэффициентом является т.н. параметр ликвидности — заданный организатором объем денег, определяющий, насколько сильно одна ставка сдвигает цену. Цена акции за конкретный исход — это частная производная от C(q) и в силу свойства логарифма автоматически находится в диапазоне от 0 до 1. В итоге робот Хэнсона смог заставить рынок работать даже с одним живым участником, а организатор рынка заранее знает свой максимальный убыток (он жестко ограничен параметром b). По сути, организатор платит этот контролируемый «налог» за то, чтобы узнать правду от трейдеров. Классический свободный рынок по Хайеку работает потому, что люди хотят заработать на дефиците товаров. Но на информационном рынке стимулы могут быть слабее: зачем тратить 10 часов на анализ отчетов, чтобы заработать $5 на ставке о погоде? Хэнсон математически доказал, что для получения сверхточных прогнозов организатор рынка (например, государство или корпорация) должен субсидировать рынок. Алгоритм LMSR устроен так, что он изначально теряет немного денег в пользу самых первых и самых точных прогнозистов.

Футархия и биржа убийств

Формализовав идеи Хайека, Хэнсон пошел дальше и предложил радикальную форму государственного управления — футархию (Futarchy). Он предложил разделить политику на две части: люди (парламент/граждане) голосуют только за метрику счастья (например: «Мы хотим, чтобы через 4 года ВВП вырос на 3%, а уровень преступности упал на 10%»). Это определение национальных ценностей, а рынки предсказаний решают, как этого достичь.

Механизм футархии такой. Если принимается закон (например, о снижении налогов), открываются два спекулятивных рынка: «Рынок А. Каков будет ВВП, если закон примут?» и «Рынок Б. Каков будет ВВП, если закон не примут?». Трейдеры, экономисты и инсайдеры со всего мира начинают ставить миллиарды долларов на эти исходы. Если цена-вероятность на рынке А оказывается выше, чем на рынке Б, закон автоматически вступает в силу. Если рынок ошибется, трейдеры потеряют свои деньги. Хэнсон утверждает, что «при футархии нами по-прежнему управляют законы, но эти законы выбираются на основе беспристрастного анализа рынков, аккумулирующих все знания человечества, а не на основе дебатов юристов и лоббистов».

Через год после создания LMSR Хэнсон прославился настолько, что DARPA наняло его для создания Policy Analysis Market (PAM) — «Рынка анализа политики». Проект курировал адмирал Джон Пойндекстер. Идея была чисто хайековской: запустить рынок предсказаний для сбора разведданных на Ближнем Востоке. Военные, аналитики и инсайдеры должны были анонимно торговать контрактами на геополитические события. Вскоре разразился чудовищный скандал, когда сенаторы-демократы (среди которых были Барбара Боксер и Хиллари Клинтон) узнали, какие именно контракты планировалось там разместить. Торговать предлагалось в том числе вероятностью террористических атак, убийств лидеров государств и военных переворотов. У Сената случился коллективный инфаркт. Проект назвали «рынком смерти» и «казино для террористов». Сенатор Боксер заявила: «В самой идее делать ставки на террористические атаки есть что-то глубоко больное». Политики испугались, что террористы будут сами организовывать теракты, чтобы закрыть свои ставки в плюс. С учетом 11 сентября проект PAM был со скандалом закрыт в течение суток после того, как о нем написали СМИ. Адмирал Пойндекстер ушел в отставку, а сама концепция рынков предсказаний получила в прессе ярлык «аморальной игры в смерть» (например, легендарная платформа Intrade закрылась под давлением американских регуляторов в 2013 г.) вплоть до появления блокчейна, смарт-контрактов и Элиэзера Юдковского.

Интересно, что по похожей схеме должен был работать т.н. Assassination Market, идея которого была высказана еще в книге известного киберпанка Тимоти Мэя 1994 г. «The Cyphernomicon». Популяризована она, как и само название, была в одноименном эссе Джима Белла 1995 г. Попытки популяризовать идею со ставками на дату смерти неугодного лица продолжались до 2013 г., когда, наконец, Tor и Bitcoin позволили создать анонимный сайт, предлагающий такой функционал. Кончилось все ожидаемо: сайт существовал примерно до 2018 г., собрал несколько сотен битков на убийство Обамы, экономиста Бена Бернанке и бывшего министра юстиции Швеции Беатрис Аск, и тихо растворился в тумане, унеся их с собой.

Пришествие Юдковского

После того как Хэнсон осрамился в Сенате, он снова ушел в тень и сошелся с прото-рационалистами. Юдковский в этот момент как раз изучал математику, которая могла бы лечь в основу пропагандируемого им движения рационализма. Рационалисты в чем-то похожи на объективистов, потому что один из их столпов (подобно тому, как «А есть А») — карта должна соответствовать территории, т.е. картина мира в нашей голове должна соответствовать реальному миру. Второй их столп очень напоминает ставочников, потому что основа инструментального рационализма (т.е. того, как по нему жить вообще) — это, по описанию Юдковского, искусство систематически выигрывать, т.е. за счет понимания объективных механизмов реальности делать лучшие выборы. Неудивительно, что, учитывая полемический пыл Юдковского, значительную часть времени рационалистам пришлось отбиваться от обвинений в религиозном сектантстве по типу сайентологии (только без тэтанов, но с пожертвованиями, разумеется, MIRI сам себя не прокормит). В итоге, забегая вперед, все кончилось предсказуемо: Юдковский сначала разошелся во мнениях с Хэнсоном, а с 2023 г. совсем протек головой и начал призывать государства бомбить все дата-центры, пока нас не поработили роботы, и в итоге растерял и связность речи, и аудиторию. Факел рационализма же подхватило умеренное крыло, не поехавшее на ИИ. В 2013 г. психиатр из Калифорнии под псевдонимом Скотт Александер запустил блог Slate Star Codex (SSC) и спас ситуацию после крышесноса основателя движения. Если Юдковский писал агрессивно, догматично и менторски, то Скотт Александер отличается юмором, эмпатией и спокойствием и в основном сосредоточен на социологии, медицине и культуре. Вокруг SSC сформировалась более умеренная и широкая фракция движения (их часто называют пострационалистами).

