Давайте представим, что у нас есть робот, способный прочитать каждую книгу на каждой полке всех крупных библиотек мира. Он может их прочесть невероятно быстро и запомнить каждое прочитанное слово в своей бесперебойно работающей памяти. Чему мы могли бы научиться у такого робота-историка?

Вот вам простой пример, знакомый каждому американцу. В наши дни принято говорить, что южные штаты полны (are full, множественное число) южан. Мы также говорим, что северные штаты полны (are full) северян или что штаты Новой Англии полны (are full) жителями. Однако мы говорим: the United States is full of citizens (то есть «США полон жителей», единственное число). Почему мы используем единственное число? Вопрос лежит не только в области грамматики – это, скорее, вопрос нашей национальной идентичности.

После основания Соединенных Штатов Америки основополагающий документ – Статьи Конфедерации – наделил центральное правительство слабыми полномочиями и описывал новое государство не как национальное объединение, а, скорее, как «дружеский союз» между отдельными государствами, чем-то напоминающий современный Европейский союз. Люди воспринимали себя не гражданами США, а гражданами определенного штата (государства).

И в этом смысле граждане говорили о Соединенных Штатах во множественном числе, что было вполне закономерно для союза различных и в целом независимых государств. Например, в обращении президента Джона Адамса 1799 года говорится о «Соединенных Штатах и их договорах с ее Британским Величеством» (курсив наш. – Э. Э. и Ж.-Б. М.). В наше время для президента США это совершенно немыслимо.

Когда же слова «Мы, народ…» (Конституция США, принятая в 1787 году) стали обозначать «одну нацию» (Клятва верности флагу, включенная в «Кодекс о флаге США» в 1942 году)? [1]

Если бы мы спросили об этом людей-историков, то, возможно, они бы указали нам на самый знаменитый ответ из финала знаменитой книги Джеймса Макферсона по истории гражданской войны – «Боевой клич свободы» [2]:

Макферсон был не первым, кто выдвинул такое предположение; эта тема обсуждается уже не менее сотни лет. Стоит хотя бы вспомнить выдержку из статьи в газете Washington Post, опубликованной в 1887 году[3]:

Даже через сто лет после того, как была написана эта потрясающая история о языке, артиллерии и приключениях, сложно сдержать волнение. Кто бы мог представить, что люди станут сражаться за грамматику или что «мушкеты Шермана» решат спор о тонкостях словоупотребления?

Но стоит ли этому верить?

Возможно. Джеймс Макферсон – бывший президент Американской исторической ассоциации и настоящая легенда среди историков. Его самая знаменитая работа «Боевой клич свободы» получила Пулитцеровскую премию. Более того, кто бы ни написал в 1887 году статью в Washington Post, Макферсон, вероятнее всего, сам испытал этот синтаксический переворот, и его свидетельству сложно не верить.

Тем не менее Джеймс Макферсон, каким бы великим он ни был, не непогрешим. А свидетели иногда неправильно интерпретируют факты. Можно ли с этим что-то сделать?

Возможно. Давайте предположим, что мы попросили нашего робота – гипотетического робота, прочитавшего все книги из всех библиотек, – поделиться с нами своим механистическим мнением.

Представим, что в ответ на наш вопрос услужливый робот-историк обращается к своей бездонной памяти и рисует график[4]. На нем показано, насколько часто использовалось с течением времени понятие «Соединенные Штаты» в единственном или множественном числе в книгах на английском языке, опубликованных в США. Горизонтальная ось – течение времени, год за годом. На вертикальной оси указана частота употребления двух фраз в среднем на каждый миллиард слов текста за год. К примеру, робот прочитал 313 388 047 слов в книгах, опубликованных в 1831 году. Внутри этих слов робот видит фразу the United States is (то есть единственное число) 62 759 раз. Иными словами, в этом году данное выражение встречалось 20 раз на миллиард слов, что отражено в высоте синей линии за 1831 год.

