PDF Archive

Easily share your PDF documents with your contacts, on the Web and Social Networks.

Send a file File manager PDF Toolbox Search Help Contact



Пентленд Социальная физика .pdf



Original filename: Пентленд - Социальная физика.pdf
Title: Социальная физика. Как Большие данные помогают следить за нами и отбирают у нас частную жизнь
Author: Алекс Пентленд

This PDF 1.5 document has been generated by Microsoft® Office Word 2007, and has been sent on pdf-archive.com on 11/01/2019 at 22:49, from IP address 46.219.x.x. The current document download page has been viewed 10 times.
File size: 2.5 MB (147 pages).
Privacy: public file




Download original PDF file









Document preview


Алекс Пентленд
Социальная физика. Как Большие данные помогают следить за нами и отбирают у нас частную
жизнь
Цифровая экономика и цифровое будущее –

«Социальная физика. Как распространяются хорошие идеи: уроки новой науки»: АСТ; Москва; 2018
ISBN 978-5-17-098520-3

Аннотация
Социальная физика – это новая общественная наука, которая математическими методами изучает влияние информационного потока на

человеческое поведение. Изощренная методика изучения «хлебных крошек», которые мы оставляем за собой в интернете, дает возможность
предсказывать поведение общественных групп, продуктивность новых компаний, направлять развитие отдельных городских районов и даже целых
городов, формировать благотворную обратную связь в социальных сетях, в целом делать общество лучше. Автор книги – профессор Массачусетского
технологического института, один из наиболее уважаемых экспертов в области «больших данных» и новых технологий.

Алекс Пентленд
Социальная физика. Как Большие данные помогают следить за нами и отбирают у нас частную
жизнь
Предисловие
О происхождении этой книги
Я живу в будущем. Массачусетский технологический институт (МТИ) по сути является центром инновационной вселенной; практически все новые
разработки и технологии из любого уголка света проходят через МТИ, прежде чем выйти на мировой рынок. МТИ также входит в состав территории, где
больше всего в мире стартап-компаний на один квадратный километр (хотя Силиконовая долина и масштабнее). Кроме того, медиалаборатория МТИ,
моя интеллектуальная вотчина, – это, возможно, одно из первейших мест на земле, которое действительно живет в будущем. Например, пятнадцать лет
назад я возглавлял первое в мире сообщество киборгов, где каждый участник жил и работал, нося на себе беспроводной компьютер и очки с
компьютерными экранами вместо линз. Впоследствии многие из этих разработок вышли в мир; теперь мои бывшие студенты руководят такими
актуальными коммерческими проектами, как Google Glass (очки с вмонтированными в них компьютерными дисплеями) и Google+ (вторая
крупнейшая в мире социальная сеть).
Благодаря своей особой позиции я получил уникальную возможность своими глазами увидеть, как креативные культуры, подобно семенам,
собирают новые идеи и помогают им жить и расти и, наконец, воплощают их в практическую реальность. И, что, возможно, гораздо важнее, я увидел,
что креативные отрасли должны в себе изменить, чтобы успешно функционировать в гиперсвязанном, сверхскоростном мире МТИ, в среде, по
направлению к которой сейчас движется весь остальной мир.
Этот опыт показал мне, что многие из традиционно сложившихся у нас представлений о себе и об общественном устройстве в корне неверны. Не
только у самых умных бывают лучшие идеи – они бывают у тех, кто лучше остальных умеет аккумулировать идеи других. Не только самые
целеустремленные осуществляют перемены – это удается тем, кто наиболее активно вовлекает в работу людей с похожими убеждениями. Не богатство и
не престиж служат лучшей мотивацией, а уважение и поддержка окружающих.
В этих установках лежит ключ к успеху нашей медиалаборатории, моей исследовательской группы, а также программы по развитию
предпринимательства, которой я руковожу. Я не даю традиционные курсы; вместо этого я приглашаю гостей с новыми разработками и помогаю людям,
идущим в одном направлении, взаимодействовать друг с другом. Будучи научным руководителем медиалаборатории МТИ, я настоял на том, чтобы
избавиться от привычной квалификационной системы. Отказавшись от нее, мы попытались взрастить такое сообщество профессионалов, где показателем
успеха и будущих перспектив является уважение друг к другу и участие в реальных проектах. Мы живем в социуме, а не в стенах аудитории или
лаборатории.
Эта книга родилась из мощного столкновения культур – противоречия между тем, как работаю я в медиалаборатории, и тем, как это делают другие
люди по всему миру. Например, когда я создавал филиал нашей медиалаборатории в Азии (сетевую организацию, объединившую несколько
университетов Индии), одной из самых серьезных проблем, с которой я столкнулся, было то, что исследователи каждого из университетов были
изолированы друг от друга, и, как следствие, их исследования стояли на месте и были непродуктивными. Люди, работающие в одной области, а порой и
в одном и том же университете, никогда не встречались, потому что администрации этих учреждений, а также органы финансирования сочли, что
исследователям достаточно только читать публикации друг друга и вовсе необязательно посещать встречи и конференции. Лишь после того, как они
начали собираться и совместно проводить время в неформальной обстановке, забурлил поток новых идей и к решению проблем стали появляться новые
подходы.
Я столкнулся с тем же непониманием со стороны многих высокопоставленных государственных деятелей и генеральных директоров
международных компаний на Всемирном экономическом форуме, где я был одним из руководителей дискуссий на тему «гиперконнектного мира». Цель
этих дискуссий – поиск решений для проблем, связанных с большими данными и особенно бесконтрольным распространением конфиденциальной
личной информации. Я осознал, что существует огромная разница между тем, как большинство политических лидеров и генеральных директоров
понимают инновации и коллективную деятельность, и примерами, которые вижу я со своей позиции в МТИ. Большинство людей мыслят относительно
устоявшимися категориями, такими как конкуренция, правила и (иногда) сложность. Я же оперирую более динамическими, эволюционными понятиями,
обращая внимание на потоки идей в соцсетях, образование социальных норм и разнообразные процессы, связанные со сложностью. Большинство людей
интересует структура, нацеленная на индивидуальные и конечные результаты деятельности, тогда как для меня большее значение имеет социальная
физика – процессы роста внутри сетей.

Чтобы понять различие между этими двумя типами мышления, я начал десятилетнюю исследовательскую программу по разработке строгой
интеллектуальной структуры, которая раздвинет рамки существующего индивидуально направленного экономического и политического мышления,
включив элемент социального взаимодействия. Она ставит во главу угла социальное обучение и социальное давление – главные факторы, вызывающие
эволюцию культуры и являющиеся одной из доминант гиперконнектного мира. Эта исследовательская программа показала на удивление успешный
результат с академической точки зрения, поскольку самые влиятельные научные издания мира опубликовали статьи, где были обозначены все элементы
разработанной нами социально-физической структуры. Надеюсь, что эти материалы помогут вывести исследование теории сложности вычислений и
социальных сетей на новый уровень, а также дадут возможность по-новому взглянуть на динамику эволюционных изменений в целом.
Но, как все мы знаем, академические публикации остаются в пределах академической среды. Поэтому я также содействовал продвижению наших
идей в реальный мир, создав шесть стартап-компаний, которые используют эти идеи для того, чтобы помочь предприятиям стать более продуктивными и
креативными, сделать мобильные социальные сети более «умными», дать любому человеку возможность стать успешным инвестором и, наконец,
поддерживать социальное и душевное здоровье общества. Опять же, эти практические усилия оказались неожиданно успешными, и не в последнюю
очередь благодаря таланту и дальновидности моих бывших учеников, которые потом стали генеральными директорами этих компаний.
Эта книга знаменует начало более масштабной дискуссии. Ее цель – ввести терминологию и язык социальной физики в общее употребление и так
внести столь необходимые нюансы в традиционный язык рыночной конкуренции и регуляций. В мире гиперсвязей, где социальная динамика является
столь важным определяющим фактором результата, лучшее понимание социальной физики стало совершенно необходимым.

Выражение признательности
Я хотел бы выразить глубочайшую признательность Трейси Хейбек за ее помощь на каждом этапе создания этой книги: она позаботилась о том,
чтобы каждый аргумент был аккуратно развернут, а каждая фраза – как следует отточена, и если бы не капризы издательского мира, ее фамилия
появилась бы на обложке этой книги рядом с моей; Максу Брокману и Скотту Мойерсу, чей энтузиазм сперва сделал возможным появление этой книги
на свет, а затем обеспечил не только ее пригодность для чтения, но и увлекательность; Мэлли Андерсон за ее вдумчивую редактуру; и, наконец, моим
студентам, постдокторантам и коллегам, чей исследовательский вклад помог формированию идей, экспериментов, методов и умозаключений,
представленных в этой книге.

Глава первая
От идеи к действию
Использование больших данных для понимания процесса развития человеческих обществ
Откуда приходят новые идеи? Как они воплощаются? Как создавать готовые к совместной деятельности, продуктивные и креативные социальные
структуры? Быть может, это главные вопросы, стоящие перед любым обществом, но они особенно важны сейчас, в наш век глобальной конкуренции,
экологических испытаний и угрозы загнивания изнутри.
В течение последних столетий мы увидели расцвет западной культуры, достигнутый во многом благодаря парадигмам, унаследованным от таких
философов эпохи Просвещения, как Адам Смит и Джон Локк. Предложенные ими интеллектуальные системы дали ответы на эти критические вопросы.
На их основе мы сформировали наше плюралистическое общество, в котором и распределение товаров, и политика государства определяются в
результате конкуренции и торгов. Наше открытое гражданское общество обошло более авторитарные, централизованные общества, и теперь свободная
торговля и политические выборы практикуются практически в каждой стране мира.
Однако за последние несколько лет наша жизнь трансформировалась под влиянием сетей, состоящих из людей и компьютеров, и появилось
намного больше возможностей для взаимодействия и ускорения изменений. Мы все более активно используем интернет для установления новых связей,
и создается впечатление, будто ускоряется сам ход событий. Мы тонем в потоках информации – настолько, что уже не знаем, на какие предметы
обращать внимание, а какие – игнорировать.
Иногда кажется, будто наш мир, где посты в таких социальных сетях, как Twitter , могут вызвать биржевой крах или свергнуть правительство,
вот-вот вырвется из-под контроля. Ведь несмотря на то, что использование цифровых медиа в корне изменило характер нашей экономики, бизнеса,
государственного управления и политики, мы все еще не пришли к полному пониманию глубинной сущности этих новых систем, связавших человека и
машину. Внезапно наше общество превратилось в объединение людей и технологий, сила и слабость которого отличаются от всего, что нам когда-либо
доводилось испытывать.
К сожалению, мы действительно не знаем, что с этим делать. Наши методы постижения мира и управления им были выкованы в более
размеренные, скрепленные меньшим количеством связей времена. Наше нынешнее понятие общества родилось в конце XVIII века, в эпоху
Просвещения, и кристаллизовалось в его существующую форму в первой половине двадцатого столетия. Тогда все двигалось медленнее, и в реальности
лишь небольшая группа торговцев, политиков и богатых семей обеспечивала движение вперед. И потому, рассуждая об управлении обществом, мы
говорим о «рынках» и «политических классах»: эти абстрактные понятия предполагают, что события развиваются достаточно медленно, чтобы все

располагали примерно одинаковой информацией и временем, необходимым для продумывания своих действий.
В сегодняшнем мире, движущемся на космических скоростях и испещренном связями, эти предположения натянуты до грани разрыва. Сегодня
виртуальные массы могут формироваться за считаные минуты, зачастую они состоят из миллионов людей со всего света – и каждый день это может быть
новый многомиллионный набор людей, оставляющих комментарии и вносящих свой вклад. Мы оставили позади эру финансовых операций в реально
существующих биржевых залах и политических собраний в прокуренных кулуарах, где малочисленные группы людей торгуются, пока не заключат
взаимовыгодные сделки.
Чтобы понять наш обновленный мир, мы должны расширить рамки знакомых экономических и политических концепций и включить в них
результаты взаимного обучения и влияния этих миллионов людей на мнения друг друга. Мы больше не можем мыслить о себе как об отдельных
индивидах, принимающих тщательно продуманные решения; мы должны учитывать динамические социальные эффекты, которые влияют на наши
индивидуальные решения и являются движущей силой экономических пузырей, политических революций и интернет-экономики.
Сам Адам Смит понимал, что именно наше общественное устройство, помимо конкуренции, направляет невидимую руку рынка. В своей «Теории
нравственных чувств» он утверждал, что людям от природы свойственно обмениваться не только товарами, но также идеями, помощью и услугами –
просто из желания помогать друг другу1. Более того, он считал, что именно этот социальный обмен позволяет капитализму создавать решения, идущие
на благо сообщества. Однако Смит жил в ту эпоху, когда почти все городские буржуа знали друг друга лично и социальное давление принуждало их
быть добрыми гражданами. Без обязательств, налагаемых крепкими социальными связями, капитализм зачастую становится алчным, а политика –
губительной. В нашем новом гиперконнектном мире большинство связей ослабли и все чаще оказывается, что «невидимая рука» перестает
функционировать.
Цель этой книги – развить идеи социальной физики, которые расширят наше экономическое и политическое мышление, принимая во внимание не
только силу конкуренции, но также обмен идеями, информацию, социальное давление и социальный статус, чтобы более полно объяснить поведение
людей. Для достижения этой цели нам придется объяснить не только то, как социальные взаимодействия влияют на индивидуальные цели и решения, но
и, что гораздо важнее, то, как эти социальные эффекты создают в противном случае совершенно загадочную «невидимую руку» Адама Смита 2. Только
тогда, когда мы начнем понимать, как социальные взаимодействия сочетаются с конкурирующими силами, мы сможем надеяться, что нам удастся
обеспечить стабильность и справедливость в нашем гиперконнектном сетевом обществе.

Что такое социальная физика?
Социальная физика – это оперирующая количественными характеристиками общественная наука, которая изучает проверяемые, математически
описываемые связи между информацией и потоком идей с одной стороны и поведением людей – с другой. Социальная физика помогает понять, как идеи
распространяются от человека к человеку посредством механизма социального обучения, и в итоге определяет нормы, степень продуктивности и
креативной производительности наших компаний, городов и обществ. Она дает нам возможность предсказывать продуктивность небольших групп,
отделов компаний и даже целых городов. Она также позволяет нам настраивать коммуникационные сети таким образом, чтобы стать увереннее в
принятии более правильных решений и собственной продуктивности.
Ключевые инсайты, полученные при помощи социальной физики, связаны с потоками идей между людьми. Их можно найти в сценариях
телефонных звонков или сообщений в социальных сетях, а также анализируя, сколько времени люди проводят вместе, ходят ли они в одни и те же места,
похожий ли опыт получают. Как мы еще увидим, потоки идей выполняют важнейшую роль в понимании общества, и не только потому, что
своевременная информация критически необходима для эффективной работы систем, но также – что более важно – потому, что распространение и
комбинирование новых идей – это то, что стимулирует изменения в поведении и другие инновации.
Чтобы сделать акцент на потоке идей, я выбрал словосочетание «социальная физика». Тогда как целью традиционной физики является понимание
того, как поток энергии преобразуется в кинетические изменения, социальная физика стремится понять, как поток идей и информации переходит в
поведенческие изменения.
В качестве примера социальной физики в действии возьмите поведение финансовых дейтрейдеров 3, которые обмениваются советами в социальной
сети. Бывают моменты, когда очень небольшое количество трейдеров получают существенную прибыль, и такой результат плох как для трейдеров, так и
для их брокеров, теряющих свое дело при их уходе. Чтобы улучшить результаты работы трейдеров, брокеры могут попробовать стандартные решения,
1 Smith 2009.
2 Если говорить на более техническом языке, настало время рассматривать не только равновесия, но и динамику, не просто рыночные объединения, но и сети обмена. Кроме того,
мы должны рассматривать социальное влияние в сочетании с рациональностью, используя функциональность в качестве вектора (например, хорошее физическое состояние,
любопытство, статус и т. д.), а не скаляра.
3 Трейдер, торгующий малыми периодами времени, обычно закрывающий свои позиции в конце дня.

например, попытаться расширить знания и эрудицию трейдеров. Эти традиционные средства действительно имеют определенный эффект: в одном
случае производительность группы трейдеров возросла примерно на два процента.
Но потом один брокер разрешил моей исследовательской лаборатории в МТИ применить социально-физический подход, основанный на наших
математических моделях распространения идей через социальные сети. Анализируя миллионы подробных сообщений, которыми трейдеры обменивались
в социальной сети, мы обнаружили, что эффекты социального влияния в рамках данной сети были невероятно сильными и спровоцировали появление
стадного чувства: трейдеры слишком бурно реагировали друг на друга, и в результате все они склонялись к одной и той же трейдинговой стратегии.
Математика социальной физики показала, что лучший подход к решению данной проблемы – изменить социальную сеть так, чтобы
распространение новых стратегий в ее пределах замедлилось. Когда мы ввели эти изменения, средний коэффициент окупаемости инвестиций увеличился
вдвое, повергнув в прах стандартные экономические подходы.
Не то чтобы замедление распространения идей можно было легко найти в стандартном руководстве по управлению. Но такой успешный результат
был неслучайным, поскольку мы провели математический анализ, основанный на миллионах частиц информации, который дал нам возможность
разработать конкретный план вмешательства и с точностью предсказать результаты. Эти уравнения – часть математики социальной физики; о них я
начну говорить во второй главе.

Социальная физика как практическая наука
Словосочетание «социальная физика» имеет долгую историю. Его впервые применили в начале XIX века, когда на основе аналогии, взятой из
ньютоновской физики, появилась концепция общества как огромной машины. Но общество не во всем схоже с машиной. После того как в середине
двадцатого века было обнаружено, что многие социальные индикаторы имеют статистические закономерности, такие как закон Ципфа 4 или закон
всемирного тяготения 5 , поднялась вторая волна интереса к социальной физике. Социологи усовершенствовали теории об основных механизмах
социальных взаимодействий.6 И совсем недавно мы стали свидетелями новой волны «социофизики», которая позволила нам разглядеть статистические
закономерности в сфере перемещения и общения людей, а также интересные корреляции с экономическими показателями 7. В результате появления этих
новых типов данных общественно-научные теории стали гораздо более квантитативными8.
Однако ни одна из этих попыток не раскрывает сути механизма, который стимулирует социальные изменения и является причиной этих
статистических закономерностей. Как теория, так и математическое описание остаются фрагментарными, и их трудно применить к практическим
задачам. Нам необходимо продвинуться от простого описания социальных явлений вперед, к построению каузальной теории социальной структуры.
Прогресс, достигнутый в процессе ее разработки, станет шагом к тому, что Дэвид Марр назвал вычислительной теорией поведения, – к математическому
объяснению причин того, почему общество реагирует определенным образом, и как эти реакции могут (или не могут) решить человеческие проблемы9.
Именно такая поведенческая теория, которая фокусируется на производительном процессе человека, необходима для построения более
совершенных социальных систем. Подобная теория могла бы объединить механизмы социальных взаимодействий с теми обширными поведенческими
данными, которые мы получили за последние годы, и помогла бы нам в моделировании этих более совершенных социальных систем.
Эта книга может положить начало такой практической теории; в ее основу легла серия публикаций моего авторства, которые недавно были
напечатаны в ведущих научных изданиях мира. Это несложное на первый взгляд собрание математических моделей, которые можно объяснить простым
языком и которые дают достаточно точное объяснение приводимых здесь реальных примеров. Эти примеры включают в себя: принятие финансовых
решений (в том числе финансовые пузыри); многоступенчатые поведенческие изменения под воздействием «переломных моментов», когда, например,
миллионы людей объединяются для участия в поисковых работах, ради сохранения энергии или идут голосовать; а также социальное влияние и его роль
в формировании политических убеждений, потребительских предпочтений и позиции в отношении здорового образа жизни.
Разумеется, главный критерий, определяющий эффективность практической теории, заключается в том, может ли она использоваться для
формирования желаемых результатов. Чтобы дать ответ на этот вопрос, я покажу вам, как эта теория уже сейчас применяется для создания улучшенных
4 Zipf 1949.
5 Zipf 1946.
6 Snijders 2001; Krackhardt and Hanson 1993; Macy and Willer 2002; Burt 1992; Uzzi 1997; White 2002.
7 Kleinberg 2013; Barabási 2002; Monge and Contractor 2003; Gonzalez et al. 2008; Onnela et al. 2007, 2011.
8 Centola 2010; Lazer and Friedman 2007; Aral et al. 2009; Eagle et al. 2010; Pentland 2008.
9 Marr 1982.

предприятий, городов и социальных учреждений. Социальная физика отличается почти от всех остальных общественных наук тем, что дает
количественные результаты в разных масштабах, начиная от небольших коллективов и заканчивая предприятиями, городами и даже целыми обществами.
В настоящее время система социальной физики активно применяется на практике в нескольких коммерческих организациях, помогая десяткам
миллионов людей в таких задачах и областях, как финансовое инвестирование, здравоохранение, маркетинг, улучшение производительности
предприятий и стимулирование креативного производства.
Однако значение социальной физики как науки нельзя свести к одному формулированию точных, практически применимых математических
прогнозов. Если рассматривать социальную физику только как комплексную математику, то ей смогут пользоваться лишь специально обученные
эксперты. Но на мой взгляд, на самом деле ее эффективность также зависит от того, способна ли она дать людям – главам государств и отраслей
промышленности, ученым и обычным гражданам – инструмент общения более совершенный, чем уже устаревший язык рынков и классов, капиталов и
производств. Такие термины, как «рынок», «политический класс» и «общественное движение», формируют наш взгляд на мир. Они полезны, конечно, но
они также являются элементами определенного мистического мышления, ограничивающего нашу способность мыслить ясно и продуктивно. В этой
книге я хотел бы представить ряд новых понятий, которые помогут нам говорить о мире и строить планы на будущее с большей точностью.

Большие данные
Двигателем социальной физики являются большие данные – общедоступная цифровая информация обо всех аспектах жизни людей, которая не так
давно распространилась повсеместно. Социальная физика работает следующим образом: она анализирует повторяющиеся шаблоны в получаемом
людьми опыте и в том, как они обмениваются идеями, используя для этого те виртуальные следы, подобные хлебным крошкам из сказки братьев
Гримм 10 , которые мы оставляем за собой в наших передвижениях по миру, – записи звонков, операции по кредитным картам, GPS-данные о
местоположении и др. Эти данные раскрывают историю жизни каждого человека, документируя все типы деятельности, которые он для себя выбирает. И
это очень отличается от того, что обычно размещают на Facebook ; публикации на Facebook – это те сведения, которые люди считают нужным сообщать
друг другу, подогнанные под существующие стандарты. Информация о том, где мы проводим время и какие вещи покупаем, дает гораздо более четкое
представление о нас настоящих, чем то, что мы предпочитаем о себе рассказывать 11.
Процесс анализа шаблонов, прослеживаемых в этих виртуальных следах, называется «добычей реальности» (reality mining ), и благодаря ей мы
можем очень многое рассказать о личности отдельных индивидов. Я и мои ученики обнаружили, что с помощью этой информации можно определить,
каковы шансы конкретного человека заболеть диабетом или сможет ли он выплатить кредит. Так, анализируя эти шаблоны в жизни разных людей, мы
видим, что многие явления – катастрофы, революции, кризисы, – которые раньше казались хаотичными проявлениями «божьей воли», начинают
поддаваться объяснению. По этой причине журнал МТИ Technology Review назвал нашу технологию добычи реальности одной из десяти разработок,
которые изменят мир (более подробную информацию см. в Приложении 1: Добыча реальности).
Научный метод, используемый в социальной физике, отличается от того, что применяется в большинстве общественных наук, тем, что он главным
образом опирается на «живые лаборатории». Что такое живая лаборатория? Давайте представим, что можем поместить целое сообщество в комнату с
камерами слежения, а затем записать и отобразить все грани и ракурсы поведения, общения и социального взаимодействия между его участниками.
Теперь представьте, что этот эксперимент длится в течение нескольких лет, пока члены сообщества живут своей повседневной жизнью. Это и есть живая
лаборатория.
За последнее десятилетие я и мои студенты научились конструировать и разворачивать такие лаборатории, где годами посекундно исследуются
целые социальные организмы – коллективы, компании и даже сообщества. Наш метод прост: измерения проводятся путем сбора цифровых «хлебных
крошек», получаемых из таких источников, как сенсорные датчики в мобильных телефонах, публикации в соцсетях, покупки с помощью кредитных карт
и проч.
Для его применения я разработал юридические и программные инструменты защиты прав и частной жизни людей в этих лабораториях, чтобы они
имели полное представление о том, что происходит с их данными, и могли выйти из игры в любой момент. В дальнейшем вы увидите, что разработанные
мной решения сыграли важную роль в улучшении защиты личной информации пользователей по всему миру. (Подробную информацию об этих
юридических и программных инструментах см. в Приложенияи 1: Добыча реальности и Приложении 2: Открытая система PDS.)
Все эти миллиарды записей телефонных вызовов, операций по кредитным картам и данных сети GPS позволили ученым создать новые
виртуальные линзы, дающие нам возможность изучать общество в мельчайших деталях 12. Так же, как голландские мастера когда-то изготовили первые
пригодные для работы оптические линзы, благодаря которым ученые смогли собрать первые микроскопы и телескопы, я и моя исследовательская
10 «Гензель и Гретель».
11 Pentland 2012c, 2013.
12 Lazer et al. 2009.