Юдковский во многом опирается на передовые работы психолога и математика Даниэля Канемана (с разнообразными соавторами, один из самых известных из которых — Амос Тверски), первооткрывателя когнитивных искажений и разнообразных ошибок восприятия. Первой его книгой стала посвященная проблеме внимания «Attention and Effort» 1973 г., затем знаменитый труд об эвристиках и искажениях «Judgment Under Uncertainty: Heuristics and Biases» 1982 г. (на него рационалисты ссылаются очень часто), не менее известная книга о фреймах в мышлении «Choices, Values and Frames» 2000 г. и самая популярная на русском «Thinking, Fast and Slow» 2011 г. За три года до смерти, в 2021 г., он написал последнюю важную книгу «Noise: A Flaw in Human Judgment». Без Канемана и Тверски сообщества рационалистов в его нынешнем виде просто не существовало бы. Их описание когнитивных искажений — это база LessWrong, даже само название Юдковский выбрал вполне говорящее. В рационализаторских практиках CFAR вовсю используется канемановское разделение мышления. Система 1 (быстрая, интуитивная, автоматическая) постоянно ошибается в вероятностях. Система 2 (медленная, логическая, требующая усилий) — это то, что рационалисты пытаются тренировать с помощью байесианства. Сам Канеман знал о существовании сообщества и относился к нему с глубоким уважением. В 2010-х годах он даже посещал некоторые мероприятия и встречи рационалистов в Беркли.

Совсем другие отношения у Юдковского сложились с Нассимом Талебом, который, как всегда, крайне язвительно отзывается о сообществе рационалистов как об интеллектуальных идиотах (имея в виду формально умных людей, разбирающихся в куче сложных вещей, но несущих полную хрень, типа биржевых трейдеров). С одной стороны, книги Талеба («Черный лебедь», «Одураченные случайностью», «Рискуя собственной шкурой») — это обязательное чтение для любого рационалиста. С другой стороны, сам Талеб при любой возможности публично атакует рационалистов в своем твиттере. И Талеб, и рационалисты презирают кабинетных экспертов, макроэкономистов и чиновников, которые делают прогнозы по сложным системам, не понимая, как устроен мир, и главная идея Талеба о том, что человек должен отвечать деньгами или репутацией за свои слова, — это фундамент хайековского подхода и тех самых рынков предсказаний, которые пиарит Юдковский. Оба лагеря согласны, что люди катастрофически плохо понимают концепцию случайности. За что же он считает их идиотами? За то же, за что и трейдеров: он утверждает, что рационалисты застряли в т.н. «Среднестане», стране, где работает вся эта замечательная формальная математика и статистика, включая нормальное распределение. В реальности же мы живем в «Крайнестане» — неизведанной территории с т.з. вероятностей, для которой все эти байесианские оценки просто смешны. Точнее даже, они работают 99% времени (в чем и заключается ловушка), а затем, когда люди достаточно им доверятся, возникает очередное дело Enron, крах Lehman Brothers, пандемия COVID или война, и все летит к чертям. С точки зрения Талеба, пытаться рассчитать точную вероятность того, убьет ли ИИ человечество (чем последние годы занят Юдковский), — это псевдонаучный бред и гадание на кофейной гуще, потому что у нас нет априорных данных для таких расчетов.

Основная и концептуальная линия раскола у Талеба и Юдковского — это т.н. Линди-эффект (Lindy Effect) и границы его применимости. Эффект этот, изначально шуточный, был замечен бродвейскими комиками, собиравшимися в ресторане Lindy’s в Нью-Йорке в 1960-е. Они заметили, что чем дольше идет какое-либо шоу, тем, скорее всего, оно дольше и будет идти. Если взять мюзикл, который дают уже год, то почти наверняка его будут давать и в следующем году, а если взять шоу, которому только неделя, то вполне вероятно, что его закроют на следующей. Линди-эффекту, очевидно, подвержены только мемы (информация, культура, институты, а также технологии) или же самые общие концепции (например, человечество, а не отдельные люди). Талеб сделал из этого далекоидущие выводы. С его точки зрения, то, что человечество существовало сотни тысяч лет, означает, что оно столько же и просуществует, тогда как вероятность того, что ИИ, которому 15 лет, кончится не апокалипсисом, а пшиком в ближайшие лет 20, — очень велика. Он приводит в пример «Илиаду» — если она издается уже 2000 лет, то, скорее всего, никогда не потеряет популярность (как и «Библия»), а список бестселлеров NYT обычно забывают за год.

То, как Талеб обращается с Линди-эффектом, вызывает у рационалистов пожар на стуле. Главная цель Юдковского — предотвратить гибель человечества от сильного искусственного интеллекта (AGI). Для них ИИ — это абсолютно беспрецедентная угроза, меняющая все правила игры. Талеб считает это детским садом и говорит, что человечество пережило миллион угроз за сотни тысяч лет, и строить математические модели апокалипсиса на основе технологии, которой без году неделя, — тупость. Рационалисты парируют, что Линди-эффект ослепляет Талеба перед лицом экзистенциального сдвига. Тот факт, что индейцы на протяжении тысяч лет успешно выживали на своем континенте (согласно Линди, они должны были жить так и дальше), никак не помог им, когда приплыл Колумб с порохом и оспой. Рационалисты утверждают, что сильный ИИ — это «черный лебедь» самого Талеба, которого сам же Талеб отказывается видеть из-за слепой веры в Линди. Отдельно их бомбит с того, что Талеб использует Линди-эффект для защиты консерватизма, религии и древних человеческих привычек: по его мнению, если люди 10000 лет молились богам, то так и надо продолжать, что-то в этом есть, тогда как все современные приколы типа неоэтических теорий — преходящая ерунда, которую Линди-эффект скоро смоет в унитаз истории. Рационалисты верят, что человеческий разум с помощью байесианского мышления может и должен создавать новые, гораздо более эффективные системы и институты, не дожидаясь, пока эволюция отфильтрует их за тысячи лет методом проб, ошибок и миллионов трупов. На самом деле, естественно, Линди-эффект работает только в системах с распределением Парето (степенным законом), но реальный мир сложнее. Иногда старые институты (например, монархии в начале XX в.) кажутся вечными по Линди, а затем рушатся за один день, потому что под ними прогнил фундамент.