Подобный график дает четкое представление о том, когда именно люди стали упоминать Соединенные Штаты в единственном числе.

Есть только одна небольшая проблема: судя по гипотетическому графику гипотетического робота, история, которую мы вам рассказываем, неверна. Во-первых, переход от множественного числа к единственному не был мгновенным. Он был постепенным, начался в 1810-х и продолжался вплоть до 1980-х – то есть более полутора столетий.

Но еще важнее то, что во времена Гражданской войны не происходило никакого резкого перехода. В сущности, период войны не особенно сильно отличался от времени до нее или после. Хотя в послевоенный период и началось некоторое ускорение процесса, однако оно произошло не ранее чем через пять лет после сдачи в плен генерала Ли. Согласно нашему роботу, единственное число не стало общеупотребительным вплоть до 1880 года (спустя пятнадцать лет после окончания войны) [5]. И даже сейчас время от времени можно увидеть колыхание знамен лингвистической «конфедерации».

Разумеется, все это выглядит довольно умозрительно, поскольку наша история о роботе с навыками скоростного чтения, превосходящего в своей способности к анализу и свидетеля событий, и историка-лауреата, кажется совершенно надуманной.

Однако все это действительно так.

Макферсон, несмотря на всю свою гениальность, ошибался в вопросе о единственном числе. Свидетель помнил события неточно. А робот, о котором мы вам рассказывали, существует на самом деле. График, приведенный чуть выше, был действительно нарисован роботом. И своей очереди еще ждут миллиарды других графиков. В наши дни миллионы людей по всему миру видят историю совершенно по-новому – цифровыми глазами робота.

Стоит сказать, что не впервые на наше видение мира влияет появление той или иной новой линзы.

В конце XIII века по всей Италии получило активное распространение новое изобретение – очки. Всего лишь за несколько десятилетий очки прошли путь от никому не известной вещи до экзотического, а затем и вполне привычного аксессуара. Своеобразный предшественник смартфона, очки стали незаменимой вещью для множества итальянцев, совмещая в себе моду и функциональность. Они стали одним из первых триумфальных примеров использования переносных технологий.

По мере распространения очков по Европе и всему миру оптометрия превратилась в серьезный бизнес, а технологии изготовления линз стали лучше и дешевле. Разумеется, люди начали экспериментировать и изучать, что будет при совместном использовании нескольких линз. Прошло совсем немного времени, и люди поняли, что при должной инженерной сноровке можно достичь невероятной степени увеличения. Появилась возможность изготовления составных линз, с помощью которых можно было открывать новые миры, невидимые невооруженному человеческому глазу[6].

Например, с помощью таких линз можно было увеличивать изображение самых крошечных вещей. Микроскопы позволили узнать как минимум два факта, связанных с вековой тайной жизни. Во-первых, они показали, что окружающие нас животные и растения состоят из крошечных отдельных частиц. Сделавший это открытие Роберт Гук заметил, что расположение этих частиц напоминает монастырские кельи, и назвал их «клетками» [7]. Во-вторых, микроскопы позволили нам узнать о существовании микробов[8]. Эта совершенно отдельная вселенная организмов, часто состоящих из единственной клетки, населена большей частью обитателей нашего мира. До изобретения микроскопа никто даже не представлял себе, что существование подобных форм жизни возможно.

Составные линзы использовались также и для приближения удаленных объектов. Вооружившись телескопом, дающим 30-кратное увеличение – по нынешним стандартам детская игрушка, – Галилей смог заняться разгадкой тайн космоса[9]. Куда бы он ни посмотрел, телескоп позволял ему видеть больше, чем когда-либо прежде. Направив его на Луну – которая много лет казалась идеальной сферой, – флорентийский ученый видел долины, равнины и горы (а также их тени, всегда направленные в сторону от Солнца). Исследуя яркую полосу звезд на ночном небе, известную нам под названием «Млечный Путь», Галилей обнаружил, что тот состоит из огромного количества слабо святящихся звезд – то, что мы теперь называем Галактикой. Однако самые знаменитые открытия Галилея произошли после того, как он направил свой телескоп на другие планеты. Он увидел и фазы затмения Венеры, и луны Юпитера – новые миры в совершенно буквальном смысле слова.