лаборатория создали инструменты, собирающие все виртуальные следы целого сообщества, позволяя нам построить первые практически применимые
«социоскопы». Эти новые инструменты позволяют рассматривать жизнь во всем ее многообразии и являются будущим общественных наук. Подобно
тому, как изобретение микроскопа и телескопа свершило революцию в области биологии и астрономии, социоскопы в живых лабораториях вызовут
переворот в области исследований поведения человека.

Социальная физика как всеохватывающая социальная наука
Большинство существующих общественных наук базируется либо на лабораторных исследованиях, либо на демографических данных – то есть
средних величинах и стереотипах. Эти подходы не учитывают сложности реальной жизни, где одновременно вступают в силу все странности нашей
психики. Они также упускают из виду тот крайне важный факт, что детали, имеющие отношение к людям, с которыми мы взаимодействуем, и к тому,
как происходит это взаимодействие, играют не менее важную роль, чем рыночные силы и классовые системы. Социальные явления на самом деле
складываются из миллионов маленьких транзакций между отдельными индивидами: люди обмениваются не только товарами и деньгами, но также
информацией, замыслами и даже слухами. В этих индивидуальных транзакциях просматриваются шаблоны, вызывающие такие явления, как финансовый
крах или «арабская весна». Нам необходимо понять эти микроалгоритмы, поскольку их нельзя просто свести к средним коэффициентам,
поддерживающим классическое понимание общественного устройства. Большие данные дают нам возможность рассматривать общество во всей его
сложности, посредством миллионов ниточек, протягивающихся от человека к человеку в процессе социального взаимодействия.
Если бы у нас было всевидящее око, мы, возможно, могли бы прийти к истинному пониманию того, как устроено общество, и предпринять шаги к
решению наших проблем. К сожалению, как видно на рис. 1, практически все данные, добытые в рамках традиционных общественных наук (под
номером 1), уместились рядом с координатой (0,0). Это означает, что эти наборы данных представляют собой информацию, полученную меньше чем от
сотни людей и всего лишь в течение нескольких часов. Исследования под номером 2 и 3 – одни из самых крупных общественно-научных исследований
на данный момент13. За последние десять лет социологи, работающие в области вычислений, узнали, как можно задействовать большие данные, и
начали использовать пакеты информации, полученные, например, от операторов сотовой связи и компаний, занимающихся социальными сетями.
Типичные примеры таких исследований представлены под номером 4. Увы, даже эти большие наборы данных скудны, так как они измеряют лишь по
несколько переменных за раз. Таким образом, они дают очень ограниченное представление о человеческой природе.

13 Barker 1968; Dawber 1980.

Рис. 1. Квалитативный обзор наблюдений и экспериментов в области общественных наук. Горизонтальная ось показывает продолжительность
сбора данных, вертикальная ось – объем и качество полученной информации. Показаны следующие комплексы данных: (1) Большинство научных
экспериментов в области общественных наук; (2) Midwest Field Station (Barker 1968); (3) Framingham Heart Study (Dawber 1980); (4) Данные, полученные
от телефонных операторов (Gonzalez et al. 2008; Eagle et al. 2010; Hidalgo and Rodriquez-Sickert 2008); (5) Исследования Reality Mining («добыча
реальности») (Eagle and Pentland 2006); (6) Социальное развитие (Madan et al. 2012); (7) Друзья и родственники (Aharony et al. 2011); (8) данные
электронных бейджей (Pentland 2012b); (9) «Данные в целях развития» (D4D, http://www.d4d.orange.com/home); (10) общее направление развития.
Социальная физика стремится получить как можно более глубокие и всеохватные количественные описания. Исследования под номерами 5, 6 и 7
проводились моей собственной исследовательской группой, которая использовала смартфоны для сбора информации; они использовали «социометры»,
или «умные» электронные бейджи с именами, для сбора данных для исследования номер 8 (подробности см. в Приложении 1: Добыча реальности); а для
исследования под номером 9 – набор «данных в целях развития» (D 4D), охватывающих всю территорию Кот-д‘Ивуар.
Достаточно поверхностно изучить рис. 1, чтобы увидеть, что наборы данных, полученные из социальной физики, многократно и по всем
параметрам превосходят те, которыми оперируют другие социальные науки. Они цифровые, объемные и содержат колоссальное количество
объективной, непрерывной и компактной информации, которая позволяет нам строить количественные, прогнозируемые модели поведения людей в
сложных повседневных ситуациях.
Важно отметить, что точка, помеченная номером 10, обозначает направление, в котором движется мир. Уже по прошествии каких-нибудь
нескольких лет мы, возможно, будем располагать невероятно богатыми данными о поведении практически всего человечества – и причем постоянно. Эти
данные уже существуют в мобильных сетях, базах данных кредитных карт и других источниках, но в настоящее время только технические специалисты
имеют к ним доступ. Однако по мере того, как они будут становиться все более доступными для научных исследований, новая наука социальной физики
получит следующий толчок. Хочется надеяться, что, как только мы разработаем более точную визуализацию моделей человеческой жизни, мы сможем
лучше понимать наше современное общество и управлять им, используя инструменты, лучшим образом приспособленные к сложно взаимосвязанной
сети, объединяющей людей и технологии.

В поддержку этой книги я разместил в интернете несколько самых крупных в мире и подробнейших наборов данных, полученных из живых
лабораторий. Эти новейшие источники цифровой информации позволяют нам с точностью измерить алгоритмы взаимодействий между людьми – или же
между людьми и торговыми компаниями – и составить схемы и диаграммы на основе повторяющихся ситуаций, с которыми люди сталкиваются в
процессе жизни. В эти наборы данных живых лабораторий входят:
Друзья и родственники: Собранные в течение около полутора лет данные о небольшом сообществе молодых семей, с большим диапазоном
социометрических переменных, включая место расположения, расстояния, коммуникации, покупки, использование социальных медиа, мобильных
приложений, и сон14. Мы измеряли по тридцать поведенческих переменных каждые шесть минут15. Материалы этого исследования содержат 1,5
миллиона часов количественного наблюдения за социальным опытом людей.
Социальное развитие: Собранные за девять месяцев данные об общежитии университета, с информацией о месте расположения, расстояниях
и коммуникационными данными, обновляемыми каждые пять минут вместе с переменными, связанными со здоровьем, политикой и
социометрией16. Это исследование включает в себя 500 тыс. часов количественного наблюдения.
Добыча реальности: Собранные за девять месяцев данные о выпускниках, работающих в двух лабораториях при университете, с местом
расположения, расстояниями и использованием телефона, обновляемые каждые пять минут вместе с несколькими другими социометрическими
переменными17. Это исследование покрывает более 330 тыс. часов взаимодействия между людьми.
Данные электронных визиток: Данные о служащих офиса, собранные за один месяц, с местом расположения, коммуникациями и
информацией о жестикуляции, измеряемые каждые шестнадцать миллисекунд, наряду с точными измерениями рабочего процесса и процесса
выполнения задач18.

Анонимные данные, визуальные модели, код, документация и материалы доступны по ссылке: http://reality-commons.media.mit.edu. Эти наборы
данных были получены с соблюдением федерального закона США об исследованиях с участием человека19.
Эти живые лаборатории, в частности, дают детальный срез жизни американцев, но что насчет жизни людей в развивающихся странах, где
проживает большая часть населения планеты? Первого мая 2013 года я представил публике «Данные в целях развития» – возможно, первый в мире
полноценный общедоступный фонд больших данных: он содержит информацию о перемещениях и телефонных звонках, а также данные об экономике,
цензуре, политике, продовольствии, инфраструктуре и малоимущих, охватывающие всю область африканской страны Кот-д‘Ивуар. Эти данные теперь
доступны по адресу: http://www.d4d.orange.com/home.
Эти обобщенные анонимные данные были предоставлены оператором мобильной связи Orange, при содействии Левенского университета (Бельгия)
и моей исследовательской группы в МТИ, а также при участии университета Буаке (Кот-д‘Ивуар), проекта ООН «Глобальный пульс», Всемирного
экономического форума и GSMA – международной ассоциации мобильных операторов. В последней главе этой книги мы увидим, как этот
информационный фонд используется уже сейчас для улучшения государственного управления и коммунальных услуг в Кот-д‘Ивуаре.

План книги
Цель этой книги – рассказать, как социальная физика объединяет большие данные о поведении людей и теорию социальной физики, чтобы создать
практическую науку, которая может применяться – и уже применяется – во многих ситуациях в реальной жизни. В первой части книги я изложу
теоретическую основу, используя примеры, иллюстрирующие два самых важных понятия в социальной физике:

14 Десятки стандартных психологических, социологических и медицинских опросов регулярно проводились в этих живых лабораториях – как правило, через интернет. Кроме того,
были и более короткие, более частые опросы, проводившиеся при помощи смартфонов.
15 Aharony et al. 2011.
16 Madan et al. 2012.
17 Eagle and Pentland 2006.
18 Pentland 2012b.
19 Защиту участников обеспечивали: информированное согласие, возможность отказаться в любое время и гарантированно безопасное использование всех персональных данных, а
также плата за участие.

• Поток идей в социальных сетях, который делится на исследование (поиск новых идей/стратегий) и привлечение (организация совместной
деятельности).
• Социальное обучение, которое, наряду с социальным стимулированием, запускающим социальное давление, способствует превращению новых
идей в привычки и традиции.
Эта часть книги также рассказывает о том, как с помощью цифровых «хлебных крошек» мы можем произвести точные, практические измерения
таких явлений, как социальное влияние, доверие и социальное давление. Этот метод также позволит нам замерить поток идей в социальных сетях и
задействовать стимулы, формирующие шаблоны социального обучения в реальных жизненных ситуациях. Я использую примеры из соцсетей в
интернете, из сфер здравоохранения, финансов, политики и поведения потребителей, чтобы проиллюстрировать принципы устройства социальной
физики.
Во второй части книги я приведу примеры из реальной жизни, которые покажут, как социальная физика используется для усиления гибкости,
креативности и продуктивности организаций. Среди примеров: исследовательские лаборатории, креативные рекламные отделы, отделения поддержки
транзакций и колл-центры.
Третья часть книги рассматривает социальную физику в более крупных масштабах, а именно в масштабах городов. Здесь я делаю акцент на том,
как с ее помощью мы можем переустроить наши города и сделать их более производительными и креативными.
В заключительном разделе я расскажу о том, как социальная физика применима к общественным учреждениям. Здесь я буду анализировать роль
государства, законодательных и регулирующих структур в информационном обществе и предложу ряд нововведений в сфере приватности и экономики.
Я надеюсь, что по мере продвижения по книге читатель научится мыслить категориями социальной физики. Этот новый подход во многом схож с
экономическим благодаря его количественной, прогностической природе. Действительно, значительная часть лексикона, который я использую в этой
книге, взята из экономики. Но вместо того чтобы изучать, как работают экономические агенты и функционируют экономические структуры, социальная
физика стремится к пониманию того, как поток идей отражается в поведении и переходит в действия. Иными словами, суть социальной физики – не в
том, как денежный обмен влияет на рынки, а в том, как обмен идеями направляет поведение людей – как они объединяются для поиска, выбора и
присвоения новых стратегий и совместных действий.
Социальная физика также имеет поверхностное сходство с другими академическими дисциплинами – в частности, с когнитивной наукой. Однако
контраст между большей частью когнитивистики и социальной физикой очень важен. Социальная физика фокусируется не на мыслях и эмоциях
отдельных индивидов, а на социальном обучении как определяющем факторе привычек и норм. Основная предпосылка такова, что обучение на основе
актов поведения (и соответствующих ситуативных признаков) других людей – важный и, вероятно, главный механизм, управляющий изменениями в
поведении людей. Поскольку социальная физика не стремится фиксировать внутренние когнитивные процессы, она носит изначально вероятностный
характер, с неуменьшаемой степенью неопределенности – ведь социальная физика игнорирует генеративную природу сознательной мысли человека.

Информационные общества: «Прометеев огонь»
Новая наука социальной физики объединяет отрасли экономики, социологии и психологии с системами связей, теорией сложности вычислений,
принятием решений, а также экологическими науками и спаивает их вместе при помощи больших данных. Я расскажу, как, создавая социальные
системы, выходящие за рамки рынков, классов и партий, и подробно изучая модели обмена идеями, мы сможем построить общество, которое сможет
лучше предотвращать биржевые крахи, этническое и религиозное насилие, тупики в политических переговорах, распространение коррупции и опасное
нарушение баланса сил. Первым шагом станет утверждение научной, надежной политики роста и инноваций, и учреждение информационных и
юридических структур для защиты приватности личных и прозрачности публичных данных. Такие меры дадут нам уникальную возможность следить за
тем, как работает выбранный нами курс, и знать, когда нас пытаются ввести в заблуждение или попирают наши права. Тогда мы сможем делать все
возможное, чтобы быстро и эффективно исправить ситуацию.
Такое понимание информационного общества изначально предполагает, что данными не будут злоупотреблять. И все же возможность видеть
внутреннее устройство рынка и политических революций, а также прогнозировать и контролировать их – это тот же «прометеев огонь», который может
быть использован как во благо, так и во зло. Иными словами, чтобы реализовать все заманчивые возможности информационного общества, нам
понадобится то, что я назвал «Новым соглашением по данным»: надежные гарантии постоянной доступности данных, необходимых для общего блага, и
защиты населения20. Постоянная защита личной информации и свободы людей жизненно необходима для процветания любого общества.
В последние пять лет я участвовал в организации дискуссий на тему гарантий защиты личной свободы, проводимых среди ведущих политических
деятелей, генеральных директоров международных корпораций и правозащитных групп по всему миру. В результате было достигнуто новое соглашение
по данным, которое сейчас дорабатывается, чтобы затем стать частью коммерческого регламента в Соединенных Штатах, Евросоюзе и других странах21.
20 Pentland 2009.
21 World Economic Forum 2011. Personal data: The emergence of a new asset class. См. http://www3.weforum.org/docs/WEF_ITTC_PersonalDataNewAsset_Report_2011.pdf.

Благодаря этим изменениям индивиды получают беспрецедентный контроль над своими данными, и в то же время повышается прозрачность и
обнажается системность в публичной и частной сферах.
Хотя эти нововведения помогут защитить граждан от коммерческих компаний, они не смогут гарантировать защиту от самого государства. В июне
2013 года бывший сотрудник Агентства национальной безопасности США Эдвард Сноуден разоблачил практику массового мониторинга телефонных
звонков и интернет-данных в США и назвал ее «архитектурой угнетения». Нам необходимо возобновить общественные дебаты на тему баланса между
неприкосновенностью личной жизни и сбором и использованием персональных данных в целях государства – «Новое соглашение по данным» должно
распространяться и на правительства. Нам также понадобятся компьютерные и коммуникационные технологии, которые помешают им злоупотреблять
своей властью.
Еще одна трудность заключается в необходимости более строгого контроля над экспериментальной деятельностью в наших социальных
структурах. Сегодня правительства и предприятия вводят новые директивы и системы на основе весьма неубедительных фактов. Научный метод, что
сейчас широко практикуется в сфере общественных наук, неэффективен и недостаточно силен, чтобы выжить в эпоху больших данных22. Полезен ли
кофе для здоровья? А сахар? Уже больше века миллионы людей употребляют их – разве у нас не должны быть ответы на эти вопросы? Вместо них у нас
есть «мнение ученых», которое меняется чуть ли не каждый день. Мы должны возродить общественные науки, построив живые лаборатории, чтобы
тестировать и доказывать идеи, которые помогут нам в формировании информационных обществ.
Человечество уже ступило на путь обновления, которое оставит далеко позади такие революционные открытия, как книгопечатание и интернет.
Впервые в истории у нас будут все данные для того, чтобы по-настоящему познать самих себя и понять, как эволюционирует наше общество. Лучше
узнав себя, мы, возможно, сможем построить мир, где не будет войн и финансовых кризисов, где инфекционные заболевания быстро распознаются и
предотвращаются, где энергия, вода и другие ресурсы не растрачиваются впустую, а органы государственной власти являются частью решения, а не
частью проблемы. Однако для достижения этих целей нам необходимо сначала понять социальную физику, а затем решить, что мы как общество ценим
больше всего и что мы готовы изменить, чтобы получить это.
ТЕРМИНОЛОГИЯ
У многих используемых здесь слов есть как общие лексические, так и более терминологически узкие значения из сферы экономики и других наук.
Во избежание путаницы я привожу ниже ряд кратких определений:
Взаимодействие: Взаимодействие включает как прямые (например, разговор), так и непрямые (например, слушание чужого разговора) типы
социального поведения.
Доверие: Доверие – это ожидание постоянной, стабильной продуктивности взаимодействия.
Идея: Идея – это стратегия (действие, возможный результат или характеристика, определяющие, в какой момент необходимо произвести это
действие) дальнейшего поведения. Сравнительно удачные, полезные идеи переходят в автоматизированные действия, которые «срабатывают» при
быстром мышлении23.
Информация: Информация – это результаты наблюдений, которые могут быть включены в систему убеждений или же использованы для
построения новой идеи.
Исследование: Исследование – это открытие новых, потенциально полезных идей в процессе создания и изучения различных социальных сетей. В
компаниях рабочие группы, активно воспринимающие внешние относительно членов группы идеи, как правило, являются более прогрессивными.
Общество: Социальная физика предполагает, что человеческое общество в основном состоит из сетей, образующихся в результате взаимодействия
между индивидами, не рассматривая его как совокупность классов или рынков.
Поток идей: Распространение моделей поведения и убеждений в социальной сети посредством социального обучения и социального давления.
Поток идей учитывает структуру социальной сети, силу социального влияния внутри каждой пары людей, а также индивидуальную
восприимчивость к новым идеям.
Привлечение: Привлечение – это процесс социального обучения, как правило, в пределах рабочего коллектива, который приводит к возникновению
поведенческих норм и социального давления, укрепляющего эти нормы. В компаниях коллективы с высокой степенью распространения идей между
членами, как правило, являются более продуктивными.
Социальная норма: Социальная норма – это набор выгодных стратегий, которые, по единогласному мнению всех сторон, обеспечат лучший
результат взаимодействия. Нормы обычно возникают в процессе социального обучения и распространяются посредством социального давления.
Социальное влияние: Социальное влияние – это вероятность того, что поведение одного человека окажет влияние на поведение другого человека.
Социальное давление: Социальное давление – это коммуникационный рычаг, который один человек может использовать для воздействия на

22 В дополнение к малому масштабу экспериментов почти вся социальная наука опирается на людей из западных, образованных, международных, обеспеченных, демократических
обществ. Иными словами, социальная наука – только для чудаков (Henrich et al. 2010).
23 Kahneman 2011.

другого; его сила зависит от продуктивности взаимодействия между этими людьми.
Социальное обучение: Социальное обучение – это (1) усвоение новых стратегий (например, контекст, действие, желаемый результат) через
наблюдение за поведением других людей, включая обучение по известным случаям; или (2) присвоение новых убеждений на основе наблюдения или
полученного опыта.
Стимул социальной сети: Стимулом социальной сети является стимул, вызывающий изменения в алгоритме взаимодействия между двумя людьми.
Стратегия: Стратегия – это совокупность характеристик, определяющих ситуацию, потенциальных действий, которые можно предпринять в этой
ситуации, и предполагаемых результатов этих действий.
Ценность: «Ценностью» обменных взаимоотношений я буду называть степень, в которой результаты взаимодействия отвечают общественным и
личным целям, включая, например, практичность, заинтересованность и социальную поддержку.

Часть 1
Социальная физика

Глава вторая
Исследование
Как находить хорошие идеи и принимать правильные решения?
Когда речь заходит об инновациях и креативности, принято говорить, что есть лишь небольшое количество сверхумных людей, обладающих почти
магической способностью придумывать гениальные идеи, в то время как у остальных лишь изредка бывают счастливые озарения. Но это отличается от
того, что я наблюдаю здесь, в МТИ. Совсем наоборот, я вижу, что лучшие идеи приходят в результате тщательного и непрерывного социального
исследования.
В МТИ я занимаю во многом уникальную позицию – на пересечении нескольких крупных направлений человеческой деятельности. Здесь я стою
плечом к плечу со многими из лучших ученых мира – моими бостонскими коллегами. За ними следуют дальновидные руководители компаний, которые
приходят в МТИ, чтобы выступать на моих курсах по предпринимательству или спонсировать мои исследования. Благодаря Всемирному
экономическому форуму у меня есть возможность встречаться и обсуждать новые разработки с политическими лидерами из разных стран. Благодаря
медиалаборатории МТИ я часто сотрудничаю с новыми перспективными художниками. И, наконец, я также работаю со студентами, самыми
талантливыми и способными молодыми людьми со всех уголков мира.
Возможно, это удивительно, но все они – просто люди, в них нет ничего сверхъестественного. У некоторых из них есть знания и навыки, которые
они усовершенствовали до международного уровня. Но не эти знания служат источником их новых идей. Как сказал Стив Джобс, творчество – это всего
лишь создание связей между вещами. Когда спрашиваешь креативных людей о том, как им удалось что-то сделать, они испытывают небольшое чувство
вины, потому что они ничего такого не «делали» – они лишь увидели что-то, что показалось им очевидным по прошествии времени. Все дело в том, что
им удалось связать между собой ситуации, которые они пережили, и синтезировать нечто новое.
Люди с неиссякаемой креативной энергией и проницательностью – это исследователи. Они проводят огромное количество времени в поисках
новых людей и новых идей, и им необязательно прилагать все усилия к тому, чтобы отыскать «лучших» людей или «лучшие» идеи. Вместо этого они
ищут людей с особенным взглядом и особенными идеями.
Помимо постоянного поиска новых идей, эти исследователи делают еще одну интересную вещь: они просеивают накопленные идеи, чтобы
добраться до самых лучших, обсуждая их с каждым, кого встречают, – при этом не забывая, что им встречается много разных типов людей.
Разнообразные точки зрения и опыт – важный фактор успеха при отборе инновационных идей. Лучшие идеи – те, что вызывают удивление или интерес у
разных людей. Эти идеи отбираются, объединяются в единый сценарий, новую историю о мире, а затем используются как ориентир для направления
действий и решений.
Самые продуктивные люди постоянно разрабатывают и тестируют новые сценарии, вписывая в них вновь найденные идеи и испытывая их на всех,
кого встречают. Подобно сырой глине, которая постепенно превращается в прекрасную статую, их сценарий со временем становится все более и более
увлекательным. В итоге они решают, что пришло время воплотить свою задумку в жизнь, показать ее всем и проверить на деле. Для таких людей процесс

сбора, отбора и совершенствования идей – все равно что игра. В самом деле, многие из них называют свою деятельность «серьезной игрой»24.
Основной принцип работы в науке, искусстве и управлении одинаков: развитие привлекательного сценария и проверка на практике. В науке
сценарии тестируются на соответствие реальности; в искусстве – на их способность влиять на текущий культурный диалог; а в управлении – на их успех
в сфере бизнеса или государственного управления.
Но как этот процесс исследования – поиска новых идей и отбора лишь нескольких самых интересных из них – приводит к созданию сценария для
грамотных решений? Может, это просто хаотичное перемешивание идей, которое не требует особого применения наших индивидуальных
интеллектуальных способностей? Или же существуют стратегии, жизненно необходимые для успешного исследования?
Поскольку такой процесс исследования – это, по сути, поиск в рамках нашего социального пространства, ответ на этот вопрос можно найти, изучив
роль социального взаимодействия в том, как мы находим новые идеи и как применяем их для принятия решений.
Анализ примитивных человеческих групп подтверждает идею о том, что в первую очередь именно социальное взаимодействие определяет, как
люди собирают информацию и принимают решения; этнологи обнаружили, что практически все решения, затрагивающие группу в целом, принимаются
в социальных ситуациях25 (когда члены группы в сборе). Основным исключением из этого шаблона, как у людей, так и у животных, является ситуация,
когда необходимо принять решение как можно скорее, – например, война или чрезвычайная ситуация26.
Первым объяснением тому, почему эволюция привела людей к коллективному принятию решений, может послужить следующее: прислушиваться к
мыслям разных людей выгодно. Суть такова, что, объединив их идеи, мы можем получить преобладающее мнение, или «мудрость толпы», которая
восторжествует над индивидуальным суждением. Такой процесс объединения идей общедоступно изложил Джеймс Шуровьески в своей книге о
коллективном разуме 27, и именно он лежит в основе примитивной интуиции, которая влияет на результаты тайных голосований, рейтингов в виде
«звездочек» и «лайков» в соцсетях и счетчиков закачек на веб-страницах.
На самом деле, анализ показывает, что подход объединения идей эффективен при необходимости оценить ситуацию только в том случае, если нет
социального взаимодействия. Иными словами, он предполагает, что все участники толпы будут действовать независимо друг от друга. Однако как только
возникает социальное взаимодействие, ситуация коренным образом меняется: потоки людей сталкиваются друг с другом 28, и в результате появляются
отдельные кластеры идей и массовые тенденции29. Соответственно, объединение работает и при необходимости оценить ситуацию, поскольку мы с
легкостью можем комбинировать численную информацию из разных источников, чтобы, к примеру, узнать срединное значение или самый
распространенный ответ.
К сожалению, не существует легкого способа объединения более сложной стратегической информации. Но надежда все же есть. Когда полевые
биологи наблюдают за популяциями животных, они видят, что социальное обучение – то есть имитация успешных особей – может положительно
повлиять на правильность решений, касающихся добычи корма, поиска пары или выбора среды обитания 30 . В мире людей стратегия социального
обучения, которая заключается в выявлении лучшей идеи из существующих – то есть чередование процессов сбора и оценки идей, – создает эффект
«мудрости толпы», и она применима даже к маленьким группам 31. Тем не менее, как у животных, так и у людей, этот эффект работает только при
наличии достаточного разнообразия в стратегиях, которые индивиды используют для принятия решений32. Можно предположить, что секрет отбора
идей, которые приведут к выдающимся решениям, заключается в том, чтобы учиться на победах и поражениях других и постоянно поддерживать
24 Papert and Harel 1991.
25 Buchanan 2007.
26 Conradt and Roper 2005.
27 Surowiecki 2004.
28 Dall et al. 2005.
29 Lorenz et al. 2011.
30 Dall et al. 2005; Danchin et al. 2004.
31 King et al. 2012.
32 Hong and Page 2004; Krause et al. 2011.