Что такое байесианская математика

Итак, самое время поговорить о том, по какой математике угорел Юдковский и как она относится к рынкам предсказаний. По байесовской вероятности, которая, согласно знаменитому принципу Арнольда именования математических сущностей, не имеет никакого отношения к преподобному Байесу. Чем вообще Байес занимался? Ничем особо революционным. Его работа «An Essay towards Solving a Problem in the Doctrine of Chances» была опубликована в 1763 г., через два года после смерти самого Байеса, но прошла незамеченной, пока в 1812 г. знаменитый Лаплас не изложил современный подход к вероятностям в монументальном томе «Théorie analytique des probabilités». Там же он привел более строгий и современный вариант теоремы. Суть ее довольно проста: теорема Байеса позволяет по свершившемуся событию оценить вероятность того, что оно настало в результате того или иного предшествующего ему события (если, разумеется, мы как-то смогли откуда-то взять априорные, т.е. изначальные, вероятности разных предшествующих событий). Канонический пример дан прямо в Википедии, и он такой простой, что ни добавить, ни убавить.

Например, мы стоим перед фактом: у нас не завелась машина. Вопрос: что с ней не так? Очевидно, что вероятность того, что машина не заведется, если в ней нет бензина, = 100%, или 1. А вот дальше начинается та самая непонятная магия — предположим (!), что вероятность того, что случайно встреченная нами машина не заправлена, равна 1%, или 0,01. Откуда мы это вывели? А из ниоткуда, теорема Байеса нам ничего об этом не говорит, она работает только с апостериорными (т.е. итоговыми) вероятностями, а откуда берутся априорные (т.е. изначальные) вероятности — ей глубоко пофиг. Запомним этот момент, далее он нам пригодится.

Далее нам нужна еще одна такая же априорная вероятность — того, что случайно встреченная нами машина не заводится, пусть таковых у нас 2%, или вероятность равна 0,02 (да, она тоже дана от балды). Теперь, зная эти три числа (1, 0,01 и 0,02), мы уже можем делать осмысленное утверждение: если встреченная нами машина не завелась, то с вероятностью 50%, или 0,5, в этом виновато отсутствие бензина!

Строго это подсчитано как раз с помощью формулы Байеса: P(A|B) = P(B|A)P(A)/P(B). У нас A — это гипотеза, что кончилось топливо, B — факт, что машина не заводится, P(B|A) = 1 — вероятность того, что машина не заведется при пустом бензобаке, P(A) — априорная (то есть взятая от балды) вероятность того, что бензобак пуст (ее мы назначили 0,01), а P(B) — априорная вероятность того, что случайно встреченная нами машина отказалась заводиться (ее мы назначили 0,02). P(A|B) же — это осмысленный вывод: вычисленная нами вероятность того, что случайно встреченная не заводящаяся машина имеет пустой бак.

Пока звучит как что-то не очень крутое, но примеры полезных (в том числе в работе нейросетей) вариантов байесовского выбора вы нагуглите и без меня. Как видите, использование этой формулы упирается в одну большую засаду — мы ничего не знаем об априорных вероятностях, чему они равны? И тут мы сталкиваемся с философской проблемой: а что такое вероятность вообще и что она отражает? Математики признают в целом только одно определение, введенное в 1933 г. гениальным советским математиком Александром Колмогоровым в его фундаментальном труде «Основные понятия теории вероятностей». К сожалению, аксиоматика Колмогорова прекрасно позволяет работать с чистой математикой, но на фундаментальный вопрос (ну так что же такое вероятность по жизни, по-простому, пацанским языком?) так ответа и не дает, потому что математикам (за редкими маргинальными исключениями) на такие вопросы плевать (иначе бы они занимались не математикой, а чем-то другим).

Простых же человеческих интерпретаций вероятностей обычно приводят три (в чем-то тут ситуация схожа с квантовой механикой: вся ее математика прекрасно разработана и отлично применяется на практике, вопрос же ее философской интерпретации — предмет бесконечных споров, Юдковский, кстати, и тут вставил свои пять копеек). Согласно историческому и классическому подходу, вероятность — это предельное соотношение, получаемое экспериментально: кинули монету 10, 100, 1000 раз и посчитали число исходов. Если оно крутится около половины — назначаем орлу и решке по 0,5. Все просто.

Это работает во многих случаях, но мало кому нравится, потому что людям хочется пойти глубже и раскопать: а почему это монета так падает? Отсюда появляется т.н. интерпретация «склонности». Некоторые вероятности являются частью нашего мира. Сказать, что монета выпадает решкой в половине случаев, — высказать о монете голый факт. У подбрасываемой монеты есть фундаментальная склонность выпадать решкой в 50% случаев. И когда мы говорим, что монета имеет 50% вероятность выпадения решки, мы говорим именно про эту склонность. Интерпретация «склонности» наиболее естественна для человеческой интуиции, ведь многим людям кажется, что случайность — это врожденное свойство монеты, но далее все снова уходит в дебри философии.

Самый же интересный вариант — третий, который как раз и называют байесовским, не потому, что он имеет отношение к Байесу, а потому, что, чтобы использовать его формулу, мы должны как-то назначить те самые входные априорные вероятности. Если речь идет о монете, то назначить их довольно просто частотным способом, но очень часто в реальности речь идет о вещах, сбор статистики для которых затруднен или невозможен. Даже с автомобилями мы не будем ходить по парковке, бить стекла и вламываться в каждую машину, чтобы на основе 10000 экспериментов подсчитать, сколько из них не заводятся и почему. Скорее всего, мы обобщим в голове примерно 3 года владения своей машиной и память о том, как она не завелась, и, возможно, опыт знакомых автомобилистов. Поэтому я и использовал выше грубую формулировку описания априорных вероятностей — от балды, потому что они строго субъективны и зависят от конкретного человека. Поскольку главное место, где они фигурируют, — это теорема Байеса, то в итоге субъективные вероятности стали называть байесовскими. Грубо говоря, это мера вашей личной, персональной, непонятно откуда взявшейся уверенности в каком-либо факте, а измерить ее в числах проще простого. Сколько денег из $100 вы готовы поставить на то, что через 5 минут ваша машина откажется заводиться? $1, т.к. обычно она так не шакалит? Вот вам и вероятность в 1%. Вы уже чуете запах рынков предсказаний, верно?