Наблюдения Галилея позволили окончательно опровергнуть берущее свое начало со времен Птолемея убеждение, что Земля находится в центре всего сущего. Наоборот, было найдено подтверждение гипотезы Коперника о существовании Солнечной системы – то есть Солнца, окруженного вращающимися планетами. В умелых руках Галилея оптическая линза – всего лишь проявление игры света – не только послужила толчком для научной революции, но и изменила роль религии в жизни западного мира. Это было не просто рождение современной астрономии. Это было рождение современного мира[10].

Даже в наши дни, спустя пять веков, микроскоп и телескоп играют важнейшую роль в научном познании. Разумеется, сами устройства изменились. Традиционные системы оптического изображения значительно усложнились, а работа некоторых современных микроскопов и телескопов основана на совершенно иных научных принципах. Например, сканирующий туннельный микроскоп опирается на достижения квантовой механики XX века. Тем не менее до сих пор многие области знаний – столь различные, как астрономия, биология, химия и физика, – своим развитием во многом обязаны лучшим из имеющихся у нас микроскопов и телескопов.

В 2005 году оба автора, будучи еще молодыми учеными, работавшими над диссертациями, довольно много размышляли о том, к каким видам «скопов» имеют доступ современные исследователи и каким образом они могли бы способствовать развитию науки. Нас заинтересовала идея, казавшаяся многим довольно странной. В течение длительного периода времени мы увлекались изучением истории. Особенно нас заинтересовал вопрос о том, как меняется со временем человеческая культура. Некоторые из этих изменений революционны, однако часто они оказываются совершенно незаметными для человеческого разума. Как было бы здорово, подумали мы, если бы в нашем распоряжении был какой-нибудь микроскоп для измерения человеческой культуры, выявления и отслеживания мельчайших изменений, совершенно незаметных обычному наблюдателю? Или же телескоп, позволяющий наблюдать с огромного расстояния – на других континентах или много столетий назад? Словом, возможно ли создать некий «скоп», помогающий наблюдать за историческими изменениями, а не физическими объектами?

Разумеется, это не идет ни в какое сравнение с масштабами сделанного Галилеем. Современный мир уже существует; Солнце уже находится в центре Солнечной системы, и так далее, и тому подобное. Все уже знают, что «скопы» – это хорошо. Но, как мы тогда подумали, этот новый вид «скопа» может оказаться достаточно интересным для того, чтобы Гарвард позволил нам наконец защититься. А по сути, это единственное, на что вы можете надеяться, будучи таким же голодным, бедным и слишком образованным, как и типичный соискатель научной степени в Гарварде.

Пока мы размышляли над столь отвлеченными материями, вокруг нас разворачивалась революция, в которую мы смогли сполна погрузиться и даже оказаться в авангарде миллионов людей, разделяющих наше странное увлечение. В основе своей эта революция больших данных связана с тем, каким образом мы, люди, создаем и сохраняем историческую память о своей деятельности. Эта революция изменит то, как мы видим самих себя. Мы сможем создавать новые «скопы», благодаря которым наше общество станет еще эффективнее исследовать свою природу. Большие данные изменят гуманитарные науки, преобразуют общественные науки и заставят пересмотреть природу связей между миром коммерции и «башней из слоновой кости». Чтобы лучше понимать, как это стало возможным, давайте внимательнее взглянем на исторические данные – от скромных истоков до вездесущего настоящего.

Десять тысяч лет назад доисторические пастухи время от времени теряли своих овец. Воспользовавшись советом других доисторических людей, страдавших от бессонницы, пастухи принялись их считать. Эти первые в истории счетоводы использовали для пересчета овец камни, по аналогии с тем, как нынешние игроки в покер используют фишки для подсчета своего выигрыша.