разнообразие возможностей для такого социального обучения.

Социальное обучение
Что же все-таки нужно делать, чтобы без проблем находить множество отличающихся друг от друга идей? Чтобы понять, какие шаблоны
социального обучения генерируют мудрость толпы, мы должны сначала усвоить в деталях, как следует использовать социальное обучение для поиска
лучших идей. Чтобы должным образом продемонстрировать, из чего складывается мудрость толпы, я проведу вас по ступеням исследования социальной
сети eToro , которое я проводил совместно со студентом-постдокторантом Янивом Альтшулером и аспирантом Вэй Панем33.
Для начала немного базовой информации: eToro – это финансовая онлайн-платформа для дейтрейдеров, и, пожалуй, ее наиболее интересной
особенностью является то, что она включает в себя социально-сетевую платформу, известную как OpenBook . В OpenBook пользователи легко могут
просмотреть текущую позицию, портфолио и прошлые сделки других пользователей. Каждый пользователь может разместить в eToro два основных
типа трейдов (торговой активности):
Индивидуальный трейд: Обычный трейд, которым занимается он сам.
Общественный трейд:
Трейд, который в точности копирует одиночный трейд другого пользователя, или же автоматическое
копирование всех трейдов другого пользователя. Любые текущие сделки других трейдеров можно просматривать и выбирать для копирования.

Пользователи раскрывают свои трейдинговые идеи, чтобы другие люди могли стать их фоловерами. Поскольку в любой из общественных трейдов
можно вложить лишь малую часть своих средств, многие выбирают несколько трейдов для копирования. Трейдеры могут сделать хорошие деньги,
раскрывая свои трейды в OpenBook , поскольку каждый раз, когда один пользователь копирует другого, второй получает на свой счет определенную
сумму.
В 2011 году в течение нескольких месяцев мы собирали информацию о евро-долларовом трейдинге от 1,6 миллиона пользователей eToro . На
основе этого набора данных мы смогли изучить около 10 миллионов транзакций. В этом примере удивительно и важно то, что мы можем
непосредственно наблюдать процесс социального обучения, отслеживать влияние, которое он оказывает на действия людей, а также вычислить, были ли
их действия эффективными. Иными словами, эта социальная сеть дает нам всевидящее око социального обучения, то есть позволяет увидеть в деталях,
как обмен между индивидами воздействует и на их поведение, и на конечный финансовый результат. Есть совсем немного – если они есть вообще –
других наборов данных, с помощью которых мы можем столь же ясно видеть социальное обучение в действии и определять, какие из его моделей
работают лучше всего.

33 Altshuler et al. 2012; Pan, Altshuler, and Pentland 2012. eToro (http://www.etoro.com) – это дисконтированный розничный онлайн-брокер международной валютной и товарной
торговли, предлагающий легкие в использовании механизмы покупки, продажи и эксплуатации. Система eToro делает финансовый трейдинг легкодоступным и интересным, так как
она позволяет любому пользователю открывать длинные и короткие позиции с минимальной ставкой в несколько долларов. Это напоминает участие в лотерее, но пользователи
конкурируют с реальным миром, а не с лотерейным компьютером. Несмотря на то, что на момент нашего исследования пользовательская база eToro насчитывала три миллиона
клиентов, важно помнить, что она все еще остается мелким игроком на валютном рынке – трейдеры Etoro не влияют на движение рынка.

Рис. 2. Каждая точка демонстрирует трейд, в котором один из 1,6 миллиона пользователей (горизонтальная ось) скопировал другого пользователя.
Вертикальная ось показывает, какой именно пользователь скопирован. Овальными рамками обведены две области: в одной из них пользователи
относительно изолированы и антисоциальны, в другой все пользователи скопировали друг друга.
На рис. 2 показана модель социального обучения пользователей eToro : каждая точка показывает, какой пользователь (горизонтальная ось)
скопировал другого пользователя (вертикальная ось). Отдельный индивид не может увидеть модель, изображенную на рис. 2, – глобальный шаблон
обучения. Пользователи могут видеть трейды других людей, но не могут видеть, кого копируют другие трейдеры.
Наверное, самое очевидное на рис. 2 – это большое пустое пространство между точками. Это означает, что каждый пользователь копирует лишь
несколько других людей. Здесь мы видим социальную сеть с очень небольшим количеством связей между отдельными трейдерами и теми, кого они
копируют. Один пользователь копирует другого, их, в свою очередь, копируют другие трейдеры, и в результате новые трейдинговые стратегии
распространяются от пользователя к пользователю на протяжении всей социальной сети.
Эта иллюстрация также ясно показывает, что степень социального обучения здесь сильно варьируется. Одна область почти вся усеяна точками, что
означает, что эти трейдеры тесно связаны сетью социального обучения. Вторая область, где точек очень мало, показывает, что процесс социального
обучения между этими трейдерами довольно слабый. Однако большая часть схемы на рис. 2 покрыта средним количеством точек, что показывает, что
большая часть трейдеров находится где-то между этими двумя крайностями социального обучения.
Что это говорит об отдельных трейдерах? Очевидно, что у некоторых людей не так много возможностей для социального обучения, потому что у
них слишком мало связей. Другие застряли в паутине циклических реакций, так что они постоянно слышат одни и те же идеи, в то время как у
большинства пользователей есть среднее количество возможностей для социального обучения. У каждого человека, использующего платформу eToro ,
своя модель исследования и, соответственно, свой набор идей, над которыми он может работать.

Поток идей
Какая модель исследования и социального обучения дает лучший результат? Мы нашли ответ, когда Янив сопоставил прибыль трейдеров от

инвестиций с показателями уровня потока идей 34 между трейдерами; то есть показателями степени распространения трейдинговых стратегий от
пользователя к пользователю на протяжении социальной сети по мере того, как отдельные трейдеры копируют других пользователей и их самих, в свою
очередь, тоже копируют.
Рисунок 3 показывает, как доходность от инвестиций варьируется в зависимости от интенсивности распространения идей в сети eToro . Каждая
точка на этом рисунке – это средний показатель успешности всех социальных трейдеров на eToro за весь день. Потребовалось в общей сложности около
10 миллионов сделок, чтобы рассчитать данные, приведенные в этом графике. Показатели потока идей указаны на горизонтальной оси, а вертикальная
ось указывает на степень окупаемости инвестиций, скорректированную таким образом, чтобы нивелировать влияние изменений рынка 35.
Одного взгляда на показатели потока идей в пределах социальной сети eToro достаточно, чтобы увидеть широкий диапазон поведенческих
моделей: от социально изолированных индивидуальных трейдеров в одном конце до трейдеров, запертых внутри эхокамеры (замкнутом идейном
пространстве), в другом. Если посмотреть на рентабельность первых и вторых, а также тех, кто относится к средней группе, колоссальное влияние
социального обучения становится очевидным. Трейдеры, в социальных связях которых был соблюден правильный баланс разнообразных идей, смогли
получить 130-процентный доход от инвестиций36.

34 Используя сложный математический анализ, мы можем рассчитать показатель скорости «потока идей.» Скорость потока идей – это вероятность того, что определенная доля
пользователей (выражается в распределении вероятностей) усвоит новую стратегию, которая появится в социальной сети. Этот важнейший показатель учитывает структуру социальной
сети и силу социального влияния в каждой паре людей, а также индивидуальную восприимчивость к новым идеям. Те, кого интересует математическая часть, могут обратиться к
приложению «Математика», где подробно описано, как рассчитывается поток идей.
35 Вычитание окупаемости инвестиций индивидуальных трейдов делает вертикальную ось нейтральной по отношению к рынку, поскольку производительность отдельных
трейдеров не настолько велика, чтобы оказывать влияния на рынок.
36 Вертикальная вариативность рентабельности при заданном значении скорости потока идей связана с тем, что пропорции классов активов различаются в разные дни. Каждый
класс активов обладает своей, несколько отличной от остальных золотой серединой с точки зрения скорости потока идей, и когда эта вариативность учитывается, вариативность
рентабельности резко снижается.

Рис. 3. Каждая точка представляет собой средний показатель успешности всех социальных трейдеров на eToro за весь день. Вертикальная ось
сравнивает окупаемость инвестиций социального трейдинга (скорректировано, чтобы нивелировать влияние изменений рынка), а горизонтальная ось
демонстрирует показатель потока идей в социальной сети eToro . При оптимальном показателе потока идей окупаемость инвестиций возрастает на 30%
сравнительно с индивидуальным трейдом.
В такой виртуальной трейдинговой среде «мудрость толпы» лежит в балансе между двумя крайностями – почти полной изоляцией и стадным
поведением, которое возникает тогда, когда слишком плотные социальные связи превращаются в эхокамеру. Именно в этой промежуточной зоне
социальное обучение, то есть копирование успешных людей, приносит реальную выгоду. В последующих главах мы увидим, как концепция «мудрости
толпы» работает в компаниях, городах и общественных учреждениях.
Такой эффект вполне закономерен; его подобие прослеживается в стаях обезьян37 и небольших группах людей38; его также можно увидеть при
моделировании самообучающихся агентов39 и в математических моделях социального обучения40. Эрез Шмуэли, Янив и я обнаружили, что сообщество
участников социального обучения спонтанно образует то, что называется безмасштабной 41 «фрактальной» сетью – сетью, связи внутри которой не
37 Yamamoto et al. 2013; Sueur et al. 2012.
38 Farrell 2011.
39 Lazer and Friedman 2007.
40 Glinton et al. 2010; Anghel et al. 2004.
41 Имеется в виду такая сеть, где вероятность того, что у пользователя есть d подписчиков, выражается как Prob(d) d–γ.

случайны, а систематически разнообразны – и, более того, связи в сети со временем меняются в той же безмасштабной фрактальной манере42. Когда
шаблон взаимодействия между участниками обучения приходит к состоянию «мудрости толпы», поток идей становится оптимальным и
производительность всей группы значительно улучшается. В результате образуется непрерывный водоворот обучения, где идеи переходят в состояние
«мудрости», то есть знаний.
Так что же такое – говоря простым языком – поток идей? Распространение идеи в социальной сети похоже на эпидемию гриппа. В случае с вирусом
ОРЗ при каждом контакте зараженного человека с новыми людьми есть некая вероятность того, что новый человек тоже подхватит инфекцию. Если
происходит активное взаимодействие и новый человек восприимчив к вирусу, то он, скорее всего, заболеет гриппом. И если большинство людей
восприимчивы к вирусу, то он постепенно охва
.
Поток идей действует по тому же принципу. Процесс социального обучения предполагает, что тот, кто демонстрирует образец поведения (ролевая
модель), и новый человек активно взаимодействуют друг с другом, и если новый человек восприимчив к новым идеям, то есть все шансы на то, что эта
идея пустит корни и изменит его поведение. Восприимчивость зависит от некоторых факторов, например: достаточно ли сходства между ролевой
моделью и новым человеком, чтобы усвоенный тип поведения принес пользу; высок ли уровень доверия между ними; и есть ли преемственность между
новой идеей и ранее усвоенными моделями поведения. Таким образом, распространение идей порой протекает довольно медленно 43 , в отличие от
«вирусного маркетинга», о котором так любят рассказывать рекламные агентства.
Так, для нас показателем эффективности потока идей является вероятность того, что поведение изменится при появлении новой идеи в
расширенной социальной сети. Это очень похоже на вероятность заболевания гриппом в сезон эпидемий, только идеи не распространяются так далеко
или так быстро, как грипп. На самом деле, как мы еще увидим в последующих главах, единственный проверенный нами способ ускорения потока идей –
это использование стимулов социальных сетей.

Поток идей и принятие решений
Пример с eToro ясно демонстрирует, что уровень потока идей – важнейший показатель того, насколько успешно конкретная социальная сеть
накапливает и совершенствует стратегии решения задач. В последующих главах мы увидим, как уровень потока идей может быть использован в
прогнозировании продуктивности и креативной отдачи.
Но что может сделать отдельный индивид, чтобы поднять уровень потока идей в своем секторе социальной сети? К счастью, есть множество
вариантов. В 1985 году Боб Келли из Университета Карнеги-Меллон запустил ставшее знаменитым исследование Bell Stars («Звезды Белла»)44. Ученые
из Bell Laboratories , одной из ведущих исследовательских институций мира, решили выяснить, что отличает «звездного» исполнителя от
среднестатистического. Является ли это природным даром, или же «звездному» исполнению можно научиться? Bell Labs уже работала с самыми
лучшими и способными умами из наиболее престижных университетов мира, но лишь несколько из них смогли оправдать свой явный потенциал к
гениальности. В реальности большинство новобранцев смогли со временем стать крепкими исполнителями, но не внесли существенного вклада в
конкурентное преимущество AT&T на торговом рынке.
Келли обнаружил, что «звездные» производители практикуют «подготовительное исследование», то есть развивают двунаправленные каналы связи
с другими экспертами заранее, чтобы установить взаимоотношения между людьми, которые позднее будут помогать друг другу в выполнении
критических задач. Кроме того, «звездные» социальные системы отличались от типичных социальных сетей в компаниях еще в двух важных аспектах.
Во-первых, в их сетях были люди, которые давали верные ответы с первого раза, и их реакция была более быстрой. Это позволяло «звездным»
производителям не тратить время впустую и не заниматься бесперспективными проектами.
. Обычные исполнители глядели на мир только через призму своей работы
и непрерывно двигались в одних и тех же направлениях. В социальных системах «звезд», напротив, были люди с более широким спектром служебных
обязанностей, так что они могли рассматривать ситуации с точек зрения клиентов, конкурентов и управляющих. Поскольку они могли видеть проблему с

42 Shmueli et al. 2013. То есть связи могут претерпевать изменения различных масштабов.
43 В четвертой главе мы увидим еще одно важное различие между инфекционными заболеваниями и поведенческими изменениями. Хотя трезвые, сознательные убеждения
(«магазин открывается в 8 часов утра») могут распространяться на основе лишь одного высказывания, людям обычно требуется наблюдать несколько примеров применения новой
модели поведения в течение короткого периода времени, прежде чем они усвоят эту модель и она заменит привычную, в значительной степени бессознательную модель поведения
(например, оплата наличными, а не кредитной картой). Первый тип поведенческих изменений известен как простая цепная реакция, а второй – сложная цепная реакция. Эти типы
изменений в поведении распространяются по сети схожим образом, но распространение сложной цепной реакции происходит гораздо медленнее и, как правило, требует наличия
крепко сплоченной локальной сети, чтобы при появлении новой идеи в ближайшей социальной сети человека он мог неоднократно видеть ее в действии в течение короткого периода
времени. См. Watts and Dodds 2007; Centola 2010; Centola and Macy 2007.
44 Kelly 1999.

разных сторон, это давало им возможность находить более грамотные способы решения задач.
Люди также могут способствовать повышению уровня потока идей, изменив свои личные привычки. В 2004 году я и студент-аспирант Танзим
Чаудхари использовали социометры в виде электронных бейджей, чтобы отслеживать взаимодействия между четырьмя исследовательскими группами в
течение двух недель; в результате мы записали каждую миллисекунду шестидесяти шести часов взаимодействия, в среднем пришедшегося на долю
одного человека45 (подробнее об этих бейджах см. приложение «Добыча реальности»).
Мы выяснили, что индивиды, которые использовали более энергичный и увлекательный стиль общения при взаимодействии с отдельными людьми,
внесли более значительный вклад в поток идей в своей социальной сети 46. Вот что я вижу, когда наблюдаю за самыми продуктивными людьми в мире:
чтобы отыскать новые идеи, они постоянно привлекают других людей, и такой исследовательский подход создает более интенсивный поток идей.
Поток идей также зависит от сочетания социального и индивидуального обучения. Например, когда люди видят, что другие внедряют
трейдинговые стратегии, схожие с их собственными, они часто становятся более уверенными в себе, и тогда есть все шансы, что они увеличат свой вклад
в ту или иную стратегию. Решения формируются из персональной и социальной информации, и когда персональной информации недостаточно, люди,
как правило, больше полагаются на социальную. В том случае, если они не уверены в том, в каком направлении движется рынок, стимулирующий
эффект социального обучения усиливается47. Это вполне оправданно: когда люди не знают, что происходит, они могут учиться, наблюдая за действиями
других в течение долгого периода времени.
К сожалению, это также может привести к излишней самоуверенности и групповому мышлению, поскольку механизм социального обучения
благотворно влияет на процесс принятия решений только при условии, что у каждого человека есть своя индивидуальная информация. Поэтому, когда
внешние источники информации (например, журналы, телевидение, радио) становятся слишком похожими друг на друга, социальный трейдинг
неизбежно утрачивает выгоду. В такой ситуации не только групповое мышление не оправдывает себя, но даже расхождение с ним становится более
разумной трейдинговой стратегией; об этом я расскажу подробнее ближе к завершению этой главы.
Аналогично в случае образования циклических реакций в социальной сети происходит непрерывная циркуляция одних и тех же идей. Но поскольку
идеи, переходя от человека к человеку, как правило, претерпевают небольшие изменения, в них можно не разглядеть повторения одной и той же мысли.
Все члены группы могут считать, что пришли к похожим стратегиям независимо друг от друга, и снова становятся слишком уверенными в себе. Такая
излишняя самоуверенность, возникающая внутри эхокамер, и есть источник финансовых пузырей.
Как часто бывает с финансовыми пузырями и массовой истерией, такие ситуации с эхокамерой могут закончиться неблагополучно. Область
плотных циклических реакций на рис. 2 – это, по сути, подобие финансового пузыря. Оказалось, что один конкретный трейдер в Латвии совершил целую
серию успешных сделок, и со временем люди начали копировать его, затем другие начали копировать их, и так до бесконечности. Незримо, но очень
быстро в процессе социального обучения образовалась крупная «организация», эксплуатирующая стратегию латвийского трейдера.
Однако из-за того, что трейдеры не могли видеть всю сеть социальных связей целиком, они не подозревали, что дружно копируют одного и того же
трейдера в Латвии. Они думали, что следуют за несколькими разными «экспертами», которые каким-то образом независимо друг от друга создали
похожие стратегии. Поскольку трейдерам казалось, что есть достаточное количество независимых приверженцев этой стратегии, они стали слишком
уверенными в ее правильности. К несчастью, все эксперты в конечном счете терпят поражение, и для тех людей, чьи портфолио полностью имитировали
одного и того же латвийского трейдера, результат был катастрофическим. Пузырь лопнул.

Настраивание социальных сетей
Поскольку поток идей учитывает структурные переменные социальной сети, силу социального влияния между людьми и индивидуальную
восприимчивость к новым идеям, он также выполняет еще одну чрезвычайно важную роль – позволяет достаточно точно предсказать, как изменение
каждой из этих переменных повлияет на производительность всех участников социальной сети. Таким образом, математически полученная концепция
потока идей позволяет нам «настроить» социальные сети так, чтобы принимать более разумные решения и достигать более совершенных результатов.
Что можно сделать, например, в тех случаях, когда поток идей становится либо очень медленным и слабым, либо слишком быстрым и плотным?
Изучая мир электронных финансов в сети eToro , мы выяснили, что потоками идей между людьми можно управлять, давая небольшие стимулы или же
подталкивая отдельных индивидов, так, чтобы изолированные трейдеры больше взаимодействовали с другими, а те, кто завяз в слишком большом
количестве контактов, общались меньше и выходили за пределы своего текущего круга общения.
В эксперименте с инвесторами eToro нам с Янивом Альтшулером удалось при помощи этого метода настроить социальную сеть так, чтобы она
45 Choudhury and Pentland 2004.
46 С технической точки зрения люди, которые оказывали больше влияния на очередность участия в разговоре, также обладали большей промежуточной центральностью в
социальной сети. Взаимосвязь была чрезвычайно прочной: r^2 от 0,9.
47 Pan, Altschuler, and Pentland 2012; Saavedraa et al. 2001.

оставалась в области здорового влияния «мудрости толпы», где у трейдеров есть достаточно широкий спектр возможностей для социального обучения,
но при этом нет опасности образования эхокамер, где зацикленное социальное обучение вызывает непрерывную циркуляцию одних и тех же идей. В
результате этой настройки мы смогли поднять рентабельность всех социальных трейдеров более чем на 6 процентов48, тем самым увеличив их общую
рентабельность в два раза.
В этом примере наша процедура настраивания помогла сломать эхокамеру, ограничив циркуляцию наиболее популярных на данный момент
стратегий, и дала новым стратегиям шанс быть воспринятыми. Понизив уровень потока идей для достижения большего разнообразия, мы вернули эту
социальную сеть в благоприятное для нее состояние и подняли средние показатели производительности. Посредством направления потоков идей наша
настройка социальной сети превратила среднестатистических трейдеров – которые часто оказываются проигравшими в ныне существующей финансовой
системе – в победителей. Правильный поток идей приносит деньги не только в финансовые сети, но также (как мы убедимся в последующих главах) в
компании и города.
Такой корректирующий подход применим к широкому спектру сетей, не только к сети eToro . Мы обнаружили аналогичные сетевые системы в
массивах источников, используемых репортерами новостей (так что мы можем точно сказать, действительно ли они освещают ситуацию со всех сторон),
механизмов финансового контроля (чтобы убедиться в том, что все возможные источники мошенничества учитываются) и в рекламных кампаниях
(чтобы знать наверняка, что набрано достаточное количество разных потребительских мнений). В результате Янив и я создали дочернюю компанию MIT
Athena Wisdom , которая теперь настраивает финансовые сети и сети, занимающиеся поиском решений, по всему миру.