Естественно, между сторонниками частотного и субъективного подходов ведутся многочисленные холивары. О самой возможности назначать вероятности на основе расплывчатого ощущения «задом чую» впервые написал известный математик Франк Рамсей в работе «The Foundations of Mathematics» аж в 1931 г., он же показал, что оно математически непротиворечиво и, в общем-то, удовлетворяет тому, что под вероятностью понимают математики (т.е. работать с ними можно точно так же), так что, справедливости ради, назвать бы их следовало рамсеевскими. Колмогоров по этому поводу ничего не сказал, ибо он дал математикам единый интерфейс для работы с самой концепцией вероятности, а что там под капотом с философской точки зрения — для интерфейса абсолютно не важно, хоть бы там демон Максвелла сидел. Статистик Бруно де Финетти в 1937 г. в большой статье «La prévision: ses lois logiques, ses sources subjectives» для уважаемого журнала «Annales de l’Institut Henri Poincaré» развил подход Рамсея и применил его к реальным вычислениям. В конце концов окончательно легализовал такой взгляд в 1954 г. один из самых известных статистиков и экономистов XX в. Леонард Сэвидж (занимался теорией принятия решений и теорией игр в экономике и работал с небезызвестным Фридманом) в книге «The Foundations of Statistics».

Пока все это звучит относительно нормально, но в те же дикие и безбашенные 1950-е, точнее в 1957 г., профессор статистической механики и квантовой физики Эдвин Джейнс написал статью в двух частях «Information Theory and Statistical Mechanics», основав тем самым т.н. цифровую физику и квантовое байесианство (известное также как QBism). Степень той шизы, в которую это в итоге вылилось, можно оценить, например, тут: «Квантовый панкомпьютерализм против цифровой физики. Всё из бита или всё из кубита?». К 2003 г. труды Джейнса были посмертно изданы в огромном томе «Probability Theory: The Logic of Science», взорвавшем мозги рационалистам и трансгуманистам (и в т.ч. Юдковскому). Джейнс утверждал, что вероятность — это и не свойство физического мира, но и не просто случайный каприз ума, а мера строгого, логического и неполного знания субъекта о системе при наличии определенного набора данных. В философские аспекты всего этого мы вдаваться, разумеется, не будем, отметим только, что прикладные алгоритмы MCMC (Markov Chain Monte Carlo), которые позволили на практике производить вычисления со сложными байесовскими (ну, в смысле рамсеевскими) вероятностями, возникли в начале 1990-х (как раз к подоспевшим процессорам уровня Pentium I) и очень быстро стали вполне легитимным и важным инструментом в генетике, астрофизике, лингвистике и криптографии.

Менее неправы

Юдковский взял те части всего этого аппарата, которые понял, и к 2006 г. превратил это в руководство по повседневной жизни и гигиене разума, названное рационализмом. В ноябре этого года он вместе с Хэнсоном создал блог Overcoming Bias («Преодолевая предвзятость», да, Bias — дословно «уклон/смещение», а Bayes — фамилия Байеса, похожи, более того, bias читается как раз «байес», а вот Bayes — как «бейс», что создает дополнительные проблемы русскоязычным). Блог задумывался как площадка для обсуждения того, как преодолевать когнитивные искажения (те самые biases) ради лучшего понимания науки и общества. Однако Хэнсон и Юдковский расходились во взглядах. Хэнсон считал, что для поиска истины нужно использовать институты и рынки (те самые рынки предсказаний). Юдковский же верил, что отдельный человек может натренировать свой разум быть индивидуально эффективным байесианцем.

В 2009 г. Юдковский отделился и создал культовую платформу LessWrong («Менее неправый»). В 2010 г. он начал публиковать на ней знаменитую огромную серию взаимосвязанных эссе, обычно называемых «цепочками», которые позже были изданы в виде огромного тома «Rationality: From AI to Zombies». Вокруг этих текстов сформировалось ядро фанатов — программистов, математиков и гиков. Они начали встречаться в офлайне (первые ячейки появились в Беркли, Нью-Йорке и Лондоне). В том же 2010 г. Юдковский, как истинный гик, начал писать эпический фанфик на Гарри Поттера, знаменитый «Harry Potter and the Methods of Rationality» (HPMOR), который вообще породил всю культуру т.н. рационал-фиков — книг, в которых делается упор на прямую демонстрацию интеллекта главного героя, а его решения всегда обоснованны (хотя и не всегда верны, здесь важно показать принцип рассуждений и его применение) и рациональны. «Probability Theory: The Logic of Science» стала Библией Юдковского и, соответственно, его движения, точнее, Ветхим Заветом, а Новым стал «Rationality: From AI to Zombies».

Одновременно с этим выходит несколько книг, которые всячески пропагандируют создание рынков предсказаний. Самые известные из них — это труд Джеймса Суровецки (у нас чаще всего используют дикую транскрипцию Шуровьевски) 2004 г. «The Wisdom of Crowds: Why the Many Are Smarter Than the Few and How Collective Wisdom Shapes Business, Economies, Societies and Nations» и книга Касса Санстейна «Infotopia: How Many Minds Produce Knowledge». Это было уже поколение не ученых-математиков, и даже не экономистов, а журналистов, колумнистов The New Yorker и юристов, стоящих на условно-либертарианских позициях. Эта атака немного смягчила скандал с «казино для террористов», и в 2004 г. открылась первая американская легальная биржа прогнозов HedgeStreet (приобретена британской компанией IG Group и переименована в Nadex в 2007 г., перепродана Crypto.com в 2021 г.). Этому помогло и то, что в 2005 г. в журнале Nature Биг Фарма Eli Lilly and Company призналась, что использовала внутренние рынки предсказаний, чтобы выяснить, какие разрабатываемые лекарства могут иметь наилучшие шансы пройти клинические испытания. В том же году в такой практике призналась Google (прогнозирование дат запуска продуктов, открытия новых офисов и т.п.), а вслед за ней — HP, Microsoft и другие. Юдковский, несмотря на то, что разошелся с Хэнсоном, фанатично поддерживал движение рынков предсказаний и даже неоднократно ссылался на них, считая наиболее рациональным способом прогнозирования.