И это отлично сработало. На протяжении следующих четырех тысяч лет, по мере того как люди обладали все большим количеством различных товаров, они использовали простой инструмент под названием «резец», чтобы вырезать определенные изображения на камнях. Эти значки изображали различные типы объектов, требующих подсчета. Со временем, в IV тысячелетии до н. э., кто-то решил, что иметь дело с огромным количеством камней – аналогом денежной мелочи в каменном веке – крайне неудобно. Куда проще казалось взять один по-настоящему большой камень и использовать резец для того, чтобы покрыть его особыми орнаментами с каждой стороны. Так зародилась письменность[11].

Теперь может показаться удивительным, что такая обыденная вещь, как желание считать овец, стала стимулом для развития такой фундаментальной вещи, как письменный язык. Однако стремление пользоваться письменными данными всегда шло рука об руку с экономической деятельностью, поскольку сделки не имеют смысла, если вы не можете четко проследить, что кому принадлежит. Как таковая, ранняя человеческая письменность направляется заключением сделок (dealing) и созданием колеса (wheeling) – ставками в спорах, расписками и контрактами. Задолго до того, как у нас появились писания пророков (prophets), люди делали записи о прибылях (profits). По сути, многие цивилизации так никогда и не дошли до настоящей письменности и не оставили после себя ту литературу, которую мы часто связываем с историей культуры. В лучшем случае от этих древних обществ до нас дошли кучи расписок. И если бы не те коммерческие предприятия, которые создали эти данные, мы бы знали куда меньше о культурах, в которых они существовали. Теперь такое положение дел представляется вполне закономерным. В отличие от своих предшественников, многие из коммерческих предприятий в наши дни создают данные не просто как побочный продукт своего бизнеса. Компании типа Google, Facebook и Amazon создают инструменты, позволяющие пользователям представлять себя и взаимодействовать с другими в Интернете. Работа этих инструментов позволяет создавать цифровые, личные и исторические данные.

Основной бизнес таких компаний как раз и заключается в записи человеческой культуры.

И дело касается не только фиксации информации, предназначенной для общего потребления, типа веб-страниц, блогов и онлайн-новостей. Все чаще в Сети происходит и наше частное общение – посредством электронных писем, Skype или систем текстовых сообщений. Значительная их доля сохраняется (можно считать, что и вечно), причем иногда в нескольких копиях. Идет ли речь о Twitter или LinkedIn, наши личные и деловые отношения управляются Сетью и фиксируются в ней. Каждый раз, «плюсуя», «лайкая» тексты или отправляя электронные открытки, мы оставляем цифровые «отпечатки пальцев». Google будет помнить каждое слово написанного нами гневного электронного письма даже тогда, когда мы сами забудем имя человека, которому его отправляли. Фотографии в Facebook напомнят нам о подробностях вечера, проведенного накануне в баре, даже если мы ничего не помним из-за похмелья и жуткой головной боли. Если мы пишем книгу, Google сканирует ее; если мы делаем фотографию, она хранится на Flickr; а если мы снимаем видео, YouTube позволяет желающим его посмотреть.

Проживая современную жизнь, все активнее проводя время в Интернете, мы оставляем все более заметный след из цифровых «хлебных крошек» – личные исторические данные потрясающей глубины и значительного масштаба.

О каком масштабе идет речь?

В компьютерных науках принято считать единицей измерения информации бит (сокращение от binary digit – двоичное число). Бит можно представить себе в виде ответа на вопрос «да или нет», где 1 – это «да», а 0 – это «нет». Группа из восьми битов называется «байт» [12].

В настоящее время цифровой след обычного человека – то есть годовой объем данных, создаваемых в мире на душу населения, – составляет немногим менее одного терабайта. Это можно сравнить примерно с 8 триллионами ответов на вопрос «да или нет». В совокупности человечество создает каждый год 5 зеттабайт данных: 40 000 000 000 000 000 000 000 (сорок секстиллионов) бит[13].