Исследование
Примеры сети eToro и исследования Bell Stars рисуют ясную картину того, как сети взаимоотношений определяют качество практического
принятия решений. Здесь и далее, говоря об использовании социальных сетей для накопления идей и информации, я буду применять термин
«исследование». Исследование – это та часть потока идей, что приносит новые идеи в рабочий коллектив или сообщество. Относительно исследования
важно помнить три вещи:
Социальное обучение критически необходимо: Копирование успехов других людей в сочетании с индивидуальным обучением намного более
эффективно, чем одно только индивидуальное обучение. Если информация, которой вы располагаете, не вполне точна, больше полагайтесь на
социальное обучение; если же ваша индивидуальная информация достаточно надежна, вы можете больше полагаться на себя. Из этих примеров
можно также почерпнуть важные детали, относящиеся к правильному принятию решений. Силу социального обучения можно наблюдать в
социальных сетях. Расширяя горизонты и разнообразие в вашей сети, вы с большей вероятностью сможете найти лучшие стратегии.
Разнообразие важно: Если все движутся в одном и том же направлении, то это, скорее всего, означает, что имеющиеся у вас источники
идей и информация недостаточно вариативны и вам следует продолжать поиски 49 . Большой опасностью социального обучения является
групповое мышление. Как исключить групповое мышление 50 и возникновение эхокамер? Вам необходимо сравнить то, что предполагает
социальное обучение, с тем, что отдельные индивиды (у которых есть только внешние источники информации) делают в реальности. Если так
называемый здравый смысл, приобретаемый в процессе социального обучения, – это всего лишь излишнее самоуверенная версия того, что думают
отдельные люди, то все указывает на то, что вы находитесь в ситуации группового мышления или эхокамеры. В этом случае лучшей стратегией
будет – как ни удивительно – пойти против этого «здравого смысла». Действительно, многим пользователям eToro эта стратегия принесла
выгоду, которая значительно превысила средние показатели и уступала только выгоде самых лучших индивидуальных трейдеров.
Противоположные инвесторы 51 также важны:
Если действия людей не зависят от их социального обучения, они, вероятно,
располагают независимой информацией и доверяют ей достаточно, чтобы бороться с социальным влиянием. Ищите как можно больше таких
прозорливых людей и учитесь у них. Иногда у противоположных инвесторов бывают лучшие идеи, но в иных случаях это просто эксцентрики и
оригиналы. Как отличить одно от другого? Если вы в состоянии найти много таких независимых мыслителей и видите единодушие в большой их
подгруппе, то действительно хорошей стратегией будет последовать их общему мнению. Например, согласование таких независимых стратегий в
сети eToro более чем в два раза эффективнее стратегий лучших индивидуальных трейдеров.

48 Financial Times , April 18, 2013.
49 Важно вносить разнообразие, рассматривая более одной стратегии за раз, поскольку по мере изменения условий прежние стратегии перестают работать и им на смену приходят
новые. Таким образом, вам не нужно следовать стратегиям, которые были наиболее успешными до сих пор; вам необходимо искать стратегии, которые будут наиболее успешными в
будущем. Поскольку предсказывать будущее сложно, диверсификация социального обучения имеет большое значение.
50 Психологический феномен, возникающий, когда желание сохранения гармонии внутри сообщества приводит к некорректному или нерациональному принятию решений.
51 Инвестор, действующий вопреки тенденциям рынка.

Итак, люди действуют подобно машинам – «обработчикам идей», сочетая индивидуальное мышление и анализ с социальным обучением на основе
опыта других. Успех в немалой степени зависит от качества вашего исследования, а оно, в свою очередь, опирается на разнообразие и независимость
вашей информации и источников идей. В следующих главах мы также будем рассматривать исследование как процесс, играющий ключевую роль в
креативном производстве организаций, городов и общества в целом.
Все эти открытия позволяют сделать один неутешительный вывод: в нашем гиперконнектном мире, возможно, обмен идеями идет слишком
активно. В мире эхокамер повальные увлечения и массовые истерии являются нормой, и в таких условиях принимать разумные решения намного
труднее. Это означает, что нам необходимо обращать больше внимания на то, откуда приходят наши идеи, а также активно отбрасывать банальные
мнения и быть в курсе идей. Мы можем создать программные инструменты, позволяющие делать все это автоматически, но тогда нам придется
отслеживать источники происхождения идей. Существующие системы вроде копирайта были первым шагом к трекингу потока идей, но нам требуются
гораздо более простые и универсальные механизмы. Я вернусь к этой теме в последних двух главах, где расскажу о том, как мы можем построить
надежные сетевые системы, которые будут защищать личную информацию, но при этом не будут препятствовать движению потока идей.
Хотя здесь я описываю наше исследование при помощи слов, в их основании лежит сложная математика. Янив, Вэй, Вэнь Дун и я расписали
подробные уравнения, где рассчитывается процесс социального обучения и исследования; этот математический анализ позволяет понять, как лучше
собирать идеи в социальных сетях и как принимать более эффективные решения. Используя эти уравнения, мы можем с большой точностью предсказать,
какой вариант действий выберет тот или иной индивид и каков будет результат – в масштабах компаний (часть вторая), городов (часть третья) и целых
государств (часть четвертая).
Эти уравнения – центральная часть социальной физики, и те, кто ими интересуется, могут обратиться к специальному блоку «Математика
социального влияния», а также к приложению «Математика».

Глава третья
Поток идей
Составляющие коллективного разума
Почему одни компании кажутся энергичными и креативными, а другие – инертными и бездеятельными? А как насчет коммерческих предприятий,
где все вроде бы усердно трудятся, но при этом нет ощущения сплоченности или определенного направления? Стандартные объяснения обычно сводятся
к тому, что работа в одних компаниях «интересная» и «увлекательная», а в других – скучная и монотонная или что в каких-то компаниях просто
«хороший менеджмент», в то время как в других – нет.
Но это не то, что я вижу вокруг. Я вижу, что в разных компаниях разный поток идей – и, соответственно, разные возможности для обучения в
пределах и за пределами их сообщества. Думаю, в каждом из случаев причины интереса, скуки или стресса обусловлены скорее тем, насколько тесно
сотрудники компании связаны между собой и насколько разные филиалы отделены друг от друга, чем специфическими методами управления или же
характером деятельности компании. Иными словами, если мы хотим плодотворного сотрудничества, нам необходимо изучить показатели потока идей, а
также препятствия, затрудняющие его.
В моем представлении организация – это группа людей, плывущая по волнам идей. Иногда они входят в быстрые, прозрачные потоки великого
множества идей, но в другие моменты попадают в гниющие болота или пугающие водовороты. Порой чьи-то идеи ответвляются от основного потока,
отделяя их авторов от других людей и направляя их в новом направлении. На мой взгляд, такова настоящая история любого сообщества или культуры.
Все остальное – лишь внешняя оболочка и обман зрения.
Поток идей – это распространение идей посредством либо примера, либо истории в социальной сети, будь это компания, семья или город. Этот
поток идей выполняет ключевую роль в становлении традиций и развитии культуры вообще. Он позволяет навыкам и обычаям переходить от человека к
человеку и от поколения к поколению. Кроме того, участие в этом потоке идей дает людям возможность усвоить новые типы поведения, не подвергая
себя опасности и риску индивидуального поиска, и получить крупные, интегрированные модели поведения без необходимости формировать их
постепенно посредством трудоемкого экспериментирования52.
У каждого сплоченного сообщества есть свой поток идей, который позволяет участникам объединять новые разработки других людей в его
пределах и даже создавать отдельные культуры. Примеры таких «деятельных сообществ» – гильдии ремесленников, процветавшие в Средние века,
современные профессиональные ассоциации и даже сообщество eToro , о котором мы говорили в предыдущей главе.
Как мы увидели во второй главе, правильный поток идей помогает членам группы принимать более разумные решения, чем те, к которым они
приходили бы, работая индивидуально. Вследствие таких общих привычек человеческие сообщества могут развить некое подобие коллективного разума,
более масштабного, чем индивидуальный разум участников. Сотрудничество и обучение у других людей, совместно с взаимным обменом и
52 Bandura 1977.

практическим испытанием идей, образуют коллективный разум.
Поток идей зависит от социального обучения, и именно благодаря этому социальная физика работает: наше поведение можно предсказать на основе
того, насколько мы подвержены влиянию чужих действий на нас. На самом деле, люди так сильно полагаются на свою способность усваивать
окружающие их идеи, что некоторые психологи называют наш вид Homo imitans – «человек имитирующий» 53 . Через социальное обучение мы
развиваем общий набор привычек, подсказывающих, как действовать и как реагировать во множестве различных ситуаций. В основе бытовых деталей
нашей повседневной жизни лежат именно привычки; в общем и целом эти привычки определяют наше общество. Мы ездим по левой (или правой)
стороне дороги, просыпаемся в восемь (или в шесть) часов утра и едим вилкой (или палочками).
Такое социальное обучение свойственно не только людям. Другие приматы, такие как шимпанзе или орангутанги, также обнаруживают наличие
поведенческих культур в дикой природе. Например, нововведения, связанные с добычей корма, иногда распространяются по всей стае, и этот поток идей
замещает старые привычки новыми, более эффективными методами добычи. Но, хотя такие потоки идей вносят новые элементы в их арсенал привычек,
эти культуры приматов остаются примитивными и статичными.
Одной причиной, по которой человеческая культура развивается, а культура обезьян стоит на месте, может быть то, что иногда мы идем против
потока окружающих нас идей и погружаемся в иное течение. Во второй главе мы увидели, как новые и более успешные модели поведения приходят в
наше сообщество, когда мы используем социальные сети для исследования и проверки новых идей. Собирая идеи в тех областях нашей социальной сети,
которые соприкасаются с другими потоками, то есть пересекая то, что социолог Рон Берт назвал «структурными дырами» в материи человечества, мы
можем создавать инновации. Погружаясь в иной поток, мы выращиваем новые привычки и убеждения; в некоторых случаях они помогают нам
принимать более совершенные решения, способствующие процветанию нашего сообщества 54. Мы можем рассматривать каждый поток идей как вихрь
коллективного разума, который движется во времени по мере того, как находящиеся в нем люди учатся на опыте друг друга, чтобы совместно отыскать
модели предпочтений и привычек, более всего отвечающих их физическому и социальному окружению.
Это противоречит тому, как большинство западных людей видит себя – как рациональных индивидов, людей, которые знают, чего хотят, и
самостоятельно решают, какие действия предпринять для достижения своих целей. Может ли быть так, что наши предпочтения и методы – неотъемлемая
характеристика рациональности – исходят от нашего сообщества в той же мере, что и от нас самих? Может быть, мы, по определению экономистов,
коллективно рациональны и индивидуально рациональны в одинаковой степени?

Привычки, предпочтения и любопытство
Чтобы ответить на этот вопрос, нам необходимо лучше понять, как устроен поток идей, то есть как окружающие нас поведенческие образцы
становятся нашими собственными привычками, предпочтениями и интересами. Для изучения этого вопроса я запустил два крупных информационных
исследования, одно под названием «Социальная эволюция» и другое – «Друзья и семья», которые включают почти 2 миллиона часов данных о
социальных взаимодействиях всех членов двух сообществ за два года 55. (Для более подробной информации см. приложение «Добыча реальности»;
материалы, данные и визуализации доступны по ссылке: http://realitycommons.media.mit.edu.)
Привычки: Являются ли наши привычки результатом нашего персонального выбора, или же они – продукт окружающего нас потока идей? Мы
уже знаем, что ожирение, курение и другие связанные со здоровьем модели поведения – следствие социального обучения и что социальная поддержка
является ключевым фактором здорового образа жизни и благополучия. Например, результаты участников многолетнего Фремингемского исследования
(исследование сердечно-сосудистой системы) показали, что социальное взаимодействие играет важную роль в распространении моделей поведения – от
набирания веса до ощущения счастья 56 . Однако эти исследования не так много могут рассказать о процессе приобретения привычек, касающихся
здоровья, потому что они по большей части охватывают только друзей и членов семьи, и немалая часть данных носит фрагментарный и ретроспективный
характер, представляя собой несистематичные записи воспоминаний людей, а не реальные, количественные измерения, характерные для больших
данных.
Так, чтобы понять, как формируются привычки, моя исследовательская группа в течение года изучала распространение моделей поведения,
53 Meltzoff 1988.
54 Возможно, «культуры» обезьян похожи на неразвивающиеся культуры изолированных деревень и племен, в которых обмен идеями происходит только в пределах замкнутой
группы, следовательно, поведение сообщества остается закоснелым и некреативным.
55 Wi-Fi , они помечаются как телефоны, находящиеся в одном и том же месте. В исследовании «Друзья и семья» считывание было более качественным, и данные не требовали
подобной постобработки. Подробнее см. http://realitycommons.media.mit.edu.
56 Christakis and Fowler 2007.

связанных со здоровьем, в тесно сплоченном студенческом общежитии. В рамках «Исследования социальной эволюции» под моим руководством
совместно с аспирантом Анмолом Маданом, при участии Дэвида Лейзера, помогавшего нам с экспериментальным дизайном и анализом данных, раздали
студентам-участникам смартфоны со специальным программным обеспечением, позволяющим отслеживать их социальные взаимодействия с близкими
друзьями и знакомыми. В общей сложности по итогам этого исследования мы получили более 500 000 часов данных, куда вошли личные
взаимодействия, телефонные звонки и СМС, а также результаты обширных опросов и измерения массы тела 57. Эти сотни гигабайтов данных дали нам
возможность изучить механизмы образования привычек.
Мы фокусировались, в частности, на таком типе поведения, как изменение веса, и на том, насколько на него влияло поведение друзей и
сверстников. Как правило, лишь несколько сверстников дружат между собой, а остальные – только знакомые, взаимодействие с которыми относительно
незначительно. Поскольку группы друзей и сверстников лишь частично накладываются друг на друга, результаты обеих групп могут сильно различаться.
Мы выяснили, что существует сильная связь между изменениями веса и общением со сверстниками, которые набрали вес, но не с теми, кто его
потерял. Кроме того, социальное взаимодействие с близкими друзьями, чья масса тела также изменилась, не оказало существенного эффекта. Мы
наблюдали похожий эффект, исследуя привычки в еде, беря за ключевую переменную взаимодействие со сверстниками.
В этом случае не только прямые взаимодействия имели значение, но также общее количество контактов с людьми, набравшими вес, включая как
активное взаимодействие, так и пассивное наблюдение. Иными словами, случайно услышанные комментарии или случайное наблюдение за поведением
других людей может направлять поток данных не менее эффективно – а порой и более эффективно, – чем более прямые взаимодействия, такие как
разговоры, телефонные звонки и общение в социальных сетях. Иногда поток идей в большей степени зависит от наблюдения за тем, что люди делают на
самом деле, чем от того, что они сами рассказывают о своих действиях.
В самом деле, восприятие образцов поведения, окружающих каждого индивида, доминировало над всем остальным, что мы изучали в ходе этого
исследования. Оно даже оказалось более важным, чем все личные факторы, такие как изменение веса у друзей, пол, возраст, показатели стресса/счастья,
собранные воедино. Если сформулировать иначе, то эффект восприятия моделей поведения в окружении был идентичен эффекту влияния коэффициента
IQ на результаты стандартизированных тестов.
На основании этого можно задать вопрос: можем ли мы сказать, что восприятие окружения стало причиной возникновения потока идей, или же
между ними просто существует корреляция? Ответ таков: да, есть основания полагать, что здесь есть причинно-следственная связь. В этом эксперименте
мы смогли сделать количественные, синхронизированные во времени прогнозы, ввиду которых другие, непричинные, объяснения теряют
основательность. Возможно, еще более убедительно то, что мы также смогли использовать связь между восприятием и поведением в прогнозировании
результатов нескольких различных ситуаций и даже проводить манипуляции с окружением, чтобы вызвать поведенческие изменения 58 . Наконец,
проводились и другие тщательные количественные лабораторные эксперименты, которые выявили похожие эффекты, и причинная связь в них
очевидна59.
Следовательно, люди перенимают по крайней мере какие-то привычки, наблюдая за своими сверстниками (а не только друзьями). Если все
остальные возьмут второй кусок пиццы, мы, вероятно, сделаем то же самое. То, что наружное восприятие оказалось более важным для движения потока
идей, чем все другие факторы в сумме, выводит на первый план всеохватывающее значение механического социального обучения в формировании
нашей жизни.
Предпочтения: Можно предположить, что переедание – привычка, которую мы естественным образом «поглощаем» на примере поведения наших
сверстников: с кем поведешься, от того и наберешься. Но как модели поведения в окружении воздействуют на более продуманные и рациональные
убеждения и ценности?
В частности, нас интересовали политические предпочтения. Как мы выбираем, за кого голосовать? Является ли окружение также источником
наших убеждений? Мы взялись за решение этого вопроса в нашем исследовании социальной эволюции, где анализировали политические мнения

57 Madan et al. 2012.
58 В этой главе я рассказываю об образе жизни, политических взглядах, выборе приложений и музыкальных загрузках – все эти элементы задействуют аналогичные механизмы и
имеют схожие масштабы воздействия. В следующей главе я сообщаю о манипуляциях, способных изменить привычки образа жизни, потребительское поведение, поведение, связанное
с участием в голосовании, и поведение в офисе (использование цифровых социальных сетей).
59 Социальное влияние – это активная и спорная область исследований. Одной из главных проблем является трудность его измерения, поскольку влияние сходства, основанного на
общем контексте, общих стремлениях и т. д. (то, что называют гомофилией), очень похоже на социальное влияние (Aral et al. 2009). Исследования в области здоровья, политики и
выбора приложений, представленные в этой главе, мощнее большинства других исследований, потому что: 1) мы открыто сверяем сходство (гомофилию), дружбу и другие
вмешивающиеся факторы с влиянием; 2) мы производим последовательные измерения, а не единичный срез, что позволяет нам определить временные рамки, соответствующие
причине и следствию; и 3) у нас есть количественные, непрерывные измерения воздействия окружения, а не только бинарные признаки социальных связей. Наконец, наши
практические результаты очень похожи на результаты онлайновых экспериментов – например, экспериментов Дэймона Сентолы (Centola 2010), где обстоятельства поддаются точному
контролю.

студентов во время президентских выборов в 2008 году 60 . Наш вопрос звучал так: являются ли политические взгляды отражением поведения
окружающих, или же они в большей степени формируются индивидуальным мышлением? Посредством специально оборудованных смартфонов,
которые мы раздали студентам, мы документировали шаблоны их социального взаимодействия, отслеживая, кто с кем проводит время, кто кому звонит,
кто проводит время в одних и тех же местах и т. д.
Мы также задавали студентам вопросы, затрагивающие широкий спектр тем, – наличие у них интереса к политике, вовлеченность в политику,
политические склонности, и наконец, после выборов мы опросили каждого, кому из кандидатов они отдали свой голос. В общей сложности мы получили
более 500 000 часов автоматически генерированных данных о шаблонах взаимодействия, которые мы затем объединили с данными опросов об
убеждениях, мнениях, личности и проч.
Изучая сотни гигабайтов данных этого исследования, мы обнаружили, что время пребывания в окружении людей со схожими взглядами в точности
определяло как уровень интереса студента к политической гонке, так и его либерально-консервативный баланс. Эффект «коллективного мнения» был
очевиден: чем больше они общались с людьми схожих мнений, тем сильнее укреплялись в собственных.
Однако самое важное то, что количество времени, проведенного в окружении единомышленников, также позволяло предсказать, за кого они будут
голосовать в итоге. Для студентов-первокурсников воздействие окружения было таким же сильным, как в ситуации с изменением веса, которую я описал
выше, в то время как для студентов постарше, у которых, судя по всему, были более устоявшиеся мнения, этот эффект был более слабым, но все еще
довольно значительным.
Но что не влияло на их поведение при голосовании? Мнения людей, с которыми они говорили о политике, и мнения их друзей. Как и в случае с
увеличением веса, именно поведение окружающей группы сверстников – набор поведенческих образцов, которые они наблюдали постоянно, – было
самой мощной силой, направляющей поток идей и формирующей мнение. Опять же важно заметить, что значение здесь имеет не только количество
прямых взаимодействий, но и восприятие утверждений и точек зрения других людей, то есть и прямое взаимодействие через разговор, и непрямое
взаимодействие посредством случайного наблюдения в совокупности. Случайно услышанные комментарии и наблюдение за поведением других людей –
эффективные стимулы потока идей.
В данном случае картина носит более сложный характер, поскольку, как только политика стала более важной темой разговора, как это было
незадолго до трансляции президентских дебатов по телевидению, студенты временно сменили свое окружение. Если они придерживались
консервативных политических взглядов, они отдалялись от мест, посещаемых их более либеральными знакомыми. Аналогично, если они склонялись к
либеральной точке зрения, то избегали места, где собиралось много консерваторов61.
По крайней мере, индивидуальные предпочтения играли здесь определенную роль, поскольку студенты явно выбирали свое окружение, исходя из
того, насколько комфортно они себя чувствовали в связи с откровенными высказываниями и мнениями этого окружения. Такое выборочное восприятие
затем укрепило их политические взгляды. Но когда они примыкали к определенному лагерю, усиленное восприятие схожих идей продолжало
формировать их мышление, постепенно превращая их в настоящих приверженцев. Как сказал бы нобелевский лауреат Даниэль Канеман, мы можем
сознательно рассуждать о том, в каком потоке идей хотим находиться, но потом восприятие этих идей будет формировать наши привычки и убеждения
на подсознательном уровне.
Новые идеи и информация: В примерах с привычками питания и политическими предпочтениями мы увидели, что восприятие окружения – и
активное, и пассивное – было основным фактором формирования как привычек, так и предпочтений. В случае с политическими взглядами объединение с
людьми, с которыми общение было более комфортным, сместило центр восприятия в сторону иного потока идей, что привело к усилению
существующих убеждений и привычек.
Но что насчет поиска новых идей и информации, о котором мы говорили ранее? Откуда произрастают интересы и любознательность – от нашего
индивидуального выбора или же от окружающих нас людей? Если правильный ответ – второй, то уже не только процесс выбора и усваивания новых
моделей поведения зависит от общественного мнения, но также сам источник потока идей. Чтобы изучить процесс возникновения идей, я, в команде с
аспирантами Вэй Панем и Надавом Ахарони, в рамках исследования «Друзья и семья» отслеживал использование мобильных приложений в сообществе
молодых семей62. Мы раздали смартфоны всем взрослым в этом сообществе и настроили специальные программы на этих смартфонах так, чтобы они
записывали, кто кому звонил, писал по электронной почте и с кем обменивался текстовыми сообщениями, кто активно общался с друзьями в соцсетях,
кто проводил время вместе в реальной жизни, а также какие места они посещали.
Чтобы анализировать характер выбираемого контента, мы также отслеживали приложения, которые участники закачивали на свои смартфоны, что
позволило нам увидеть, какие инструменты, игры и источники информации они предпочитают. В целом через смартфоны было собрано более полутора
миллионов часов автоматически записанных данных, включая закачку приложений и шаблоны межличностных взаимодействий. Кроме того, мы собрали
60 Madan et al. 2011.
61 Однако этот эффект был временным, так как после политических дебатов все вернулось в прежнее состояние.
62 Aharony et al. 2011.