В 2015 г. появилось движение CFAR (Center for Applied Rationality), организация, проводящая офлайн-кемпы и тренинги, где людей учат применять байесовское мышление к повседневной жизни и карьере, и Эффективные Альтруисты (Effective Altruism). В сообщество пришли огромные деньги от миллиардеров Кремниевой долины (в рационалистов и MIRI щедро вливались Питер Тиль, Дастин Московиц, Виталик Бутерин и в свое время даже Сэм Бэнкман-Фрид). С 2010 г. вычислительные мощности начали позволять запускать продвинутые ИИ-модели, ими, разумеется, заинтересовались и Пентагон, и Биг Тех, гики создали военный ИИ Palantir в то же время, как Тиль и Альтман пафосно жертвовали сотни миллионов долларов на исследования безопасности ИИ. Собственно говоря, лидеры крупнейших ИИ-компаний, таких как OpenAI и Anthropic, либо сами вышли из этой тусовки, либо глубоко пропитаны ее идеями. Иронично, что Юдковский к середине 2020-х прозрел, что никакого безопасного ИИ никто создавать не собирается, и обрушился на своих бывших донаторов со страшной критикой, на что не менее одиозный Тиль, поклонник гиперкапитализма в духе Ника Бострома и фашизма Карла Шмитта, недавно поименовал Юдковского Антихристом, наравне с Гретой Тунберг.

До 2010-х рынки предсказаний эффективно ограничивались тремя проблемами. Во-первых, цензуроустойчивостью и уходом от всемогущей американской юрисдикции. Любой рынок был централизованным сайтом с сервером, банковским счетом и юридическим лицом. Главный регулятор США — Комиссия по торговле товарными фьючерсами (CFTC) — методично уничтожал такие проекты, приравнивая их к нелегальной торговле деривативами. Во-вторых, участники рынка сталкивались с огромным риском посредника: что, если создатели сайта заберут все деньги и уедут на Багамы? Или что, если банк заморозит счета платформы из-за подозрений в нелегальном ставочничестве? Наконец, самый уязвимый элемент любого рынка предсказаний — это фиксация исхода. Кто решает, наступило событие или нет? Если это решает администратор сайта, его можно подкупить, запугать или нажать на него юридически. Решением всего этого стала технология, которая, как и современные нейросети, появилась еще в начале 1980-х, но взлетела только через 30 лет — блокчейн.

Впервые протокол, подобный блокчейну, предложил американский криптограф Дэвид Чаум в своей диссертации 1982 г. «Computer Systems Established, Maintained, and Trusted by Mutually Suspicious Groups», но никаких телодвижений с идеей не совершалось вплоть до 1991 г., когда Стюарт Хабер и Скотт Сторнетта в статье «How to Time-Stamp a Digital Document» описали способ доказать, что цифровой документ (например, файл с текстом, договор или чертеж) существовал в конкретный момент времени и не был изменен задним числом. Вместо того чтобы доверять какому-то одному серверу или нотариусу (которого можно подкупить или взломать), они придумали связывать хэши документов в цепочку. Осознав коммерческий потенциал технологии, они основали в 1995 г. компанию Surety, которая зарабатывает на защите временных меток документов. В нее может обратиться любой человек, после чего его документ добавят в общий блокчейн. Возникает вопрос: как доверенно хранить хэш всей цепочки документов? Хабер и Сторнетта решили проблему крайне оригинально — они начали раз в неделю публиковать в The New York Times в разделе объявлений строку хэша. В итоге, если завтра кто-то заявит: «Я изобрел этот прибор в 1995 г., вот мой цифровой документ!», система Surety проверит хэш этого документа. Если он сходится с цепочкой, которая ведет к хэшу, напечатанному в газете NYT от 1995 г., значит, документ реален. Изменить хэш в цепочке задним числом хакеры не могут, потому что для этого им пришлось бы изъять и перепечатать миллионы бумажных выпусков The New York Times по всему миру за последние 30 лет. Описывая протокол Bitcoin в 2008 г. в статье «Bitcoin: A Peer-to-Peer Electronic Cash System», Сатоши Накамото делал много ссылок на работу Хабера и Сторнетта.

В 2009 г. появилась первая реализация Bitcoin-клиента, в 2015 г. Бутерин запускает Ethereum, в который добавлен полноценный механизм смарт-контрактов на блокчейне. Число транзакций в сети Bitcoin достигло заметного количества к 2013 г., а к 2017 г. вышло на текущее среднее число; для Ethereum оно взлетело в космос к 2018 г. и рухнуло оттуда к 2019 г., и с тех пор его шатает, как пьяного, в отличие от более стабильного Bitcoin. Пионером использования блокчейна для рынка предсказаний стал проект Augur в 2015 г., но современные решения появились только в 2022 г. — это знаменитые Polymarket и Kalshi. Как в них были решены упомянутые проблемы? Во-первых, они перешли на крипту, контролировать которую куда сложнее, нежели банковские переводы. Во-вторых, они децентрализованы и уехали из-под американской юрисдикции, закрыть их не проще, чем Silk Road (хотя его и закрыли). Ставки представляют собой смарт-контракты в блокчейне, например, на Ethereum или Polygon, соответственно, выполняются они полностью автоматически. По сути, рынок предсказаний вообще не требует участия человека, это уникальная ставочная платформа, которая может работать сама по себе. Все, что нужно, — это блокчейн, алгоритм трейдинга и оракул, который проверяет события реального мира и передает информацию в смарт-контракты, автоматически рассылающие всем выигравшим денежки. Даже если американские власти блокируют доступ к сайту (т.е. интерфейсу) для жителей США (как это произошло с Polymarket), сам смарт-контракт в блокчейне продолжает жить, и прикрыть его практически нереально. Самый уязвимый элемент любого рынка предсказаний — это фиксация исхода. Кто решает, наступило событие или нет? Для подтверждения фактов из реального мира рынки используют децентрализованных оракулов (например, UMA или Chainlink).