результаты сотен опросов об убеждениях, мнениях, о личностных и других характеристиках участников63.
Данные о закачивании приложений позволили нам исследовать среду, в которой участники принимали свои решения о выборе. Мы изучили эти
данные, чтобы понять, являлись ли эти решения независимыми, спровоцированными рекламой или же решениями, сделанными под влиянием восприятия
окружения, то есть взаимодействий с другими людьми, которые уже установили то или иное приложение.
Когда мы проанализировали сотни гигабайтов данных, полученных в ходе этого эксперимента, то вначале получили стандартный социологический
результат: люди с похожими характеристиками (например, возраст, пол, вероисповедание, занятость и проч.), как правило, скачивали похожие
приложения. Однако прогнозы на основе этого эффекта сходства оправдались лишь на 12 процентов. Напротив, проанализировав окружение участников
через все каналы связи – например, реальные личные взаимодействия (включая разговоры и случайные наблюдения), телефонные звонки, социальные
сети и т. п., – мы смогли в четыре раза точнее предсказать, какое приложение загрузит конкретный человек. Так, даже в ситуации, которая, казалось,
целиком относится к сфере сознательного принятия решений, прогнозирующая сила восприятия поведения окружающих оказалась сильнее. Можно
сделать вывод, что поиск новых идей и информации, как и формирование новых привычек, в первую очередь определяется социальным восприятием.
Похожий процесс можно наблюдать и при поиске информации в интернете. Рассмотрим эксперимент (о нем писал авторитетный журнал
Общественной научной библиотеки PLOS ONE 64), в котором мы исследовали данные одной культурной торговой площадки, где четырнадцать тысяч
пользователей скачивали музыку в цифровом формате 65 . Как это обычно бывает на интернет-сайтах, список наиболее популярных песен был
представлен на главной странице и количество скачиваний для каждой песни также было указано (при этом мы тестировали несколько разных
конфигураций веб-сайтов). Как и в ситуации со скачиванием приложений, о которой говорилось выше, мы обнаружили, что поведение пользователей
можно вполне безошибочно объяснить простой статистической моделью социального влияния. Решение прослушать эти песни было в самом деле
обусловлено виртуальным социальным влиянием в виде оценок песен и количества скачиваний.
Тем не менее ситуации с приложениями и музыкой все же отличаются от привычек, связанных со здоровьем, или политических предпочтений. В
обоих случаях мы могли предсказать, что люди прослушают или по каким ссылкам пройдут, но не то, что они действительно будут использовать или
покупать. Эффект социального восприятия носил информационный характер, направляя пользователей в поиске новых приложений или новой музыки,
но не нормативный. Иными словами, часто скачанное приложение или прослушанная музыка не превращались в привычку.
Итог: В этих трех примерах – привычки в сфере здоровья, политические предпочтения и потребление – восприятие поведения окружающих, как
прямое, так и непрямое, предопределяло поток идей. Воздействие наблюдения за другими людьми почти столь же эффективно, как и влияние генов на
поведение или же IQ на академическую успеваемость. Более того, в каждом случае можно предположить, что восприятие поведения окружения –
крупнейший из факторов, образующих поток идей.
Возможно, это потому, что обучение на основе окружающих образцов поведения гораздо более эффективно, чем обучение исключительно на
основе нашего личного опыта. Математические модели обучения в сложных условиях 66 предполагают, что лучшая стратегия обучения – в том, чтобы
вкладывать 90 процентов нашей энергии в исследование, то есть поиск и копирование действий других успешных людей. Остающиеся 10 процентов
должны быть потрачены на индивидуальное экспериментирование и мышление67.
Логика здесь проста: если кто-то приложил усилия к тому, чтобы обучиться полезной модели поведения, то копировать их легче, чем заново
проводить мыслительную работу самому. Вот простой пример: если нам приходится иметь дело с новой компьютерной системой, зачем читать
руководство – ведь можно наблюдать за кем-то, кто уже научился ей пользоваться? Трудно представить, насколько сильно люди полагаются на
социальное обучение, повышая тем самым свою производительность.
Важно то, что люди, как мы увидели в нашем эксперименте, предпочитают менять свое окружение, чтобы с ним изменились и модели поведения,
которые они воспринимают. Эти открытия можно интерпретировать так: чем больше люди хотят учиться у определенной группы, то есть чем больше
они хотят в нее влиться, тем больше времени они проводят в этом окружении.
Влияние наблюдения за окружающими на направление потока идей можно использовать, чтобы вызвать желаемые поведенческие изменения.
Например, аналогичный механизм, основанный на восприятии окружения, может отчасти быть причиной успеха коллективных программ по потере веса,
таких как «Диета весонаблюдателей» (Weight Watchers ) и интерактивных ТВ-шоу вроде «Похудение на скорость: побеждает стройнейший!» (The Biggest
Loser ), где участники с избыточным весом соревнуются между собой, стремясь похудеть.
63 Pan et al. 2011a.
64 Krumme et al. 2012; Tran et al. 2011.
65 Salganik et al. 2006.
66 Rendell et al. 2010.
67 Lazer and Friedman 2007; Glinton et al. 2010; Anghel et al. 2004; Yamamoto et al. 2013; Sueur et al. 2012; Farrell 2011.

Эксперименты Стэнли Милгрэма в области социального конформизма показали следующее: когда все наши сверстники делают одно и то же, будь
то набирание или потеря веса, или же нечто более рискованное, например, играют с электрическим током, единообразие образцов поведения в нашем
окружении оказывает сильное влияние как на наши бессознательные привычки, так и на сознательные решения. Многие исследователи отмечали, что
сила социального влияния может спровоцировать как хорошее, так и плохое поведение и воздействовать на наши поступки самым невероятным образом.
В следующей главе мы увидим, как можно при помощи стимулов социальной сети изменять рамки восприятия и как использовать этот инструмент для
формирования потока идей. Мы увидим, что изменение потока идей посредством социально-сетевых стимулов намного эффективнее помогает изменить
поведение, чем традиционный метод использования индивидуальных стимулов.

Привычки и убеждения

Рис. 4. (По материалам Нобелевской лекции Даниэля Канемана): у человека имеются две системы мышления: более древняя основана на
ассоциациях и опыте (―быстрая‖), более поздняя (―медленная‖) базируется на внимательности и системе правил.

В исследованиях «Социальная эволюция» и «Друзья и семья» люди образно сближаются с моряками. Мы плывем по волнам идей – примеров и
историй из жизни тех, кто нас окружает; поток, в котором мы движемся, формирует наши привычки и убеждения. Мы можем сопротивляться течению,
если попытаемся, и даже войти в другой поток, но наше поведение по большей части формируется идеями, которые мы воспринимаем. Поток идей в
выбранном направлении объединяет нас, образуя некий коллективный разум, чья архитектура – взаимное обучение между нами и нашими сверстниками.
Однако большинству из нас не по себе от такой картины. Где же наши принципы? Наши моральные ценности? Где, наконец, индивидуальное
мышление и система личных убеждений? Чтобы понять роль разума в потоке идей, нам необходимо распутать и проанализировать непростую проблему
того, как образуются привычки и убеждения.
Ключ к решению этой загадки можно найти в исследованиях нобелевских лауреатов психолога Даниэля Канемана и основоположника
искусственного интеллекта Герберта Саймона 68 . Каждый из них признает модель человеческого разума с двумя типами мышления: быстрый,
автоматический и в большей мере бессознательный режим с одной стороны и медленный, рассудочный и по большей части сознательный – с другой69.
Если объяснять вкратце, то быстрое мышление задействует наши привычки и интуицию, в основном используя ассоциативные связи из полученного
нами опыта и того, чему мы научились, наблюдая за другими. А медленное мышление задействует рассудок, комбинируя наши убеждения так, чтобы мы
могли прийти к новым умозаключениям. (Подробнее см. в Приложении 3: Быстрое и медленное мышление и свободная воля)
Многие удивляются, когда узнают, что для решения многих задач лучше использовать быстрое мышление, а не медленное 70 . Если проблема
сложная и связана с координацией различных задач, ассоциативные механизмы быстрого мышления, как правило, работают эффективнее более
медленных мыслительных механизмов. Это особенно заметно в тех случаях, когда время на принятие решения ограниченно. По этой причине многие
учение считают, что большая часть всего нашего повседневного поведения обусловлена быстрым мышлением – у нас в прямом смысле нет времени на
то, чтобы продумывать действия посредством медленного мышления.
Любопытно, что быстрое мышление, вероятно, также играет важную роль в образовании здорового общества. Психологические исследования
показывают, что моментальные суждения более альтруистичные и ориентированные на помощь другим, чем медленные и продуманные решения71.
Такие примеры, как реакция зрителей во время теракта на марафоне в Бостоне или реакция местных жителей после недавних торнадо в Оклахоме,
показывают, что скоростное мышление как основа человеческой природы играет важную роль в создании сплоченных сообществ.
Хотя мы можем принять зрелое, осознанное решение заняться чем бы то ни было, многие из видов деятельности сами по себе предполагают
натренированность и автоматизм; они направляются быстрым мышлением и часто находятся на периферии нашего внимания. Во многом механический
характер нашей жизни более всего заметен в видах деятельности, которыми мы овладели в совершенстве, таких как исполнение повседневной рутины,
участие в поверхностных социальных разговорах или же физическая деятельность вроде вождения автомобиля или езды на велосипеде. Нам обычно
трудно объяснить, что именно мы делали или почему, так как, занимаясь чем-то привычным, мы, как правило, находимся в режиме автопилота.
Но как быстрое и медленное мышление связаны с потоками идей и коллективным рационализмом? Ответ таков: процесс обучения для двух этих
способов мышления разный, и они по-разному функционируют в повседневной жизни; эти различия важны для понимания того, как сообщество
формирует свой коллективный разум.
Для формирования фактических убеждений (например, «Ужин начинается в семь часов вечера») человеку, как правило, достаточно единственного
контакта со сверстником, которому он доверяет. Однако чтобы изменить поведенческие привычки, предпочтения и интересы, напротив, требуется
несколько контактных ситуаций в ограниченный период времени. Например, если весь рабочий коллектив переходит от кофе к зеленому чаю, то высока
вероятность того, что другие тоже начнут пить зеленый чай. Неоднократные контактные ситуации, демонстрирующие, что новая модель поведения имеет
хороший результат (такой как социальное одобрение), необходимы для того, чтобы мы могли перенять ту или иную привычку.
Мои эксперименты подсказывают, что непрерывное исследование, которым люди занимаются как активно, так и пассивно, – это ускоренный
процесс обучения на основе того, что пользуется популярностью среди нашего окружения. Усвоение привычек и предпочтений – наоборот, замедленный
процесс, который требует неоднократного контакта с их источником и явного признания со стороны членов сообщества. Наш социальный мир
представляет собой сочетание стремительного, увлекательного процесса выискивания новых идей и более спокойного, медленного процесса их отбора,
когда мы, общаясь с теми, кто нас окружает, определяем, какие из этих идей должны перейти в персональные привычки и социальные нормы.
С течением времени мы развиваем коллективный набор привычек, которые диктуют нам, как действовать и реагировать в различных ситуациях, и
эти часто автоматические привычки составляют большую часть нашего ежедневного поведения. Как писал нобелевский лауреат Герберт Саймон, наше
68 Simon 1978; Kahneman 2002.
69 Kahneman 2011.
70 Hassin et al. 2005.
71 Rand et al. 2009; Fudenberg et al. 2012.

рациональное, сознательное мышление – это программа, активирующая привычки в соответствии с каждым аспектом нашей повседневной жизни; она
подобна компьютерным программам, которые включают субалгоритмы часто выполняемых вычислений.

Коллективный, а не индивидуальный разум
В конце XVII века философы объявили, что человек – рациональный индивид. Людям польстило то, что их признали индивидами и назвали
рациональными, и вскоре эта идея просочилась в мировоззрение практически всех представителей высших классов западного общества. Несмотря на
сопротивление со стороны церкви и государства, идея рациональной индивидуальности заменила собой веру в то, что единственные источники правды –
Бог и король. Со временем концепции рациональности и индивидуализма изменили всю систему убеждений западной интеллигенции, и сегодня они
продолжают проникать в мировоззрение других культур.
Как мы уже увидели в этой книге, новые данные не вполне соответствуют этому представлению, и сейчас мы приходим к осознанию того, что
поведение человека определяется социальным контекстом не в меньшей мере, чем рациональным мышлением и собственными желаниями.
Рациональность в понимании экономистов означает, что мы знаем, чего хотим, и действуем, чтобы это получить. Но, на мой взгляд, мои исследования
показывают, что желания и решения людей часто – и, возможно, как правило – подчиняются влиянию социально-сетевой системы.
В последнее время экономисты пришли к концепции «ограниченной рациональности», суть которой состоит в том, что у нас есть предубеждения и
когнитивные ограничения, мешающие нам реализовать полную рациональность. И все же наша зависимость от социальных взаимодействий – это не
только набор предубеждений и когнитивная ограниченность. Как мы увидели во второй главе, социальное обучение – эффективный метод расширения
индивидуального процесса принятия решений. Аналогичным образом в следующей главе мы увидим, что социальное влияние – главная действующая
сила в образовании социальных норм, необходимых для кооперативного поведения. Наша способность к выживанию и процветанию существует
благодаря социальному обучению и влиянию в той же мере, что и благодаря нашей индивидуальной рациональности.
Эти данные говорят нам о следующем: то, чего мы хотим и что ценим, а также действия, которые мы предпринимаем для осуществления наших
желаний, – следствие непрерывного, постоянно развивающегося процесса взаимодействия с другими людьми. Наши желания и предпочтения в основе
своей опираются на то, что считает ценным сообщество, в котором мы существуем, а не на рациональную рефлексию, которая прямым образом
основывается на наших индивидуальных биологических импульсах или врожденном чувстве справедливости 72. Например, после Великой рецессии 2008
года, когда кредиты на многие дома превысили их реальную стоимость, исследователи обнаружили, что лишь нескольким людям достаточно было
отказаться от своих домов и ипотек, чтобы их соседи сделали то же самое 73 . Поведение, которое до этого считалось почти криминальным или
аморальным, то есть намеренный отказ от выплаты кредита, теперь стало нормой. Воспользовавшись экономическими терминами, можно сказать, что в
большинстве случаев мы коллективно рациональны и лишь в некоторых областях – индивидуально.

Здравый смысл
Коллективный разум сообщества возникает благодаря потоку идей; мы учимся на материале окружающих нас идей, и другие могут учиться у нас.
Со временем сообщество, чьи участники активно взаимодействуют друг с другом, образует группу людей с общими, интегрированными привычками и
убеждениями. Если поток идей также включает в себя постоянный приток идей извне, то индивиды этого сообщества могут принимать более
эффективные решения, чем те, к которым они бы могли прийти самостоятельно.
Концепция коллективного разума, формирующегося внутри сообществ, родилась уже давно, более того, она существует на уровне самой структуры
английского языка. Вспомните слово «kith » (родные, знакомые), знакомое современным англоговорящим людям благодаря словосочетанию «kith and kin
» (родные и близкие). Слово «kith » произошло от староанглийских и старогерманских слов, означающих «знание», и значит более или менее сплоченную
группу людей с общими убеждениями и обычаями. Такие же корни и у слова «couth » (утонченный, воспитанный), которое означает обладание высокой
степенью просвещенности, а также у его более распространенного антонима «uncouth » (неотесанный, грубоватый). Так, наши «близкие» – это наше
окружение (состоящее не только из друзей), у которого мы учимся «правильным» моделям поведения.
Наши предки понимали, что культура и привычки нашего общества – это своего рода социальные соглашения, и их главным условием является
социальное обучение. Так, большую часть наших коллективных убеждений и привычек мы приобретаем в процессе наблюдения за реакциями,
действиями и результатами деятельности других, а не посредством логики и аргументированных рассуждений. Освоение и поддержание существующего
социального соглашения позволяет группе людей эффективно координировать свои действия.
Несмотря на то, что современное общество восхваляет индивидуализм, подавляющее большинство наших решений диктуется здравым смыслом –
привычками и убеждениями, которые мы разделяем с нашим окружением, и эти общие привычки формируются через взаимодействие с другими людьми.
72 Haidt 2010.
73 Brennan and Lo 2011; Milgram 1974b.

Мы усваиваем общие принципы почти механически, наблюдая, а затем копируя общие шаблоны поведения наших сверстников. Эти механизмы
генерации коллективных предпочтений и решений автоматически принуждают нас быть вежливыми на светских мероприятиях, уважительно вести себя
на работе и не привлекать внимание в общественном транспорте74. Именно поток идей создает коллективный интеллект, который делает сообщества
успешными.

Глава четвертая
Привлечение
Как мы все можем работать вместе?
На протяжении последних двух глав я говорил о том, откуда приходят идеи и как они превращаются в модели поведения, в том числе коллективные
привычки. Способность работать вместе, однако, зависит не только от потока идей в сообществе; обладать ею значит также заключить договор,
обязующий усвоить синхронизированные и одновременно совместимые друг с другом модели поведения. Коллективные привычки – не все, что нужно
для совместного труда; он требует формирования привычек, направленных на взаимодействие. Нам все еще необходимо понять, как мы можем привлечь
людей к совместной деятельности. Как так получается, что мы усваиваем привычки и алгоритмы действий, соединяющиеся, как детали пазла, позволяя
многим людям двигаться к одной и той же цели?
Способность работать в группе старше человечества. Например, гориллы, обитающие в горах, используют особые «экстренные» сигналы, чтобы
определить конец послеобеденного отдыха75. Когда высказался каждый член стаи и дискуссия достигает определенного накала, отдых заканчивается.
Аналогично обезьяны-капуцины издают звуки, напоминающие трель, чтобы совместно решить, когда и куда стая должна направиться 76. Обезьяны,
стоящие во главе стаи, издают больше всего звуков, призывая остальных следовать по найденному ими маршруту, и другие подхватывают зов, чтобы
скоординировать передвижение всей стаи.
Похожие шаблоны общественного принятия решений встречаются у многих животных и практически у всех приматов. Сигнальный механизм
может варьироваться – не совпадают вокализация, положение тела, движения головы, но структура процесса принятия решений почти не меняется:
сначала круговая подача сигналов и расширение круга сторонников, а затем достигается переломный момент, когда все члены группы подтверждают, что
консенсус достигнут77. Некоторые приверженцы теории эволюции считают, что подобное «социальное голосование» – самый распространенный способ
принятия решений среди социальных животных, отчасти потому, что он дает представление о коэффициенте затрат и выгод в отношении каждого
участника группы. Кроме того, такой процесс согласования взглядов обычно позволяет избежать радикальных решений, что повышает вероятность
привлечения всей группы.
Эти же шаблоны свойственны и человеческим организациям. В результате исследования Боба Келли Bell Stars , где он изучал разницу между
средними и блестящими исполнителями в пределах Лаборатории Белла, ученые выяснили, что «звездные» исполнители поддерживали именно такую
практику социального голосования в своих рабочих коллективах78. Средние исполнители считали, что командная работа сводится к выполнению своей
роли в коллективе. Блестящие исполнители, однако, смотрели на нее иначе: они подвигали всех участников команды совместно определять цели и
групповые обязательства, организовывать рабочую деятельность, составлять расписания и присваивать групповые достижения. Иными словами,
блестящие исполнители позволяли каждому почувствовать себя частью коллектива и таким образом способствовали синхронизированному и
универсальному потоку идей, они стремились прийти к такой степени согласованности, чтобы каждый следовал за новыми идеями добровольно.
Синхронизация и универсальность потока идей в группе критически важны: если подавляющее большинство готово принять новую идею, даже
скептики могут последовать за ней. Удивительное открытие заключается в том, что, когда люди вместе делают одно и то же – например, орудуют
веслами, танцуют, – наши тела выделяют эндорфины, природные опиаты, которые вызывают приятный «экстаз» – своеобразную награду за совместные

74 Hassin et al. 2005.
75 Stewart and Harcourt 1994.
76 Boinski and Campbell 1995.
77 Conradt and Roper 2005; Couzin et al. 2005; Couzin 2007.
78 Kelly 1999.

усилия79.
Исследования деловой сферы также показывают, что такой тип привлечения – повторяющиеся кооперативные взаимодействия между всеми
членами команды – может улучшить социальное благосостояние коллектива 80, а также способствует развитию надежных кооперативных шаблонов
поведения, полезных для успешного делового партнерства81. Для микрофинансовых банков, вроде банка «Грамин» в Бангладеш, которые в настоящее
время распространены в развивающихся странах, сильная социальная вовлеченность является залогом успеха, поскольку она повышает вероятность
своевременной выплаты ссуды82.
Другой интересный аспект виртуального социального привлечения осветил недавний эксперимент с Facebook . Результаты довольно просты – их
могли бы предсказать даже наши бабушки, – и все же они много говорят о силе сотрудничества. Во время выборов в Конгресс США 2010 года группа
ученых с Facebook из Калифорнийского университета в Сан-Диего под руководством Джеймса Фаулера провела крупномасштабный эксперимент, в
ходе которого они рассылали сообщения с посланием «Вперед – на выборы!» шестидесяти одному миллиону пользователей Facebook и анализировали
эффект от двух разных типов этих сообщений.
Кто-то из пользователей получил только сообщения «Вперед – на выборы!», и исследователи выяснили, что такие послания оказали прямое
влияние на политическое самовыражение, поиск информации и реальное поведение на голосовании миллионов людей. Но сила воздействия этого
сообщения непосредственно на процент голосующих оказалась ничтожно мала.
Другие пользователи Facebook получили такие же социальные сообщения, но с иконками уже проголосовавших друзей. Присоединение
изображений знакомых лиц кардинально увеличило эффективность мобилизационного послания. То есть, как прекрасно понимают наши бабушки,
практически все социальное влияние распространяется между близкими друзьями, взаимодействующими в реальной жизни.
Дело лишь в том, что дружба в реальной жизни отличается от дружбы, существующей только в пределах Facebook . Ученые обнаружили, что
эффект близких друзей оказал в четыре раза большее влияние на реальное количество голосующих, чем сообщение как таковое. Полученные результаты
говорят в том числе и о том, что в среднем каждый акт голосования генерировал еще три голоса в ходе распространения этой поведенческой модели в
реальной, физической социальной сети.

Социальное давление
А как обстоят дела здесь? Почему физическая социальная сеть оказалась более эффективной для привлечения голосующих по сравнению с
сообщением в Facebook , с которого и начался процесс распространения? И как мы можем использовать этот эффект для того, чтобы настроить людей на
одну волну в других ситуациях? Пример с голосованием и Facebook показывает, что информация сама по себе обладает довольно слабой
мотивационной силой. С другой стороны, примеры с обезьянами и исследованием Bell Stars предполагают, что наблюдение за тем, как наши сверстники
усваивают новую идею, создает сильную мотивацию для объединения и сотрудничества с другими.
Находится все больше доказательств тому, что сила привлечения – прямых, эффективных, позитивных взаимодействий между людьми –
чрезвычайно важна для продвижения моделей поведения, основанных на взаимном доверии и объединении усилий. Например, в эволюционной биологии
такие механизмы, как прямой и сетевой взаимообмен и групповой отбор, работают благодаря локальности взаимодействий 83 . Когда люди
взаимодействуют в маленьких группах, возможность наказывать или вознаграждать участников оказывает положительный эффект на формирование
кооперативных типов поведения, основанных на доверии84.
Итак, зная, что крепкие социальные узы способны мобилизовать людей к действию, как мы можем эффективнее всего использовать эту
закономерность? Стандартные экономические стимулы здесь бесполезны, поскольку они рассматривают людей как самостоятельных и рациональных
действующих лиц, а не как социальных существ, находящихся под влиянием социальных уз. И даже если допустить такой подход, существуют веские

79 Cohen et al. 2010.
80 Calvó-Armengol and Jackson 2010.
81 Kandel and Lazear 1992.
82 Breza 2012.
83 Nowak 2006.
84 Rand et al. 2009; Fehr and Gachter 2002.

доказательства того, что экономические стимулы не особенно работают 85 . Но социальная физика подсказывает нам, что есть иной путь: создание
стимулов, нацеленных на сеть социальных связей между людьми, а не экономических стимулов или же информационных пакетов, которые направлены
на изменение поведения конкретных индивидов.
Как мы уже сообщали в журнале Scientific Reports издательства Nature , аспирант Анкур Мани, приглашенный преподаватель Масдарского
института Аяд Рахван и я смогли математически рассчитать, как лучше всего мотивировать людей к сотрудничеству при помощи социально-сетевых
стимулов86. Эти стимулы видоизменяют поток идей, создавая социальное давление и повышая количество взаимодействий, связанных с конкретными,
заданными идеями и так усиливая вероятность того, что люди включат эти идеи в свое поведение.
Чтобы испытать эту теорию в реальном мире, я поставил задачу повысить уровни физической активности в сообществе молодых семей,
участвующих в исследовании «Друзья и семья», о котором я говорил в предыдущей главе. Повышение активности – нелегкое испытание в период
холодной бостонской зимы, когда люди предпочитают оставаться в помещении и вообще становятся менее активными. Это, разумеется, плохо влияет на
их здоровье в целом, и, что еще хуже, привычка к неактивности очень привязчива: людям трудно возобновить прежние уровни активности даже тогда,
когда погода приходит в норму. Это также своего рода «трагедия общин», когда неблагоприятные для здоровья действия малой группы людей могут
повысить затраты на здравоохранение всего сообщества.
Так, я и мои студенты использовали стимулы социальной сети FunFit , чтобы мотивировать людей к поддержанию физической активности. Для
каждого участника исследования «Друзья и семья» мы назначили пару партнеров-помощников. Некоторые из индивидов активно общались со своими
партнерами, другие были только знакомы. Все партнеры получали небольшое денежное вознаграждение, соответствующее уровню физической
активности их целевых подопечных за предыдущие три дня. Поскольку участвовали почти все члены сообщества, каждый участник был также
партнером для кого-то еще, и так любой имел возможность заслужить поощрение. Эти маленькие партнерские стимулы способствовали объединению
людей для решения задачи – в данном случае для повышения активности в целях улучшения здоровья.
Как показано на рис. 5, первым шагом стало создание скоплений или групп вокруг каждого целевого участника социальной сети. Члены группы
именуются партнерами (светло-серые человечки на рис. 5) и получают вознаграждение в зависимости от поведения центрального целевого индивида
(темно-серые человечки на рис. 5, обозначенные буквами «A» и «B»). Такая расстановка создает социальное давление, обязывающее быть более
активным, обеспечивая стимулы для тех партнеров, которые больше всего взаимодействует с целевыми участниками, и поощрение дается им, а не
целевым участникам, чье поведение необходимо улучшить. Иными словами, наши социально-сетевые стимулы способствуют сотрудничеству –
повторяемым коллективным взаимодействиям между членами команды – на основе идей, связанных с повышением активности.

85 Pink 2009; Gneezy et al. 2011.
86 Mani, Rahwan, and Pentland 2013.

Рис. 5. Ограничив стимулы, формирующие правильное поведение, локальной сетью социальных связей (связи внутри черных овалов), социальное
давление можно сфокусировать на целевом индивиде. Этот метод работает
Мы измерили уровни активности всего сообщества, используя датчики-акселерометры, встроенные в мобильные телефоны участников. В отличие
от обычных социально-научных экспериментов, этот эксперимент проводился в реальном мире, при наличии всех сложностей повседневной жизни. В
дополнение ко всему мы собрали сотни тысяч часов и сотни гигабайтов контекстуальных данных, чтобы у нас была возможность вернуться к ним и
выяснить, какие факторы имели наибольший эффект.
Выяснилось, что в среднем схема социально-сетевых стимулов оказалась в четыре раза более эффективной87, чем традиционный рыночный подход
с индивидуальными стимулами. Для партнеров, которые больше всего взаимодействовали с назначенными им целевыми участниками, стимулы
социальной сети сработали почти в восемь раз лучше, чем стандартный рыночный подход88.
И, что еще лучше, эффект оказался долговременным89. Люди, получившие социально-сетевые стимулы, поддерживали высокие уровни активности
даже после их исчезновения. Эти маленькие, но целенаправленные стимулы спровоцировали коллективное усвоение новых, здоровых привычек,
сформировав в сообществе социальное давление, призывающее к изменениям в поведении.
87 То есть на каждый доллар стимула приходилось по четыре изменения в поведении.
88 Суммы предельных издержек на каждую единицу улучшения в каждом из этих трех пунктов оказались еще более впечатляющими:
Индивидуальные стимулы (Пигу): 83$
Надзор за прогрессом партнеров: 39,5$
Вознаграждение для партнеров: 12$
Аналогично средний процент повышения активности также оказался значительным:
Индивидуальные стимулы: 3,2 процента
Надзор за прогрессом партнеров: 5,5 процента
Вознаграждение для партнеров: 10,4 процента
89 Adjodah and Pentland 2013.

Учитывая то, что нам известно о силе социальных связей, пожалуй, нет ничего удивительного в том, что мы также обнаружили вместе со
студентами-постдокторантами Эрезом Шмуэли и Вивеком Сингхом: количество прямых взаимодействий90 целевых участников с их партнерами было
отличным показателем того, насколько изменится их поведение. Другими словами, количество прямых взаимодействий позволяет очень точно измерить
силу социального давления между людьми91. Более того, количество взаимодействий также дало возможность предсказать, насколько хорошо люди
будут поддерживать свои новые, здоровые привычки после окончания эксперимента.
Аналогичным образом количество прямых взаимодействий между людьми позволило на удивление верно определить уровень их доверия друг к
другу 92 . То есть количество прямых взаимодействий между двумя людьми показывает и уровень взаимного доверия, и эффективность группового
давления.
Социально-физический подход объединяет людей, используя социально-сетевые стимулы, а не индивидуальные рыночные стимулы или
дополнительную информацию. То есть мы фокусируемся на преобразовании связей между людьми, а не на изменении поведения отдельных людей.
Логика здесь проста: поскольку взаимообмен представляет большую ценность для участников, при помощи этого взаимообмена мы можем
сформировать социальное давление, провоцирующее изменения в поведении. Привлечение – повторяющиеся кооперативные взаимодействия между
членами сообщества – ведет людей к сотрудничеству.
Социально-сетевые стимулы генерируют социальное давление, чтобы решить проблему поиска кооперативных моделей поведения, и так люди
экспериментируют с новыми моделями поведения, чтобы найти самые лучшие. Социальное давление учитывает следующие величины: степень
поведенческого несоответствия между индивидами, ценность взаимоотношений и количество взаимодействий. Это означает, что самые эффективные
социальные стимулы должны распространяться на людей с самыми крепкими социальными связями и наибольшей степенью взаимодействия с другими.

Виртуальное привлечение
В новом мире виртуальных связей нам приходится привлекать людей к сотрудничеству через виртуальные социальные системы. Временами дела
идут хорошо, но бывает и так, что мы не получаем желаемого. Как нам усовершенствовать механизм виртуального привлечения сотрудников?

Чтобы понять, как это может работать, взглянем на опцию FunFit, которую мы назвали Peer See («Посмотреть на друзей»). Нашей идеей было воссоздать
условия, похожие на те, что были в эксперименте с Facebook и голосованием: то есть использовать сравнение с друзьями для продвижения в совместной
деятельности. В эксперименте с функцией Peer See мы поощряли индивидов не только за поддержание активности (стандартный экономический стимул),
но также дали им возможность следить онлайн за прогрессом их партнеров – своеобразный социально-сетевой стимул, который работает в тех
ситуациях, когда люди соревнуются друг с другом.
Мы обнаружили, что подобный подход – своего рода комбинированная система экономическо-социальных стимулов – оказался в два раза более
эффективным, чем обычные индивидуальные поощрения, где нет какого-либо социального компонента (например, стандартный подход экономического
стимулирования). Социальное давление, которое возникло всего лишь благодаря тому, что участники могли наблюдать за действиями своих партнеров,
удвоило эффективность финансового стимула.
На основе этого примера мы начинаем понимать, почему личные отношения «лицом к лицу» оказались столь важными в ситуации с Facebook. Так же,
как это было с социальными стимулами в случае Peer See, знание того, что наши близкие друзья уже проголосовали, сформировало достаточно
социального давления, чтобы убедить людей пойти голосовать. Само сообщение от Facebook было относительно неэффективным, но те несколько
людей, которых оно мотивировало к участию в голосовании, вызвали волну голосов среди их друзей из реальной жизни. Почему по большей части это
были друзья из жизни? Опять же потому, что социальное давление зависит от силы социальных уз и количества взаимодействий. Друзья в Facebook не
проходят по этим критериям (но наши бабушки и так это знали).
90 Например, разговоров и телефонных звонков, но не косвенных взаимодействий, таких как случайное подслушивание или наблюдение за другим человеком.
91 Соотношение коэффициента поведенческих изменений и количества телефонных звонков было r^2 > 0,8; для всех каналов связи: r^2 > 0,9.
92 Мы задавали вопросы на доверие каждой паре людей в сообществе, такие как: доверите ли вы другому человеку присмотреть за вашим ребенком? Вы бы одолжили ему деньги?
Вы бы одолжили ему свою машину? и проч. В итоге мы подсчитали количество положительных ответов для каждой пары людей и назвали эти результаты их «суммой доверия». Когда
я вместе с постдокторантами Эрезом Шмуэли и Вивеком Сингхом сопоставили суммы доверия и количество прямого взаимодействия между этими людьми, мы обнаружили, что общая
сумма прямого взаимодействия позволяет с удивительной точностью прогнозировать значение суммы доверия. Опять же r^2 > 0,8 для телефонных звонков, r^2 > 0,9 для всех
каналов связи.

Рассмотрим другой пример комбинирования социального давления и виртуальных сетей – это эксперименты по сохранению электроэнергии, в рамках
которых Анкур Мани, Аяд Рахван, я и наши коллеги Клер-Мари Лоок, Торстен Штааке и Элгар Фляйш из Швейцарского федерального технологического
института (ШФТИ) в Цюрихе сотрудничали с электроэнергетической компанией для продвижения практики сохранения электроэнергии среди
домовладельцев по всей территории страны[93].
В первом эксперименте домовладельцы получили социальную информацию о том, сколько электричества они использовали относительно среднего
коэффициента потребления энергии на одного человека. Когда сравнение проводилось между домовладельцем и всеми остальными жителями страны,
практически никакой экономии не последовало; поведение людей осталось прежним. Но когда сравнение проводилось между ними и людьми, живущими
по соседству, результат был значительно лучше; он показал, что то, насколько сильно они отождествляли себя с людьми из сравниваемой группы,
сыграло очень важную роль. Мы увидели ту же историю: отождествление с определенной группой людей усиливает как доверие между ее участниками,
так и социальное давление, которое эта группа может оказать.
Эти результаты говорили о возможности использования подхода, основанного на социальной физике. Так, совместно с нашими коллегами из ШФТИ мы
затем внедрили виртуальную социальную сеть как часть сайта электроэнергетической компании и давали людям небольшие вознаграждения, чтобы
поощрить их к созданию местных партнерских групп. Как и в эксперименте с FunFit, эта партнерская система использовала социально-сетевые стимулы
вместо стандартных экономических: когда люди берегли энергию, бонусы начислялись им и их партнерам.
Это социально-сетевое стимулирование снизило потребление электричества на 14 процентов, что вдвое превысило лучший результат, достигнутый за
счет предыдущих кампаний по энергосбережению, и оказалось в четыре раза более эффективным, чем типичные кампании по сокращению
энергопотребления[94]. Как и в эксперименте с FunFit, изменение в поведении было наиболее эффективно, когда была задействована сила социальных
связей в окружении.
Схожая динамика виртуального и личного общения прослеживается в социальных сетях внутри предприятий. Обнаруженный алгоритм привлечения
людей представляет особый интерес для организаций, разбросанных по разным континентам и часовым поясам, поскольку во многих ситуациях
главными средствами взаимодействия между сотрудниками являются виртуальные социальные сети, электронная почта и обмен короткими
сообщениями. Поскольку эти средства связи не обеспечивают передачу всех социальных сигналов, свойственных личному общению или даже общению
по голосовой связи, руководители компаний, к своему разочарованию, обнаружили, что им редко удается обеспечить уровень привлечения, достаточный
для формирования продуктивного рабочего коллектива (см. специальные тематические блоки «Социальные сети и личное общение» и «Социальные
сигналы»).
Очевидно, что есть необходимость сделать виртуальные сети более эффективными в деловой сфере. Чтобы лучше понять ситуацию, аспиранты
Ив-Александр де Монжуэ и Камелиа Симуа вместе со мной изучили рост и работу внутренних виртуальных социальных сетей в более чем тысяче
компаний[95]. В поисках ярко выраженных шаблонов мы проанализировали миллионы приглашений, «лайков» и постов каждой из этих компаний
приблизительно за один год.
Результат поисков нас удивил: когда виртуальная социальная сеть растет внезапными вспышками взаимодействия, она оказывается гораздо более
эффективной, чем при постепенном росте. В компаниях, где люди получили шквал приглашений присоединиться к виртуальной соцсети компании,
вероятность того, что они присоединятся и будут пользоваться сетью, была выше, чем в тех случаях, когда то же количество приглашений рассылалось
постепенно. В компаниях, где не было вспышек социальной активности, к сети присоединялось мало людей, и со временем дела шли только хуже. Как
мы уже увидели на примерах со стаями обезьян и «Звездами Белла», пока люди не поймут, что все вокруг массово стремятся усвоить новую модель
поведения, большая часть группы не пожелает следовать за остальными.
При этом то, откуда исходили вспышки активности – от начальников, призывающих сотрудников использовать сеть, или же от ежесуточных
дедлайнов, – казалось, не имело значения. А все потому, что, как и в примере с голосованием в Facebook, именно социальное давление на самом деле
подвигло людей к сотрудничеству; то, кто именно приглашал каждого конкретного человека присоединиться к социальной сети, было самым важным
фактором. Если это были люди, у которых уже была своя история регулярного взаимообмена, и в особенности если эти люди также входили в один
рабочий коллектив, их приглашения были намного более эффективными по сравнению с приглашениями от других людей с более слабыми социальными
связями.
Более того, если любой человек получал три и более приглашений примкнуть к сети в течение получаса и если эти приглашения исходили от людей,
которые уже были связаны с ними и их рабочим коллективом, это давало практически полную гарантию того, что он присоединится к новой социальной
сети и даже попробует ей пользоваться. И наоборот, даже двенадцать сообщений за полчаса имели относительно слабый эффект, если их присылали
люди, которые не были связаны с получателем или его рабочим коллективом.

Если рассматривать внедрение нового виртуального инструмента как способ изменить привычку, то следует ожидать именно такой шаблон поведения.
Вспомните о том, что я рассказал о быстром и медленном мышлении в третьей главе: для эффективного изменения привычки требуется наблюдение за
несколькими вызывающими доверие партнерами, которые успешно используют или рекомендуют новую идею, в сжатый период времени. Среда,
насыщенная возможностями для социального обучения и включающая много примеров со стороны доверенных партнеров, – то, что требуется людям,
чтобы усвоить привычку использовать собственную социальную сеть компании. Но поскольку большинство социальных средств асинхронны, то
получить такое повторяемое, многократное наблюдение за действиями окружающих зачастую сложно. Как мы увидели в ситуации с Facebook,
распространение использования виртуальных сетей происходит в основном за счет реальных связей, а не только виртуальных социальных средств.
Эти данные из тысячи компаний демонстрируют, что использование социально-сетевых стимулов – хороший способ усилить внедрение нового
виртуального инструмента. Например, можно вознаграждать людей суммой, зависящей от того, насколько часто их коллеги используют сеть для
проведения сделок. Такой стимул создает социальное давление, провоцирующее использование сети и может дать толчок к появлению новых привычек
уже в рамках этой сети.
***
На основе всех этих экспериментов можно заключить, что привлечение к совместной деятельности – повторяющиеся кооперативные взаимодействия –
способствует взаимному доверию и повышает ценность взаимоотношений между людьми, что, в свою очередь, генерирует социальное давление,
необходимое для установления кооперативных моделей поведения. Иными словами, привлечение создает культуру. Более того, мы продемонстрировали,
что социально-сетевые стимулы ускоряют этот процесс и часто являются гораздо более эффективными, чем индивидуальные стимулы.
Почему компании недостаточно полагаются на социально-сетевые стимулы? Возможно, причина отчасти в том, что, на их взгляд, социальные стимулы –
это скорее неясные, туманные и просто оторванные от реальности стратегии, чем надежные инструменты управления. В результате социальные стимулы,
обычно применяемые менеджерами – например, награды лучшему работнику месяца, – в большинстве случаев не связаны с реальными социальными
взаимоотношениями и в результате создают только ощущение неловкости и искусственности.
Однако все это можно изменить при помощи социальной физики, потому что социальная физика предлагает новый, практически применимый метод,
подробно описывающий, как создать социальные стимулы, которые способствуют установлению более кооперативных моделей поведения и,
соответственно, улучшают положение каждого участника коллектива. Социальная физика дает нам новые уравнения соотношения затрат и выгод,
которые работают лучше, чем экономические стимулы, и открывает новые практические возможности для продвижения общего взаимодействия.

Подчинение и конфликт
Адам Смит утверждал, что социальное полотно, образовавшееся посредством обмена товарами, идеями, дарами и взаимными услугами, привело
капитализм к созданию решений на благо общества[96]. Это действительно так. Сообщества состоят из социальных связей, и без ограничений, налагаемых
социальным давлением, обеспечиваемым этими социальными связями, капитализм может превратиться в хищника. Социальная физика подсказывает
нам, что для того, чтобы более полно объяснить человеческое поведение, мы должны учитывать не только экономический обмен, но также обмен
информацией, идеями и формирование социальных норм.
Предложенное Адамом Смитом описание «хорошего» капитализма обрисовало идеальную ситуацию. Он мог представить баланс между социальной
вовлеченностью и экономическими силами, поскольку жил в более тесном мирке: буржуазные жители города с большей вероятностью знали друг друга,
а потому общие социальные нормы и давление принуждали их быть добрыми гражданами. Но это также было время, когда жизнь бедных слоев
населения никого не интересовала, и недостаток вовлеченности между богатыми и бедными привел к исчезновению социальных ограничений,
налагаемых на взаимообмен между ними. Как известно, это стало причиной всех ужасов и преступлений первой индустриальной эпохи.
Похожие социальные разрывы могут происходить где угодно при наличии разных этнических, религиозных или экономических групп. В недавней
публикации в журнале Science Лим, Метцлер и Бар-Ям продемонстрировали, что вероятность межгруппового насилия велика в тех случаях, когда каждое
из сообществ слабо интегрировано, благодаря чему одна группа может доминировать над другой, и вдобавок политические или географические границы
не совпадают с демографическими[97]. Примеры включают в себя принудительное переселение индейских племен в Соединенных Штатах в XIX веке,
столкновения между католиками и протестантами в Ирландии и многочисленные гонения евреев на всей территории Евразии.
Когда появляются подобные несовпадения, за ними часто следует подчинение и преследование. Группы, представляющие большинство, обладают
властью устанавливать местные порядки, но если группы, представляющие меньшинство, достаточно велики, то велика и вероятность конфликтов. При
наличии правильных границ или достаточной интеграции вероятность насилия снижается.
Как подобный тип насилия сочетается с результатами исследования «Друзья и семья», в ходе которого мы выяснили, что вовлеченность формирует
доверие? Ответ таков: эксперименты, описанные выше, проводились в сообществах и социальных группах, где большая часть взаимодействий носит

кооперативный характер. Если бы большинство взаимодействий носило эксплуатационный характер, то каждое взаимодействие вело бы к уничтожению
доверия. Если кто-то подвергается насилию или грабежу каждый раз, когда взаимодействует с человеком из другого сообщества, он быстро утрачивает
доверие к каждому члену того сообщества.
Поскольку доверие – это ожидание кооперативного поведения в будущем, которое основывается на предыдущих взаимодействиях, люди действуют
согласно тому, что я называю «обратным золотым правилом»[98]: поступай с другими так, как они поступают с тобой[99]. Это похоже на стратегию «око за
око», которую часто можно увидеть в играх на доверие (например, классическая дилемма заключенного [100]), но в этом случае она применяется в качестве
общей стратегии, выбираемой по умолчанию.
К сожалению, люди быстро учатся применять это правило, противопоставляя свою группу другим, то есть действуя по принципу «доверяй своим
партнерам и никому другому». Именно поэтому никто не доверяет политикам и юристам как группе, но не как конкретным, прямо или косвенно
знакомым людям. Это способствует дискриминации между группами и даже борьбе кланов. Опасности систематической эксплуатации по отношению
одной группы к другой акцентируют важность продвижения кооперативных типов взаимодействия между разными группами людей.

Правила привлечения
Начиная с этого места я буду использовать понятие «привлечение» для обозначения процесса, в котором непрерывная сеть взаимообмена между людьми
меняет их поведение. Как и в случае с понятием исследования, есть три ключевых момента, которые необходимо помнить о привлечении:
Привлечение требует взаимодействия: Если люди должны работать вместе, то необходимо, чтобы между каждой парой членов коллектива были
повторяющиеся взаимодействия – не только между лидером и остальными членами или лишь некоторыми членами и целой группой (как это бывает на
совещаниях). Чтобы проверить, существует ли в группе подобное сетевое ограничение, можно спросить, говорят ли ее участники друг с другом. Если
нет, то приучите их говорить: ведь мы выяснили, что количество прямых взаимодействий является очень хорошим показателем социального давления,
направленного на усвоение кооперативных типов поведения. Более того, количество взаимодействий также позволяет предсказать, насколько хорошо
люди будут придерживаться этих новых, кооперативных типов поведения в дальнейшем.
Привлечение требует сотрудничества: Вспомните о «Звездах Белла»: они подталкивали всех членов команды к общей ответственности за группу,
призывая их участвовать в постановке целей, различных видах рабочей деятельности и вместе делить признание за достижения коллектива. Эти
блестящие исполнители продвигали привлечение внутри команды, давая возможность каждому ощутить себя ее частью, и стремились достигнуть
достаточной степени согласованности, чтобы каждый участник добровольно следовал за новыми идеями.
Формирование доверия: Доверие, под которым я понимаю ожидание честного, кооперативного взаимообмена в будущем, строится на истории
взаимодействия между людьми. Соответственно, у социальных сетей есть как история, так и динамика. Как и в случае с сотрудничеством, количество
прямых кооперативных взаимодействий также позволяет на удивление точно предсказать уровень доверия. Предположение основоположника
социальных сетей Барри Уэллмана о том, что количество телефонных звонков между двумя людьми является хорошим показателем их вклада в
отношения – вложения, которое часто называют «социальным капиталом», – кажется совершенно верным.
Другими словами, успешная работа в группе требует постоянной вовлеченности в ее социальную систему. Люди ведут себя подобно игрокам в
спортивной команде, поддерживая баланс между индивидуальными амбициями и социальным давлением, направленным на совместное развитие
поведенческих норм и алгоритмов формирования доверия и сотрудничества. В последующих главах мы увидим, что уровень участия – мощный
показатель будущей коллективной продуктивности и жизнеспособности в широком диапазоне видов человеческой деятельности.