В результате этих инноваций мы и получили феномен Polymarket, объемы торгов на этой площадке исчисляются миллиардами долларов. Государства же немного для приличия пободались с системой, а потом решили ее возглавить, как и обычно. В октябре 2024 г. рынок прогнозирования Kalshi выиграл судебный процесс против Комиссии по торговле товарными фьючерсами, что позволило ему легально размещать свои прогнозы, вот только это привело к тому, что теперь он подчиняется законам США. Итак, рынки предсказаний были либертарианской утопией 1940-х, затем стали гиковской утопией 2000-х и, наконец, в 2020-х превратились в утопию для лудоманов. Рынки ставок стали, наверное, третьей глобальной революцией онлайна последних лет после ИИ и многочисленных криптовалют. Отныне каждый человек может гордо заявлять: «Я не скуф, алкаш и ставочник, я рационалист и исследователь. Я не ерундой тут страдаю и не трачу деньги зря, а постигаю управление миром». Насколько же рынки предсказаний адекватны именно как математическая прогностическая модель и годятся ли они на что-то полезное, кроме того, чтобы миллионы на них теряли, а тысячи — зарабатывали, это мы рассмотрим отдельно в соответствующем эпилоге.

Постскриптум

Выпрямители там, тумбы разные, – говорил Хлебовводов, – это нам товарищ врио все довольно хорошо объяснил. Одного он нам не объяснил: фактов он нам не объяснил. А имеется непреложный факт, что когда ей задаешь вопрос, то получаешь тут же ответ. В письменном виде. И даже когда не ей, а кому другому задаешь вопрос, все равно обратно же получаешь ответ. А вы говорите, товарищ врио, ничего необъясненного нет. Не сходятся у вас концы с концами. Непонятно нам, что же говорит по данному поводу наука. – Наука в моем лице потеряла дар речи.

А. и Б. Стругацкие, «Сказка о Тройке».

Как работают рынки предсказаний чисто технически, нам, надеюсь, уже понятно. Как они работают с точки зрения, пардон за каламбур, рынка — тоже понятно: от казино ничем принципиально не отличаются и точно так же зарабатывают. Экзистенциальный же вопрос таков: являются ли рынки предсказаний чем-либо, кроме казино? Проще говоря, действительно ли vox populi настолько хорош в предсказаниях, что футархия бы сработала и миллионы мух бы не ошиблись? Более конкретный вопрос — работают ли рынки предсказаний лучше, чем какие-либо иные методы принятия решений в разнообразных ситуациях?

Вопрос этот сводится к очень древнему и в чем-то совершенно не либертарианскому спору о том, что же лучше: мнение нескольких лучших экспертов в предметной области; мнение сотен людей, в принципе разбирающихся в области; мнение миллионов людей, средний уровень интеллекта которых ниже плинтуса? Коммунисты со своей идеей Советов, как известно, теоретически упирали именно на третий вариант (хотя на практике все равно решало Политбюро), так что марксистского (или даже анархо-синдикалистского) в концепции рынка предсказаний ровно столько же, сколько и либертарианского, и рационалистического. В истории известны десятки случаев, когда решения принимались (и принимаются) похожим образом: начиная от процедуры остракизма в Греции и заканчивая судом присяжных, когда выбранные от балды простые люди в меру своего соображения принимают вердикт — виновен подсудимый или же нет. Рынки предсказаний ничего радикально не добавляют к этой процедуре, все, что они дают, — это отличный стимул абсолютно каждому человеку высказаться на любую тему («Вася, прикинь, если угадаешь сборы «Одиссея» с черной Еленой за первый уикенд — получишь дохрена денег нахаляву!») и математический аппарат, позволяющий четко конвертировать уверенность толпы в событии в байесианско-рамсеевскую вероятность его наступления.

С проблемами же, связанными с агрегированием и конвертированием мнения толпы во что-то удобоваримое, хорошо знакома совсем иная область науки: математическая теория выборов. Давайте посмотрим, что она нам скажет о голосе народном. Математическая теория выборов имеет дело с четко определенной проблемой. Дано некоторое множество кандидатов. Дано некоторое множество избирателей. В голове у каждого избирателя есть оценки для каждого кандидата (ситуация ухудшается тем, что оценки не обязаны быть транзитивными: человек вполне может верить, что политик Вася будет лучшим лидером, чем Петя, Петя — лучшим, чем Коля, а Коля — лучшим, чем Вася). Задача математической теории выборов — построить функцию, которая отображает множество оценок каждого человека в единую интегральную оценку (она называется функцией социального выбора), говорящую, кто наш президент. Разумеется, эта функция должна удовлетворять строгим критериям, в частности, быть однозначной, оптимальной (например, в смысле Парето), неманипулируемой, недиктаторской и удовлетворяющей минимальным критериям честности. За подробностями отсылаем любознательного читателя к любой серьезной книге про математическую теорию выборов, нам важно просто очертить рамки игры. Разумеется, голосование по принципу «Подняли руки, кто за президента» не удовлетворяет ни одному из этих критериев, поэтому было придумано множество более серьезных методов, в частности, STAR Voting, Approval Voting, Simpson-Kramer, Copeland, Schulze, Ranked Pairs и т.п. Они качественные (часто — даже очень качественные) и применяются в разных гик-голосовалках, например, выборах в Wikipedia или Linux Foundation, но никогда — в реальной политике (как раз потому, что манипулировать ими крайне сложно, хотя и не невозможно).

К сожалению, математическая теория выборов имеет две фундаментальные теоремы, которые значительно ограничивают возможности по-настоящему эффективной агрегации мнений.

Теорема Гиббарда—Саттертуэйта:

Предположим, что множество возможных исходов голосования Q конечно и состоит не менее чем из трех элементов, все исходы реализуются функцией социального выбора f(θ) = Q и каждый агент может реализовывать любое рациональное множество предпочтений. Тогда f истинно реализуема в доминантных стратегиях тогда и только тогда, когда она диктаторская.

Теорема Эрроу:

Предположим, что множество возможных исходов голосования Q конечно и состоит не менее чем из трех элементов, все исходы реализуются функцией социального выбора f(θ) = Q, каждый агент может реализовывать любое рациональное множество предпочтений. Тогда любая f, оптимальная по Парето и удовлетворяющая условию попарной независимости, неизбежно диктаторская.