Дальнейшие шаги
В последних трех главах я, при помощи представленных выше примеров, предположил следующее: поток идей – то есть распространение новых моделей
поведения в социальной сети – можно описать как исследование с целью сбора новых идей, которое сопровождается привлечением со стороны
окружающих, помогающим просеять эти идеи и превратить лучшие из них в привычки. Поток идей работает посредством социального обучения и
социального давления, побуждающего к установлению согласованных поведенческих норм. И наконец, социально-сетевые стимулы, способные изменять
динамику потока идей, могут быть использованы для того, чтобы эффективно формировать характер распространения новых типов поведения.
Сила влияния потока идей в окружении на поведение, кажется, неотделима от самой человеческой природы. В человеческих племенных группах
решения, затрагивающие все племя, принимаются в социальном контексте, и определяют их различные социальные проявления согласия или
несогласия[101]. Они позволяют группе взвесить предпочтения всех участников прежде, чем соглашение будет достигнуто и вступит в силу. Даже племена
обезьян решают, в каком направлении двигаться дальше, посредством социального консенсуса, который достигается при помощи социальных

сигналов[102]. Примеры коллективного создания и воплощения поведенческих норм и их результаты можно увидеть в разных ситуациях – от отчаянного
стремления подростков влиться в свою среду до бессистемного насилия, совершаемого членами банды или вышедшими из подчинения солдатами. Когда
все члены окружения перенимают новый тип поведения, трудно не следовать за ними[103].
Некоторые ученые-социологи, возможно, спросят: а какое это имеет значение? Ведь эксперименты в последних трех главах лишь ярче высвечивают
явления, о которых нам уже было известно, такие как гомофилия (подобное притягивает подобное) и социальное обучение (с волками жить – по-волчьи
выть). Это так, но мы пока не анализировали эффекты, производимые этими хорошо знакомыми шаблонами поведения на мышление: как эти шаблоны
общения влияют на индивидуальный процесс принятия решений и жизнеспособность сообщества. Я продемонстрировал, что эти социальные
универсалии могут значительно развить коллективный разум и повысить способность сообщества действовать согласованно. Как мы еще увидим в
последующих разделах книги, эти вычислительные эффекты играют важнейшую роль в функционировании предприятий, городов и общества в целом.
Приведенный специальный блок, посвященный математике социального влияния, позволяет увидеть, как можно преобразовать эти явления в уравнения,
которые описывают реакцию социального полотна на новые идеи и новые стимулы. Используя эти уравнения, мы уверенно можем рассчитать, как
изменится поведение индивида, и даже то, какими будут производительность группы или действия сообщества. Более подробную информацию об
уравнениях социальной физики см. в Приложении 4: Математика.
В следующих разделах этой книги я расскажу, как при помощи этих идей и уравнений можно измерять и управлять корпорациями, городами и даже
обществом в целом. Я надеюсь, что эти примеры дадут читателю реальное представление как о возможностях, так и об опасностях существования в
нашем развивающемся гиперконнектном обществе, а также подскажут, какие изменения мы должны внести, чтобы защитить себя и идти вперед, к
процветанию.
МАТЕМАТИКА СОЦИАЛЬНОГО ВЛИЯНИЯ
Большинство людей не владеют математическим языком, так что основная часть этой книги не содержит никакой математики. К сожалению, из-за этого
люди забывают о том, что социальная физика позволяет составить прогностические, математические модели человеческого поведения, которые уже
сейчас используются для создания более совершенных предприятий и городов и даже для ведения более успешной государственной политики. Здесь я
привожу словесное описание математических вычислений, чтобы вы могли себе их представить.
На протяжении более чем пятидесяти лет ученые-социологи исследовали вопрос о том, кто на кого влияет в социальных системах, но по большей части
их исследования носили лишь качественный или же коррелятивный (относительный) характер. Главное испытание заключалось в том, чтобы
смоделировать социальное влияние формально, математически. Дополнительная трудность заключалась в том, что влияние часто не поддается прямому
наблюдению, и поэтому его нужно выводить из индивидуальных поведенческих сигналов [104].
Наша модель влияния начинается с человеческой системы С (от company – «компания»). Каждый человек c = (1, …, C) – это (вначале) независимое
действующее лицо, и то, что оно делает, обычно недоступно для случайного наблюдения – идеи, направляющие поведение этого человека, спрятаны у
него в голове. Обозначим эти спрятанные поведенческие идеи (hidden behavior ideas, h) человека c за время t как ht(c). Хотя мы не можем знать наверняка,
что думает каждый человек, его поведение дает нам видимые сигналы Ot(c), и вероятность – Prob(Ot(c)|ht(c)) – этих сигналов зависит от того, что находится
в спрятанном состоянии, – то есть его мыслей[105].
Определение социального влияния с точки зрения зависимости состояний – то, как состояние одного человека влияет на состояние других людей и
наоборот, – идея, обладающая долгой историей[106]; она позволяет нам описать социальное влияние как условную вероятность между скрытым
состоянием каждого человека ht(c) с временной характеристикой t и предыдущими состояниями всех людей ht-1(1), …, ht-1(C) с временной характеристикой
t-1. Следовательно, на состояние ht(c) человека с в момент времени t влияет состояние всех остальных людей в момент времени t-1, и относительная
вероятность того, что человек c находится в состоянии ht(c),такова:
Prob(ht(c’)|ht-1(1), …, ht-1(C)) (1).
Модель влияния позволяет разбить общее «состояние компании» (company state) на влияние, которое каждый человек c оказывает на конкретного
другого человека c’:
Prob(ht(c’)|ht-1(1), …, ht-1(C)) = Σc = (1, …, C) Rc’, c х Prob(ht(c’)|ht-1(c)) (2).
Где влияние матрицы Rc’, c выражает силу влияния с на c’ и описывает, как влияние распространяется в социальной сети компании. Количество
параметров в этой модели растет медленно относительно роста количества людей и их внутренних состояний, что позволяет с большей легкостью

включить «живые» данные и использовать их в режиме реального времени. По сути, это означает, что мы можем определить параметры модели влияния
– влияние, состояния и проч. – без знания социальных связей или усвоенных прежде моделей поведения, используя алгоритм максимизации ожидания.
Код «Матлаб» для оценки параметров и задачи-примеры доступны по ссылке: http://vismod.media.mit.edu/vismod/demos/influence-model/.
Эта модель в точности описывает поведение инвесторов в примере с eToro. В примере с FunFit мы добавили стимулы, которые так настраивают каждого
человека c, что он с большей вероятностью достигнет то состояние, которое через матрицу влияния заставит их партнера c’ прийти в желаемое
поведенческое состояние. Например, стимулы могут побудить с говорить с c’ о повышении физической активности, и, как показано в эксперименте с
FunFit, эффективность этого действия зависит от степени влияния с на c’.
Мы можем наиболее точно оценить социальное влияние (Rc’, c), измерив количество взаимодействия между с и c’. Ведь практически все примеры в этой
книге, включая роль социального влияния на политические убеждения, потребительское поведение и позицию по отношению к здоровому образу жизни,
а также продуктивность в маленьких группах, отделах внутри компаний и целых городах, показывают нам, что использование измерений количества
социального взаимодействия – как прямого, так и непрямого – с целью оценить социальное влияние дает точные прогнозы относительно будущего
поведения.
Главный вопрос заключается в следующем: насколько верно параметры прогностической модели отражают реальное влияние, имеющее место в
человеческих взаимодействиях? Мы выяснили, что наша модель может точно определить социальные роли людей: протагонист, антагонист, помощник,
нейтральный персонаж и др. – в малых группах[107] и организациях; она позволяет нам наиболее достоверно очертить организационные
взаимоотношения, объединив людей в рабочие коллективы и обозначив лидеров этих коллективов. Вариации одной и той же базовой модели,
несомненно, применимы практически ко всем примерам в этой книге. Наконец, производный вариант этой модели в настоящее время коммерчески
применяется для обрисовки шаблонов потребительского поведения 100 миллионов пользователей смартфонов (см. http://www.sensenetworks.com –
веб-сайт компании, соучредителем которой я являюсь).
Одним из важнейших преимуществ этой модели является то, что она позволяет нам непосредственно наблюдать за поведением людей в реальном
времени и дает параметры социальной сети, необходимые для оценки потока идей, то есть пропорцию пользователей, которые, скорее всего, примут
новую идею, внедряемую через социальную сеть. Поток идей учитывает все элементы модели влияния: структуру сети, силу социального влияния и
индивидуальную восприимчивость к новым идеям.
В примере с eToro мы обнаружили, что продуктивность трейдеров сильно зависела от интенсивности потока идей, и это дало нам средство, позволяющее
измерить качество принятия решений внутри организации или социальной сети. В последующих главах мы увидим, что оно также способно
прогнозировать продуктивность и креативную производительность.
Наконец, поток идей также позволяет нам настраивать социальные сети так, чтобы они лучше функционировали, так как он дает нам возможность
предсказывать результат изменения сетевой структуры, силу влияния и индивидуальные характеристики.

Часть 2
Механизмы идей
Глава пятая
Коллективный разум
Как шаблоны поведения переходят в коллективный разум
Чтобы продолжить наш путь к пониманию того, как устроена физика социального взаимодействия, рассмотрим взаимодействия в небольших группах
людей. Группы, как и сообщества, также обладают своим коллективным разумом, который отличается от индивидуального разума каждого отдельного
члена группы. Более того, этот групповой разум является не менее важным фактором для прогнозирования производительности группы, чем
коэффициент IQ – для прогнозирования индивидуальной производительности. Это удивительное открытие, опубликованное в журнале Science мной и
моими коллегами Анитой Вулли, Кристофером Шебри, Надой Нашми, Томасом Малони[108], было сделано на основе исследования, предметом которого
был коллективный разум: изучалось поведение сотен людей в маленьких группах, чьей задачей было выполнять широкий спектр заданий разного
характера: мозговой штурм, критическая оценка и планирование, а также коллективные IQ-тесты.
В чем же заключается основа коллективного разума, которую мы выявили в ходе нашего исследования? Мы с удивлением обнаружили, что те факторы,
которые обычно считаются главными двигателями коллективной производительности – то есть сплоченность, мотивированность и удовлетворенность, –
не имели статистического значения. Крупнейшим фактором в прогнозировании группового разума было равенство очередности участия в обсуждении;
коллективный разум в группах, где лишь несколько людей доминировали в разговоре, был ниже, чем в тех, где очередность участия была распределена

более равномерно. Вторым важнейшим фактором был социальный интеллект членов группы, показателем которого была их способность считать
социальные сигналы друг друга. Женщины, как правило, лучше считывают социальные сигналы, поэтому группы, где было больше женщин, лучше
справлялись с заданиями (см. специальный блок «Социальные сигналы»).
Что именно эти женщины делали, чтобы повысить производительность группы? Социально-физическая точка зрения предполагает, что это должно быть
как-то связано с потоком идей внутри группы. К счастью, во время выполнения различных групповых заданий мы могли наблюдать за действиями
многих участников при помощи социометрических бейджей, разработанных моей исследовательской командой. Я и студент-постдокторант Вэнь Дун
позже анализировали социометрические данные этих экспериментов, чтобы измерить параметры потоков идей[109].
Бейджи, которые мы использовали в этом эксперименте, а также в других исследованиях моей лаборатории, производят детализированные
количественные измерения взаимодействий между людьми. Замеряемые переменные обычно включают: интонацию голоса; стоят ли люди лицом к лицу
во время разговора; сколько они жестикулируют и сколько говорят, слушают и перебивают друг друга. Комбинируя данные индивидуальных участников
команды и сравнивая их с данными о производительности, мы можем выявить шаблоны взаимодействия, которые делают работу в команде успешной
(см. Приложение 1: Добыча реальности).
Эти социометрические данные показали нам в первую очередь, что характер потока идей оказался более важным, чем все остальные факторы по
отдельности, и с точки зрения коллективной производительности даже сравнялся по значению со всеми остальными факторами, взятыми вместе.
Представьте себе: индивидуальный интеллект, личностные характеристики, навыки и прочее, собранное воедино, оказалось менее значительным, чем
шаблон потока идей.
Вэнь и я выяснили, что три простых шаблона составили примерно 50 процентов вариативности производительности для всех групп и заданий. К
характеристикам, типичным для наиболее успешных групп, относились: 1) большое количество идей: множество кратких предложений со стороны
участников вместо нескольких развернутых; 2) интенсивность взаимодействий: непрерывное циклическое вращение между внесением предложений и
очень короткими (длительностью менее одной секунды) ответными высказываниями (например, комментарии вроде «хорошо», «верно», «что?» и проч.),
функция которых – принимать или отвергать предлагаемые идеи и формировать консенсус; и 3) разнообразие идей: все члены группы привносят идеи и
реакции на них, с равной очередностью участия.
Эти шаблоны, представленные на рис. 6, очень похожи на те, что мы видели во второй, третьей и четвертой главах, и именно их я вижу, наблюдая за
самыми креативными людьми в моем окружении: исследование в целях накопления идей, привлечение людей к отбору лучших идей и сверка точек
зрения всех членов коллектива. И, как уже упоминалось, разнообразие идей – это критически важный параметр.

Рис. 6. (a) непродуктивный паттерн взаимодействия (б) продуктивный паттерн

Первым исключением, которое необходимо учитывать, используя эти шаблоны взаимодействия в качестве руководящего принципа, является работа в
стрессовых условиях. Когда решение необходимо принять немедленно, то времени на изложение и обсуждение идей может не быть. Второе исключение
– ситуация, когда группе тяжело работать сообща и эмоции достигают предела; тогда руководителю, возможно, придется исполнять роль посредника и

часто вставлять свои реплики между предложениями, выдвигаемыми другими. Однако эти моменты вмешательства должны быть как можно более
краткими, чтобы оставалось время для озвучивания новых идей.
Социометрические данные этих небольших рабочих коллективов подчеркивают, что группы выполняют роль машин-обработчиков идей, и поток идей
является здесь движущим фактором продуктивности. Коллективная производительность в исследовании, изложенном в журнале Science, зависела от
того, насколько успешно члены группы собирали идеи всех участников и реагировали на каждую новую идею. Вероятно, женщины и другие
социально-интеллектуальные участники в нашем эксперименте с коллективным разумом обеспечивали более правильный поток идей, подталкивая
группу к более краткому изложению новых идей, способствуя более явному проявлению реакций и следя за тем, чтобы все участвовали в равной
степени.
Почему алгоритм потока идей не менее важен, чем сами идеи? Чтобы ответить на этот вопрос, обратимся к нашим древним предкам. Язык был еще
относительно новым изобретением с эволюционной точки зрения и, скорее всего, накладывался на разработанные ранее знаковые механизмы
доминирования, выражения интереса, согласия и проч., когда было необходимо искать ресурсы, принимать решения и координировать деятельность. В
наше время эти древние модели взаимодействия все еще влияют на то, как мы принимаем решения и координируем свои действия.
Подумайте о том, как наши древние предки могли подходить к решению проблем. Можно представить себе древних людей, которые сидят вокруг костра,
высказывают предположения или делятся наблюдениями, а остальные участники реагируют, выражая свой уровень заинтересованности или одобрения
при помощи таких сигналов, как кивок головы, жесты или голосовые сигналы. Чтобы определить, одобряет ли группа конкретную идею, участнику
необходимо только «посчитать» пропорцию ответных сигналов и так увидеть, достигнуто ли общее соглашение.
Ранним человеческим группам приходилось объединять идеи, чтобы решать коллективные проблемы, так же, как по сей день это делают группы обезьян.
Исследования поведения животных подтверждают, что именно так поступают стаи обезьян и даже пчелиные семьи, когда определяют дальнейшие
действия группы. Данные наших социометрических бейджей показывают, что то же самое происходит во время коллективных сессий по решению задач
в наши дни. Лаконичные «хм» и «ОК», которые слышатся в ответ на новые идеи в современных залах совещаний, сохраняют и активируют эти древние
механизмы сортировки альтернативных идей[110].
Важное заключение, которое можно вынести из этой публикации в Science, — то, что группы обладают коллективным разумом, который по большей
части не зависит от интеллекта индивидуальных участников. Эта способность к коллективному решению задач больше, чем наши индивидуальные
способности, возникает из связей между индивидами. В частности, в ее основе лежит алгоритм взаимодействий, частью которого является накопление
различных идей всех участников в сочетании с эффективным процессом просеивания этих идей для достижения консенсуса. Привела ли эволюция к
тому, что мы лучше функционируем как интеллектуальная часть группы, чем как отдельные индивиды?[111]

Измерение вашего рабочего процесса
Наше исследование коллективного разума групп показало, что команды выполняют роль машин-обработчиков идей, в которых шаблон взаимодействий
может облегчить добычу данных, из которых состоят эти идеи. Просто измерив шаблон взаимодействий внутри группы, мы можем в точности
предсказать ее конечную продуктивность.
То же самое мы видим в компаниях. Некоторые компании создают впечатление слаженной машины или же сложного пазла, где все детали идеально
стыкуются друг с другом. Естественным будет вопрос: можно ли измерить производительность не только группы, но и компании, просто взглянув на
шаблоны взаимодействий? Можно ли сказать, что организации – компании или органы государственного управления – также работают, как
машины-обработчики идей, которые собирают и распространяют идеи в основном посредством индивидуальных взаимодействий?
На работе мы не только сидим вокруг стола, как это бывает в лабораторных экспериментах. Во время рабочего дня мы перемещаемся и разговариваем с
людьми на их рабочих местах, в холле, за обедом и на небольших неофициальных собраниях у кофе-автомата или принтера. Поэтому я начал оснащать
реальные рабочие коллективы социометрическими значками, чтобы измерять шаблоны взаимодействий в самых разных ситуациях реальной жизни.
Мои бывшие аспиранты Тэми Ким, Даниель Ольгин-Ольгин и Бен Вейбер, которые теперь работают вместе в нашей дочерней компании Sociometric
Solutions («Социометрические решения»), и я изучили при помощи этих социометрических бейджей широкий спектр рабочих мест, включая креативные
и исследовательские отделы компаний, послеоперационные отделения больниц, отделения поддержки транзакций и колл-центры[112]. Чтобы получить
суммарный алгоритм взаимодействий в организации, крайне необходимо зафиксировать данные всех социальных медиа, которые они используют –
включая e-mail, мгновенные сообщения и другие. Снабдив все эти каналы связи необходимыми программными инструментами, мы затем исследовали
шаблоны взаимодействия в группах как с высокой, так и с низкой продуктивностью.

В течение трех лет мы собрали сотни гигабайтов данных о двенадцати рабочих местах[113]. Мы выяснили, что шаблоны прямого, без использования
медиа, общения и поиска идей часто являлись крупнейшими факторами как продуктивности, так и креативной производительности корпораций. В
последующих секциях этой главы я расскажу, как именно эти шаблоны влияют на результаты работы и как предприятия могут использовать эти
сведения.

Продуктивность
В качестве первого примера рассмотрим данные из колл-центра. Колл-центры необычны, поскольку они уже располагают огромным количеством
оборудования и отслеживают практически все. Операторы колл-центра часто стремятся минимизировать общение между сотрудниками, поскольку
выполняемые ими операции довольно монотонные и стандартизированные; они считают, что работникам нечему учиться друг у друга. Такая политика
может принимать разные формы, но самый распространенный вариант – назначение перерывов для сотрудников на разное время.
В 2008 году мы только начали сотрудничать с Банком Америки, и я думал, что жестко регламентированная среда банковского колл-центра станет
лакмусовой бумажкой в испытании гипотезы о том, что поток идей между сотрудниками является первейшим фактором продуктивности. Я предложил
руководству разрешить моей исследовательской группе замерить их шаблоны взаимодействия, а затем произвести небольшое вмешательство и
посмотреть, станет ли поток идей лучше.
Так мы начали двухэтапное исследование колл-центра со штабом более чем три тысячи сотрудников. Во время первой фазы моя группа выбрала четыре
команды, в каждой из которых было примерно по двадцать сотрудников. Они должны были носить социометрические бейджи на протяжении всего их
рабочего дня в колл-центре в течение шести недель. В общей сложности накопилось несколько десятков гигабайтов поведенческих данных.
В этом колл-центре самым важным показателем продуктивности является так называемое среднее время обработки звонка (AHT, Average call handle
time), поскольку этот фактор определяет денежную стоимость содержания колл-центра. Например, вмешательство, которое сократило бы AHT в этом
конкретном колл-центре на 5 процентов, позволило бы компании экономить примерно по одному миллиону долларов в год.
Проанализировав этот крупный набор собранных нами данных, мы выяснили, что самыми важными факторами в прогнозировании продуктивности стали
общее количество взаимодействия и уровень вовлеченности (насколько каждый включен в циркуляцию знаний). Совокупность этих двух факторов
позволила предсказать практически треть вариаций денежной продуктивности между разными группами.
Этот пример показывает, как производительность рабочего коллектива данного колл-центра меняется в зависимости от потока идей в его пределах; это
похоже на то, как мы анализировали трейдинговую сеть eToro (см. рис. 3 во второй главе). Опять же, как только мы получаем подобную диаграмму
соотношения потока идей и производительности, мы сразу же можем настроить систему таким образом, чтобы повысить ее продуктивность.
-брейков в этом колл-центре. Стандартной моделью
кофе-брейков для этих сотрудников, как и во многих других колл-центрах, было предоставление кофе-брейка одному человеку за раз. Однако, поскольку
в этой организации так много работников, можно было с тем же успехом распределить смены обработки звонков между командами – так же, как они
распределялись внутри команд. Это означало, что можно было бы с тем же результатом давать перерывы целым командам в одно и то же время вместо
того, чтобы давать их отдельным индивидам в разное время. Чтобы поднять количество неформального взаимодействия и повысить процент
привлечения среди сотрудников, я предложил давать перерыв всем сотрудникам в одной команде в одно и то же время.
То, что сотрудникам дали возможность общаться во время перерывов, повысило количество взаимодействия и уровень привлечения в каждом рабочем
коллективе этого центра. Показатели AHT резко снизились, что означает, что сотрудники стали гораздо более продуктивными, и это указало на мощную
связь между шаблонами взаимодействия и продуктивности. В результате этой простой перемены руководство компании изменило структуру перерывов
всех своих колл-центров по нашей новой системе и рассчитало повышение продуктивности – ожидалось, что она повысится на 15 миллионов долларов в
год.
Этот пример ясно продемонстрировал, что степень личной вовлеченности оказывает огромное влияние на продуктивность. Касается ли это и других
рабочих ситуаций? Чтобы выяснить это, мы снабдили социометрическими бейджами типичный офисный операционный отдел, занимающийся
разработкой IT-решений для поддержки отдела продаж. В этом исследовании наши измерения были сосредоточены на команде поддержки сбыта,
состоящей из двадцати восьми сотрудников, двадцать три из которых принимали участие в нашем эксперименте. Наши социометрические бейджи
использовались в этой чикагской торговой компании, занимающейся продажей данных, в течение одного месяца (двадцать рабочих дней) и собрали
примерно миллиард измерений, включая: кто с кем говорил, их жестикуляцию и даже тон голосов. В общей сложности было собрано 1900 часов данных,
где на одного сотрудника пришлось примерно по восемнадцать часов[114]. (Данные, материалы и дополнительную информацию см. на
http://realitycommons.media.mit.edu.)

Мы анализировали поведение сотрудников во время выполнения каждой операции по поддержке сбыта. Перед сотрудниками отдела была поставлена
задача по конфигурации компьютерной системы по принципу «первым пришел, первым обслужен». В результате каждый сотрудник представил
завершенную конфигурацию, а также ее стоимость специалисту по продажам, и затем этот сотрудник помещался в конец очереди, в соответствии с
очередностью назначения задания. При этом фиксировался точный момент начала и завершения выполнения задания, что позволило нам вычислить
точную денежную продуктивность каждого работника для каждого задания.
Мы выяснили, что вовлеченность была главным показателем конечной продуктивности. Напомню: под вовлеченностью мы понимаем поток идей внутри
рабочего коллектива; в данном случае она измерялась путем вычисления степени взаимодействия между членами коллектива, с которыми общается
каждый отдельный сотрудник. С учетом всех остальных факторов, включая стаж работы и пол, продуктивность работников, чьи показатели
вовлеченности оказались в первой трети рейтинга, превышала средний коэффициент на 10 процентов.
Итак, в этом офисном отделе мы снова видим, что измерение потока идей играет ключевую роль в понимании взаимосвязи между продуктивностью и
шаблонами взаимодействия. Получается, что общение с коллегами позволяет работникам обучаться тонкостям торговли – накапливать тот негласный,
детализированный опыт, который отличает эксперта от новичка – и эффективно поддерживает работу механизма идей.