На простом языке эти две теоремы говорят нам важный факт. Никакой математический метод выбора победителя голосования не может одновременно быть:

1. Оптимальным (т.е. выбрать лучшего кандидата с т.з. предпочтений).
2. Неманипулируемым.
3. Недиктаторским.
4. Удовлетворяющим минимальным условиям честности и не приводящим к парадоксам в духе Кондорсе.

Очевидно, что это значительно подрывает веру людей в демократию. Точнее, подорвало бы, если бы средний избиратель вообще хоть что-то понимал в математической теории оптимального выбора. Совокупно они еще называются теоремами о невозможности демократии, потому что доказывают, что единственный способ избежать парадоксов голосования, манипуляций и прийти к оптимальному выбору — диктатура. Все прочие функции выбора неизбежно будут в чем-то косячить. В реальной жизни обычно жертвуют неманипулируемостью, получая систему голосования честную, недиктаторскую и не приводящую к парадоксам, но неустойчивую относительно сговора избирателей или их тактического поведения. Если мы хотим, наоборот, получить систему, устойчивую перед стратегиями, мы теряем, например, отсутствие парадоксов. В общем, математическая теория выборов — довольно пессимистичная штука.

Что она скажет насчет футархии? А ничего хорошего. Футархия не устраняет парадокс Эрроу, а просто переносит его. Вместо голосования по кандидатам мы получаем голосование по функции полезности, а функция полезности — это тоже выбор. Проблема вообще никуда не исчезла. Аналогично с теоремой Гиббарда, которая учит нас, что любой механизм коллективного выбора либо диктаторский, либо стратегически уязвимый, вне зависимости от конкретной математической формы этого механизма. Футархия — тоже механизм коллективного выбора, следовательно, она тоже не может избежать фундаментальных ограничений.

Во-первых, при футархии вообще непонятно, кто именно выбирает функцию полезности. Например, цель — максимизировать ВВП. Замечательно. А каковы граничные условия на это? Если в процессе вырастет преступность, умрет экология, уменьшится рождаемость, исчезнет культура или произойдет множество прочих, сложно предсказуемых событий? В каком-то смысле мы видим тут проблему, аналогичную знаменитой рационалистической страшилке об «Оптимизаторе скрепок». Суть ее простая: изобретается гипотетический Сильный ИИ, которому для проверки его работоспособности на безопасном уровне дают тривиальную задачу, допустим, управление заводом по производству скрепок, и вкладывают одну базовую сверхцель — добиться оптимизации производства скрепок (чтобы его не несло в господство над человеческой расой). Сильный ИИ блистательно решает проблему: все прочие заводы скрепок в мире разорены, наш стал монополистом, мы главные скрепочники мира, а параллельно он решил нам проблему с раком, глобальным потеплением, преступностью и т.д. и т.п. В итоге он выбирается в президенты мира, колонизирует Луну и Марс, все идет прекрасно, человечество на пике развития… а потом миллиарды его самовоспроизводящихся дронов переработали всех и все во Вселенной на скрепки, потому что он вовсе не забыл свою основную директиву, просто шел к ней вдолгую. Футархия может оказаться таким же злонамеренным джинном-буквалистом, который поднимет ВВП за счет уничтожения всего нетрудоспособного населения или чего-то похожего. Разумеется, в реальности этого не произойдет (кто же дуракам с рынков предсказаний даст такую власть!), но этот умственный эксперимент демонстрирует суть проблемы. Закон Гудхарта неумолим: если метрика становится целью, она перестает быть хорошей метрикой, а она становится ею неизбежно, как только превращается в абсолют. Начали измерять KPI — через несколько лет все работают на KPI, а не на результат.

Во-вторых, Эрроу и Гиббард объяснили нам, что рынки тоже манипулируемы, как и любая политическая машина. Если кто-то контролирует банки, СМИ, крупные фонды, — он, без сомнения, способен влиять и на ожидания рынка, и наша политическая машина превращается в финансовую машину. А как нам известно, финансовая машина везет тем лучше, чем у тебя больше денег. Абстрактные смитсонианские / хайековские / ротбардианские рынки работают идеально, как на бумаге, только если есть какая-то внешняя сила, которая искусственно контролирует то, насколько великими и богатыми могут вырасти контрагенты. Если на рынке есть 1000000 участников с $10 в кармане — это прекрасный, совершенный рынок. Если на таком рынке есть хоть один участник с $10000000 в кармане — он, как черная дыра, исказит все, что попадет в его орбиту, и нет никаких способов (кроме внешнего давления, например, антимонопольного законодательства) удержать его от таких искажений. В итоге при футархии точно так же рулит эффект масштаба: чем больше игрок, тем больше он получает преимуществ и тем сложнее сковырнуть его монополию на власть. Организация или человек, имеющие несколько миллиардов долларов на ставки при футархии, могут скупать контракты пачками, играть на ценах и иллюзиях ожиданий, провоцировать рынок на любое нужное решение и т.п. Фактически мы просто меняем название таблички на столе у Самого Главного с «Диктатор» на «Исполнительный директор».

Финальной проблемой является то, что далеко не все последствия вообще как-то измеримы заранее. Например, мы можем запретить наркотики (да, это не по-либертариански, но у нас футархия: на что народ ставит, то мы и делаем; вполне вероятно, что массы могут поставить и на еще не такую ерунду). Что станет с последствиями этого — вырастет преступность, улучшится здоровье, изменится культура, вырастет коррупция, потребуются дополнительные органы контроля, раздуются бюджеты? Последствий у любого решения десятки, и не все они просчитываются на месте. Что именно в итоге должен предсказывать рынок и насколько далеко? Через год? Через десять? Через пятьдесят лет? Эта проблема тоже не является алгоритмически разрешимой.

Таким образом, мы видим, что в самом общем случае, то есть при управлении с помощью рынков предсказаний, они не имеют никаких преимуществ перед любой иной системой, от фордизма до коммунизма (собственно, это интуитивно понятно любому математику: в этой науке серебряных пуль, решающих что угодно и доказывающих любое утверждение, не только не бывает, но и быть не может в принципе). Что же делать с частными случаями? Ведь у всяких Microsoft же они работают, да и всякие выборы Трампа вроде как предсказывают? Да, в таких случаях РП может быть полезен, но у него есть ограничения.

Во-первых, предсказываемое событие должно иметь абсолютно объективный (в идеале бинарный) и легко проверяемый каждым человеком ответ. Вопросы «Возьмут ли республиканцы большинство в Конгрессе?» или «Разорится ли Intel по итогам 2026 г.?» — хорошие. Вопросы «Хороша ли предложенная реформа образования?», «Правильно ли президент ведет международные отношения?» и подобные — плохие. Второй закон: информация должна быть распределена, а не сконцентрирована. Это называется агрегацией информации, и именно здесь рынки почти непобедимы в точности. Хороший вопрос: «Будет ли урожай этого года выше, чем предыдущего?» Фермер знает свое поле; инженер знает производство удобрений; логист знает проблемы перевозок; метеоролог знает погоду; экономист знает спрос. Каждый человек обладает маленьким кусочком знания, поэтому РП на порядки улучшает точность по сравнению с опросом одного или двух экспертов. Плохой вопрос: «Разработаем ли мы антигравитацию до конца 2050 г.?» О том, как идут исследования в области полевой и квантовой физики, знает ограниченный круг передовых ученых, узко погруженных в тему; спрашивать кого-то вне этого круга — совершенно бесполезное занятие.

Третий закон: событие не должно зависеть от самого прогноза. Существуют экзогенные и эндогенные события. На вопрос, будет ли солнечное затмение, никак не влияет сам рынок — это экзогенное событие. На вопрос, вырастут ли акции NVIDIA в следующем квартале, рынок влияет, и еще как: это эндогенное событие, в котором прогноз меняет реальность. Если рынок уверен, что банк обанкротится с вероятностью более 50%, скорее всего, люди побегут забирать оттуда деньги, и вероятность вырастет до 99% (если не вмешается еще какая-то сила). Иногда рынок вызывает кризис, который сам же и предсказал. Четвертый закон: нельзя предсказывать то, что можно купить. Здесь плохой вопрос звучит, допустим, так: победит ли в конкурентной борьбе фильмов Sony компанию HBO? Если у Sony достаточно денег, они могут, посмеявшись над всеми прогнозами, просто купить HBO, и рынок по этому поводу ничего сказать не сможет. Пятый закон: событие должно иметь короткий горизонт. В прогнозах в среднем до 1–2 месяцев РП великолепны (с учетом предыдущих ограничений), до 10–12 месяцев — хороши, до 5 лет — плохи, свыше 5 лет — бесполезны, как бросок монеты. Неопределенность растет примерно экспоненциально, и с каждым месяцем количество неизвестных факторов становится огромным.

К этому примыкает шестой закон: мир должен быть стационарным. Проще говоря, если предыдущие 20 лет на инфляцию влияло пять факторов, среди которых не было ни войны, ни пандемии, а в этом году случилось что-то из этого, — РП не предскажет инфляцию. Мир изменился, вся прошлая информация стала бесполезна. Седьмой закон: нельзя предсказать уникальные события. Это те самые «черные лебеди» Нассима Талеба — дефолт ельцинской России, распад СССР, падение астероида, COVID-19, крах доткомов, изобретение ядерной бомбы. Таких событий никогда раньше не было, и рынок не знает, как оценивать вероятности точнее, чем в анекдоте про встречу с динозавром: 50% — либо встретишь, либо нет. Собственно, никто: ни из экспертов, ни из частных лиц, ни из корпораций (которые вбухивали в анализ миллионы) — не предсказал ничего из этого, а те, кто наварился на «черных лебедях», — либо инсайдеры (как потенциально с COVID-19), либо им просто повезло. Последний закон: предсказание должно быть неуязвимо для инсайдеров (это, отчасти, и так следует из предыдущих, но можно проговорить и отдельно). Проще говоря, рынок ничего не может сказать о большей части политических и экономических событий, типа захвата Мадуро в Венесуэле, поскольку ставки на это делают (и чудовищно навариваются) сами участники захвата и лица, принимающие решения. Если есть риск инфицирования рынка инсайдерами — работать как машина предсказаний он не сможет (а такой риск есть во множестве событий). При этом существует два типа инсайдеров, и для рынка опасны только одни — те, кто формирует положительную обратную связь (а те, кто не формирует, — наоборот, полезны). Если инсайдер просто констатирует событие (инженеры Маска знают, что криво сваренный бак завтра взорвется с вероятностью 99% и ракета никуда не улетит), — он улучшает рынок, сбрасывая акции и тем самым разглашая информацию о событии, для этого РП и предназначен, точность прогноза растет. Если же инсайдер влияет на событие (ставит, что Мадуро свергнут завтра, уже загружая ракеты в AH-64 Apache), то он искажает прогноз самосбывающимся пророчеством и уходит с банком.

Итак, можно сформулировать финальный вывод. Да, рынки предсказаний работают. Нет, они не могут управлять обществом. Они имеют множество ограничений, в рамках которых их прогнозы — практически максимальная точность предсказаний, которую вообще можно достичь любой разумной агрегацией информации. Вне этих рамок они либо работают на уровне броска 2D6, либо вообще служат инструментом спекуляции или влияния на мир, а не прогнозирования его. Отличить эти ситуации, не имея наметанного глаза и опыта (а также понимания математики), довольно сложно. В результате для 99% людей РП эффективно заменяют казино и позволяют более респектабельно реализовать свою лудоманию, перераспределив денежки к более умным и богатым людям — держателям выгодных лотов. Созданные с аналитическими целями рынки предсказаний — вполне рабочая вещь и довольно полезная, если они созданы с учетом вышеописанных законов. Если мы создаем РП для ставок на ЧМ-2026 — это хороший, годный рынок, удовлетворяющий всем ограничениям и дающий лучший прогноз. Если мы создаем РП для предсказания, когда Трамп помирится с аятоллами, — это дурной рынок, который служит для вышибания денег из лохов. Лечь же в основу универсальной системы управления и принятия решений (как в розовых мечтах Юдковского) не может ни один рынок предсказаний.