Креативность
Шаблоны взаимодействия не только оказывают первостепенное влияние на продуктивность, но также воздействуют на самые изощренные творческие
способности. Социометрические данные, собранные мной и моей исследовательской группой в различных организациях, показывают, что креативная
производительность сильно зависит от двух процессов: поиск идей (исследование) и интеграция этих идей в новые типы поведения (вовлечение). Как в
исследовательских лабораториях, так и в дизайнерских мастерских разницу между группами с низким уровнем креативности и группами с высоким
уровнем креативности составляют их алгоритмы межличностного исследования за пределами коллектива, а также их вовлеченность в пределах группы.
Хотя исследование и привлечение одинаково важны для творческой производительности, оба этих компонента налагают разные и противоречивые
требования в отношении шаблонов взаимодействия. Решение, которое подсказывают нам другие социальные виды животных, например стаи обезьян и
пчелиные семьи, – перемежать исследование в поисках идей и привлечение в общую деятельность, необходимое для изменения поведения [115].
Этот древний механизм комбинирования процесса поиска ресурсов и группового принятия решений является движущей силой многих организаций, как
человеческих, так и других. Например, самая обычная медоносная пчела может многое нам рассказать о правильных моделях социального
взаимодействия. Всем известно, что рабочие пчелы ищут пригодные источники питания, затем возвращаются в улей и исполняют виляющий танец,
чтобы с его помощью рассказать, на каком расстоянии и в каком направлении находится еда. Этот особый танец необходим для того, чтобы побудить
других рабочих пчел изменить свое поведение и посетить новый источник пищи.
Однако менее известным является тот факт, что пчелы используют тот же механизм как основу для коллективного принятия решений. Одна из самых
важных задач, стоящих перед пчелиной семьей, – выбрать, где расположить гнездо, и пчелы используют особый механизм идей для принятия этого
решения. Семья посылает небольшое количество разведчиков, чтобы они исследовали местность. Когда они возвращаются в улей, те из них, кто нашел
перспективные места, рассказывают другим пчелам о своем открытии при помощи уверенного, активного танца. Это заставляет других пчел изменить
свое поведение и последовать за ними, чтобы осмотреть найденное место. Когда эти новые разведчики возвращаются, они привлекают еще больше пчел
к найденному месту, исполняя тот же танец, и цикл продолжается до тех пор, пока разведчиков, сигнализирующих в пользу оптимального места, не
станет так много, что случится переломный момент, когда туда отправится весть рой.
Процесс принятия решения у пчел выявляет колебание между исследованием как методом поиска ресурсов и привлечением как методом
распространения нового типа поведения в окружении сверстников. Как мы далее увидим, эти два процесса также имеют огромную важность для
человеческих организаций. У каждого процесса есть свои требования. Решение, подсказанное пчелами, заключается в чередовании звездообразной
системы, лучше всего подходящей для исследования, и согласованной, насыщенной связями системой, лучше всего подходящей для привлечения,
интеграции идей и изменения поведения. Сетевые системы – и у обезьян, и у людей, – где структура взаимодействия варьируется по мере
необходимости, способны формировать поток идей, позволяющий оптимизировать как процесс исследования, так и процесс привлечения [116].

Рис. 7. Сетевые шаблоны исследования и привлечения.
(а) Исследование имеет место, когда члены команды взаимодействуют с другими командами.
(б) Привлечение возникает, когда они взаимодействуют друг с другом в рамках одной команды

При типичном шаблоне коллективного исследования работники стремятся выходить за рамки своего коллектива и взаимодействовать с разными
командами, формируя звездообразную сетевую систему; см. рис. 7 (а). Как правило, это способствует нахождению новых, полезных идей, генерируя
поток идей, приходящих извне. При типичном шаблоне привлечения сотрудники используют плотно переплетенный алгоритм, где большинство
взаимодействий происходит с другими членами команды. Они обедают и пьют кофе вместе с членами коллектива, способствуют дружеским отношениям
в коллективе, они следят за тем, чтобы замкнутые участники также присоединились, и т. д.: смысл в том, чтобы все друг с другом общались. Это
генерирует активный поток идей в коллективе, тем самым способствуя как отбору новых идей, так и их интеграции в правила и привычки коллектива;
см. рис. 7 (б).
С качественной точки зрения именно это продемонстрировало нам исследование «Звезды Белла» во второй и третьей главах этой книги: «звездные»
исполнители знакомились с разными взглядами на свою деятельность. Старший менеджмент, клиенты, отделы продаж и производственные группы – все
они имеют свою точку зрения, и сочетание их идей с теми, что уже были в коллективах этих исполнителей, стало основным источником продуктивного
творческого мышления. Сегодня разница, конечно, в том, что теперь, с социометрическими бейджами, мы можем в буквальном смысле измерить этот
процесс исследования и проследить за тем, чтобы он был достаточно активным и разнообразным.
Чтобы убедиться в том, что между шаблоном взаимодействия и творческой производительностью существует корреляция, я и мои студенты, в
сотрудничестве с Питером Глоором и его партнерами, при помощи наших социометрических бейджей измерили шаблоны взаимодействия в отделе
маркетинга одного немецкого банка. Мы исследовали группу из двадцати двух сотрудников (разделенных на пять команд) в маркетинговом отделе банка
в течение одного месяца (двадцать рабочих дней). Каждый сотрудник должен был ежедневно носить социометрический бейдж, и в общей сумме мы
собрали 2200 часов данных (по сто часов на каждого сотрудника). Мы также следили за трафиком электронной почты и зафиксировали 880 взаимных
сообщений[117].
Анализируя эти данные, мы нашли явное подтверждение тому, что структура взаимодействия в командах сотрудников менялась со временем, направляя
поток идей так, чтобы он колебался между исследованием и привлечением. В качестве примера на рис. 8 изображен один день взаимодействий
сотрудников. Темно-серые дуги внизу показывают объем переписки по e-mail между командами, а светло-серые дуги сверху показывают количество
личных взаимодействий «лицом к лицу».

Рис. 8. Паттерны взаимодействия в течение дня в департаменте маркетинга одного немецкого банка. Толщина линий между двумя группами
соответствует числу взаимодействий при личном контакте (светло-серые дуги) или по электронной почте (темно-серые дуги)

Анализ данных выявил, что команды, чьей обязанностью была разработка новых маркетинговых кампаний, колебались между шаблонами исследования
в целях поиска новых идей и привлечением в целях интеграции этих идей в поведение команды. Этот алгоритм хорошо генерирует поток идей для
креативных команд. И напротив, команды, занимающиеся производством, не проявили значительного колебания, так как их члены общались в основном
с другими участниками того же коллектива. Следовательно, приток новых идей в этих командах был слабым.
Изучая эту компанию, мы также обнаружили черную дыру в потоке идей: креативные сотрудники редко общались лицом к лицу с отделом по работе с
клиентами (на рис. 8 обозначен как «КОтдел»). Изменив план расположения рабочих мест, руководство банка смогло проследить за тем, чтобы все,
включая заброшенную прежде группу отдела по работе с клиентами, были в курсе происходящего. В результате этого простого нововведения некоторых
координационных проблем, с которыми это отделение банка сталкивалось прежде – например, запуск рекламных кампаний, который оказывался
неожиданным для группы по работе с клиентами, – стало значительно меньше.
Но действительно ли этот шаблон колебания между исследованием и привлечением является двигателем креативной производительности? Чтобы глубже
изучить этот вопрос, студент-выпускник Натан Игл и я исследовали социально-сетевые шаблоны в 330 000 часах данных о взаимодействиях девяноста
четырех сотрудников МТИ – это исследование известно как «Добыча реальности»[118]. Данные собирались при помощи смартфонов, которые участники
носили с собой, что позволило нам измерить шаблоны взаимодействий «лицом к лицу» в различных исследовательских группах нашей
Медиалаборатории, а затем сравнить эти шаблоны с данными о том, как эти группы оценивали свою креативную производительность.
своих социальных сетей, также высоко оценили свою креативную производительность [119]
шаблонами исследования и привлечения в пределах этих сетевых систем имеет корреляцию с креативной продуктивностью – по крайней мере, по
мнению участников этих сетей (см. Приложение 1: Добыча реальности.
Хотя эти результаты многое говорят нам о соотношении между циклом исследования-привлечения и субъективной креативной производительностью, в
идеале нам хотелось бы получить более мощное доказательство тому, что этот шаблон также является ее объективным показателем. К сожалению,
объективные меры креативной производительности сложно найти; кто может сказать, что на самом деле является креативным? Но, возможно, лучшей
доступной нам мерой являются инструменты оценки креативности KEYS, разработанные гарвардским профессором Терезой Амабайл [120]. Шкала KEYS
получила широкое признание как золотой стандарт для измерения групповой креативности и инновационного потенциала в рабочей среде организаций.
В своей докторской диссертации Пайя Трипати, работая в сотрудничестве со своим научным руководителем Уином Берлсоном и мной, использовала
социометрические бейджи, чтобы изучить две научно-исследовательские лаборатории в Соединенных Штатах[121]. Она снабдила ими две группы из семи
сотрудников – на одиннадцать и пятнадцать дней соответственно. Затем мы использовали групповой опрос KEYS, чтобы получить количественную

оценку креативности со стороны самих участников и со стороны экспертов. Ежедневные показатели этих двух результатов мы затем разделили на
высокие и низкие, чтобы группировать дни наименьшей и наибольшей креативной активности.
Анализ данных о групповой активности, полученных при помощи KEYS, показал, что люди в этих группах больше занимались исследованием и
привлечением в креативные дни, чем в некреативные. Более того, простое сочетание измерений исследования и привлечения позволило предсказать,
какие дни были более продуктивными с 87,5-процентной точностью.
И так мы снова видим, что принцип чередования привлечения и исследования способствует большей креативной производительности. Фаза
исследования подходит для того, чтобы привносить новые идеи в группу, а фаза привлечения – для того, чтобы проверять, достигнуто ли единое мнение
относительно этих идей. Используя формулировку Герберта Саймона, можно сказать: если достигнут консенсус в отношении идеи, она затем
интегрируется в инвентарь «привычек действия» команды, который задействуется при быстром мышлении. Если сказать иначе, то есть основания
считать, что процесс колебания между исследованием и привлечением повышает креативную производительность путем создания в памяти набора
ситуаций, которые затем могут быть использованы в качестве примеров.
В научной литературе содержится немало свидетельств, показывающих, что бессознательное мышление может быть более эффективным для решения
сложных задач, чем сознательное[122]. Вероятно, наше быстрое мышление работает лучше всего, когда наши более логические, медленные типы
мышления не вмешиваются, например во время сна или обдумывания идеи на подсознательном уровне. Поскольку быстрое мышление задействует
ассоциации, а не логику, оно может с большей легкостью совершать интуитивные скачки путем обнаружения новых, креативных аналогий. Оно может
взять новый опыт, связанный с некой ситуацией, впитывать его в течение некоторого времени и затем посредством ассоциации произвести ряд
аналогичных действий. И наоборот, наш восприимчивый, медленный тип мышления позволяет нам продумывать свои действия, помогает распознавать
задачи и разрабатывать новые планы действий.

Улучшение потока идей
В этой главе мы увидели, как шаблоны потока идей влияют на коллективный разум рабочих коллективов и организаций. В частности, я уделил главное
внимание пониманию того, как оптимальный поток идей может усовершенствовать процесс принятия решений, продуктивность и даже креативную
производительность. Изучив десятки разных организаций, я обнаружил, что количество возможностей для социального обучения – обычно посредством
неформальных личных взаимодействий между коллегами – часто является самым крупным фактором продуктивности компании. В наших исследованиях
мы оцениваем возможность для социального обучения в данной среде, измеряя привлечение группы: говорят ли те люди, с которыми общается один
человек, друг с другом? Насколько тесно переплетены и взаимосвязаны социальные сетевые системы сотрудников? [123]
Вследствие этой взаимосвязи между возможностями для социального обучения и продуктивностью самые простые приемы для улучшения социального
обучения часто окупаются с лихвой. Как мы уже увидели, всего одно изменение в графике кофе-брейков позволило сотрудникам больше общаться друг с
другом, и в результате продуктивность возросла настолько, что приравнивалась к ежегодной экономии в 15 миллионов долларов. В другой компании
самым простым способом повысить продуктивность работников стало увеличение длины обеденных столов, из-за чего прежде незнакомым друг с
другом людям пришлось есть вместе[124]. В следующей главе я расскажу, как визуализация шаблонов взаимодействия может применяться для улучшения
потока идей: необходимо сделать так, чтобы каждый был в курсе текущих шаблонов взаимодействия, а затем прийти к коллективному согласию по
поводу того, как их усовершенствовать.
Эти примеры подчеркивают степень, в которой наше поведение зависит от социального обучения. Следовательно, локальные взаимодействия с нашими
сверстниками чрезвычайно важно. Когда повышается привлечение, повышаются и возможности для социального обучения, а также для обмена жизненно
необходимыми ресурсами, такими как негласные знания о функционировании компании и эффективные рабочие привычки. Иными словами, многие
важные идеи, касающиеся того, как быть успешным и продуктивным в работе, можно почерпнуть из разговора у кофеварки или кулера.

Глава шестая
Формирование организаций
Социальный интеллект с точки зрения визуализации и шаблонов взаимодействия
Рассматривая организации, социальная физика фокусируется на шаблонах взаимодействия, выполняющих роль некого «механизма идей», который
выполняет такие первостепенные задачи, как обнаружение идей, их интеграция и принятие решений. Руководители могут повысить производительность
этого механизма, продвигая здоровые модели взаимодействия в своих организациях (включая прямые взаимодействия, такие как разговор, и непрямые –
такие как пассивное слушание или наблюдение). Это противоречит подходу, при котором фокус стоит на индивидах, состоящих в организации, или же
специфическом содержании распространяемой информации. Напротив, когда мы думаем о наших организациях как о машинах по обработке идей,
которые собирают и распространяют идеи главным образом через индивидуальные взаимодействия, становится очевидной необходимость учреждения
здоровых шаблонов потока идей.

Изучив более двух десятков организаций, я выяснил, что их шаблоны взаимодействия объясняют практически половину всей разницы в
производительности между группами с высокими и низкими показателями [125]. Следовательно, шаблон потока идей является самым крупным фактором
производительности, чье изменение зависит от руководства, и все же на данный момент в мире нет ни одной организации, которая отслеживала бы
шаблоны как личных, так и электронных взаимодействий. А, как известно, невозможно управлять тем, что нельзя измерить.
В своей публикации «Новая наука создания лучших команд» (The New Science of Building Great Teams) в журнале Harvard Business Review я представил
аргументы в пользу того, что для перехода от менеджмента, использующего органиграммы[126], к менеджменту, производящему мониторинг потока идей,
требуется отказ от подхода к управлению, опирающегося на индивидуальные таланты, и движение к формированию шаблонов взаимодействия, которые
позволят повысить коллективный разум[127]. Отдалившись от статичной органиграммы и сфокусировавшись на сетевой системе реальных
взаимодействий, мы можем всех держать в курсе событий, так чтобы хорошие идеи могли трансформироваться в координированные модели
поведения[128].
Возможно, первый шаг к получению хорошего потока идей – поставить людей в известность об их шаблонах взаимодействия. К сожалению, людям
обычно трудно их заметить, а иногда это и вовсе невозможно. Как кто-то может быть в курсе разговоров, которые происходят лицом к лицу в холле, если
он сам не присутствует там? Или как кто-то может знать о том, что конкретный человек научился работать с ксероксом, наблюдая за тем, как это делал
другой сотрудник?
Очевидный факт заключается в том, что, если шаблон взаимодействий становится видимым для всех, то все члены коллектива могут сообща работать
над созданием более совершенных моделей потока идей. Так, моя исследовательская группа разработала «карты взаимодействия» – инструменты для
измерения и комментирования шаблонов взаимодействий в пределах коллектива или организации, – так что участники могут понять, как идеи
распространяются между индивидами и в рамках рабочих коллективов. Цель такова: повысить социальный интеллект рабочего коллектива и
организации в целом, и так поднять их производительность.
Как только люди смогут непосредственно видеть эти шаблоны, они смогут говорить о том, как ими лучше управлять. Идеальным результатом дискуссии
о том, какие шаблоны необходимо умножить, а какие – сократить, станет коллективное понимание тех изменений, которые необходимо предпринять.
Это коллективное понимание затем создаст социальное давление к усвоению одобряемых шаблонов.
Когда мы исследуем типичную организацию, то в целях визуализации шаблонов взаимодействия ее руководство и сотрудники носят наши специально
разработанные социометрические бейджи (подробную информацию см. в Приложении 1: Добыча реальности). Затем мы раздаем каждому из них
графическое отображение их шаблонов в виде информационной панели, которую они могут открыть на своих компьютерах или же распечатать, чтобы
облегчить коллективное обсуждение. Результаты могут подаваться в реальном времени или же (так делается чаще всего) доставляться в начале
следующего дня.
Самые эффективные визуализации передают уровни привлечения и исследования в пределах организации, поскольку они являются двумя основными
шаблонами, характеризующими оптимальный поток идей. С персональной точки зрения, понятие привлечения означает, что если те люди, с которыми
вы говорите, также общаются друг с другом, то вы находитесь в курсе событий и в хорошей информационной форме. Мы выяснили, что на основе
уровней привлечения можно прогнозировать практически половину всей вариативности в продуктивности группы, независимо от содержания
деятельности, личностных характеристик и других факторов. Исследование – это то, как часто члены коллектива привносят новые идеи извне; оно, в
свою очередь, позволяет предсказать уровень как инновационного потенциала, так и креативной производительности. Поскольку инновация является
самой важной движущей силой долговременной производительности, необходимо, чтобы руководители способствовали исследованию новых идей,
помогая своему коллективу устанавливать множество социальных связей между разными людьми.

Привлечение
В некоторых группах бывает трудно достичь хорошего потока идей – например, в сильно разбросанных или многоязыковых коллективах. Чтобы решить
эту стандартную проблему, моя исследовательская группа в МТИ разработала методы обеспечения мгновенного графического отображения шаблонов
привлечения, с помощью которых можно повысить производительность во многих типах рабочих коллективов. Цель – в том, чтобы люди использовали
эти графики реального времени, чтобы развивать свой социальный интеллект, необходимый для установления более совершенных шаблонов
взаимодействия, и, как следствие, обеспечить рост своей продуктивности и креативной производительности.
Инструмент, показанный на рис. 9, разработан Тэми Ким и мной во время ее работы над докторской диссертацией [129] и называется «Посредником
встреч» (Meeting Mediator). Как видно из поля (а), он состоит из двух основных компонентов: социометрический бейдж для фиксирования очередности
участия в разговоре и мобильный телефон для визуализации взаимодействий в группе. В системе «Посредника встреч» шарик в середине становится
зеленым тогда, когда в коллективе достигается высокий уровень привлечения[130]. Когда все вносят свой вклад в более-менее равной степени и шаблон

взаимодействия является оптимальным, то, как показано в поле (b), шарик перемещается в центр экрана. Когда один человек доминирует в разговоре, как
в поле (c), шарик бледнеет и движется к человеку, который говорит слишком много. Такая мобильная визуализация производит анализ в реальном
времени, способствуя сбалансированному участию, а также активному привлечению в коллективе.

Рис. 9. В систему Meeting Mediator (а) входят социометрический бейдж (слева), предназначенный для фиксации паттернов взаимодействия групп, и
мобильный телефон (справа), который отображает обратную связь между группами в реальном времени. Когда паттерны взаимодействия позитивны и

каждый участник в равной степени вносит свой вклад (б), шарик смещается к центру экрана. Когда один из участников доминирует в беседе (б), шарик
смещается по направлению к этому человеку

Преимущество этой аналитической системы заключается в том, что она достаточно проста для того, чтобы быть эффективной даже в те моменты, когда
люди не обращают осознанного внимания на экран. Мы обнаружили, что «Посредник встреч» особенно эффективен для географически разрозненных
групп, поскольку он позволяет повысить их производительность и даже уровень доверия между участниками [131] до уровня групп, работающих лицом к
лицу. Как мы увидели в четвертой главе, высокие уровни доверия – это тот краеугольный камень, на котором строится гибкое, подвижное
сотрудничество.
Когда географически разрозненные группы используют систему «Посредника встреч», переменой, которая больше всего бросается в глаза, является рост
количества привнесенных участниками предложений в минуту, и количество предложений на одного человека становится более равномерным. Иными
словами, появляется множество кратких предложений, все в группе участвуют в дискуссии и нет доминирования со стороны одного человека. Если мы
вспомним рецепт для повышения коллективного разума, о котором мы говорили в пятой главе, то будет естественным ожидать, что «Посредник встреч»
способствует повышению продуктивности коллективов.
Действительно, подобная перемена в поведении группы вызывает как раз такой подъем производительности, какой мы могли ожидать. По результатам
лабораторных экспериментов, географически рассредоточенные группы, использовавшие «Посредник встреч», показали не просто значительно более
высокие уровни согласованности – эти уровни ничем не отличались от тех, что мы видим в коллективах, работающих лицом к лицу. Более того, когда мы
спросили участников о таких факторах, как доверие и ощущение принадлежности к группе, мы обнаружили такой же результат. Географически
рассредоточенные группы, использовавшие «Посредник встреч», испытывали доверие к другим участникам и ощущали себя частью коллектива в той же
степени, что и коллективы, работающие лицом к лицу.
Важно, что исследователи не могли понять, какие группы действительно готовы на согласованные действия или обладают высоким уровнем доверия,
основываясь лишь на том, что говорят сами участники. Их слова не могли предсказать согласованность или несогласованность их действий. Имело
значение не то, что они говорили, а их вовлеченность в коллективную деятельность.
«Посредник встреч» также помогает удаленным группам более эффективно обмениваться идеями, что приближает их к уровню локальных групп. Мы
пришли к этому выводу, проведя еще одну серию лабораторных экспериментов, где мы измеряли, насколько быстро и эффективно группам удавалось
извлекать критически необходимые идеи в процессе решения заданий. Эти данные показали, что самое большое значение имело равенство степени
вовлеченности и особенно сходное количество предложений на каждого участника команды. Опять же это согласуется с результатами экспериментов,
связанных с коллективным разумом, о которых я говорил в пятой главе.
Удивительно, что этот эффект равенства не сводился к одному лишь количеству предложений, высказанных во время дискуссии, но также
распространялся и на невербальные сигналы участников – несмотря на то, что участники в этих удаленных группах не могли видеть друг друга. Более
того, чем выше была производительность группы, тем больше людей работали в одном и том же ритме, включая телодвижения, речь и интонацию
голоса. Участники самых продуктивных групп синхронизировались, в буквальном смысле двигаясь синхронно друг с другом [132].
Похожая визуализированная аналитическая система также улучшает производительность в многоязыковых группах. Например, для одного
демонстрационного проекта мы использовали социометрические бейджи на форуме по руководству, который проводился в Токио. На форуме собрались
двадцать студентов из Соединенных Штатов, по большей части из университетов бостонского региона, и двадцать студентов из Японии, в основном из
университетов токийского региона. Работая в группах по шесть-восемь человек, студенты участвовали в тренинге, направленном на развитие навыков
креативной инженерии, который требовал сотрудничества между всеми участниками групп. Студенты-участники носили бейджи в течение всех рабочих
часов, в общей сумме семь рабочих дней.
Беспокоясь о том, что культурные и языковые барьеры могут негативно отразиться на производительности этих групп, мы решили помочь им стать более
интерактивными и интегрированными в единую команду. Чтобы достичь этого, мы ежедневно измеряли их шаблоны общения посредством наших
социометрических бейджей во время их коллективной работы над проектом. Затем в конце каждого дня мы раздавали участникам команд листы с
визуализацией шаблонов общения в их группе.

Рис. 10. Паттерны личного взаимодействия в команде в том виде, в каком их зафиксировали социометрические бейджи в начале недельного
сотрудничества. Размер каждого кружка обозначает количество времени, в течение которого человек участвовал в разговоре, а толщина соединяющей
линии показывает, как долго разговаривали два собеседника

На рис. 10 изображены типичные шаблоны личного взаимодействия в командах, в том виде, в каком их зафиксировали социометрические бейджи в
начале недельного сотрудничества[133]. Размер каждого кружка обозначает количество времени, в течение которого человек участвовал в разговоре, а
толщина соединяющей линии показывает, как много двое людей говорили друг с другом. В этом конкретном примере двое студентов внизу – японцы, а
остальные – студенты из Америки.
В начале недели как американские, так и японские студенты в основном взаимодействовали друг с другом. Отчасти такой уровень групповой интеграции
был вызван тем, что обсуждение шло на английском языке, и японским участникам пришлось столкнуться с языковыми преградами и культурными
различиями. К концу недели, однако, команда казалась полностью интегрированной, и общий шаблон взаимодействия кардинально улучшился. Во время
подведения итогов в конце недели участники отметили, что именно социометрический анализ помог им сформировать более интегрированные,
высокопроизводительные команды.

Исследование
Как мы уже выяснили в пятой главе, креативная производительность находится в прямой зависимости от качества исследования. К сожалению, выявить
шаблон исследования в команде сложно – отчасти потому, что оно обычно проводится индивидуально, а не в группе. Поскольку его трудно увидеть,
создание организационных привычек для его поддержания также представляет сложность. Как следствие, для того чтобы поддерживать оптимальный
поток идей, нужно найти способ визуализировать шаблон исследований в группе.


Related documents


PDF Document arlen levy artists cv 1
PDF Document jumpstart health challenge
PDF Document how social media and virtual reality would get along
PDF Document list of 5 facebook ads networks
PDF Document jaden smith
PDF Document virtual reality in digital marketing


Related keywords