Такие огромные цифры сложно себе представить, поэтому давайте их как-то конкретизировать. Если бы вы записали вручную всю информацию, содержащуюся в одном мегабайте, то ваша строка из 1 и 0 превысила бы по высоте гору Эверест[14]. Последовательность 1 и 0, составляющая 1 гигабайт, записанная вручную, соответствует длине земного экватора. А длина записанной последовательности цифр, составляющих один терабайт, равна расстоянию от Земли до Сатурна, пройденному туда и обратно 25 раз. Длина последовательности в один петабайт, записанной вручную, равна расстоянию туда и обратно до космического аппарата «Вояджер-1» (самого удаленного от Земли аппарата, созданного человечеством). Длина последовательности в один экзабайт равна расстоянию до альфы Центавра. Длина последовательности в 5 зеттабайт, создаваемых людьми каждый год, равна расстоянию до галактического центра Млечного Пути. Если бы вместо отправки электронных писем и трансляции видео эти пять зеттабайт использовались для той же цели, что и у древних пастухов – то есть для подсчета овец, – то их стадо полностью заполнило бы всю Вселенную, не оставив свободного пространства[15].

Вот почему люди дали всей этой информации название «большие данные». И большие данные сегодняшнего дня – это лишь верхушка айсберга. Полный цифровой след, оставляемый хомо сапиенс, удваивается каждые два года[16], по мере совершенствования технологий хранения данных, повышения скорости обмена информацией и постепенного перемещения нашей жизни в Интернет. Большие данные становятся все больше, больше и больше.

Пожалуй, самое значительное различие между культурными записями в наше время и в прошедшие эпохи состоит в том, что большие данные сегодняшнего дня существуют в цифровой форме. Подобно оптической линзе, позволяющей с должной степенью надежности трансформировать свет и манипулировать им, цифровые средства передачи позволяют делать то же самое с информацией. При наличии достаточного объема цифровых данных и вычислительных мощностей на человеческую культуру можно взглянуть по-новому, благодаря чему меняется то, как мы понимаем мир и свое место в нем.

Стоит задуматься вот над чем. Что лучше поможет вам понять современное человеческое общество: неограниченный контакт с факультетом социологии ведущего университета, где работают эксперты в области функционирования обществ, или неограниченный доступ к данным Facebook, компании, цель которой направлена на помощь в организации социального взаимодействия людей в Сети?

С одной стороны, работники социологического факультета имеют определенные преимущества, связанные с глубоким знанием и пониманием процессов, протекающих в обществе (вследствие того, что они посвящают десятки лет своей жизни обучению и исследованию этих вопросов). С другой стороны, Facebook представляет собой часть повседневной социальной жизни миллиарда людей. Он знает, где они живут и работают, где и с кем играют, что им нравится, когда они болеют и о чем разговаривают с друзьями. Поэтому мы отдали бы предпочтение Facebook. И это мы еще не учли того, что произойдет в мире через 20 лет, когда Facebook или любой другой сайт подобного рода будет хранить в десять тысяч раз больше информации о каждом жителе планеты? [17]

Подобные размышления уже вынуждают разных ученых заниматься совершенно непривычными вещами – вылезать из своих «башен из слоновой кости» и начинать сотрудничать с крупными компаниями. Несмотря на радикальные отличия в мировоззрении и источниках вдохновения, эти странные люди проводят исследования, которые вряд ли могли представить себе их предшественники, и используют массивы данных, масштаб которых еще не имел прецедентов в истории научной мысли.

Йон Левин, экономист из Стэнфорда, объединился с компанией eBay для изучения принципов ценообразования на рынках реального мира[18]. Левин воспользовался тем, что продавцы на eBay часто проводят массу мелких экспериментов, чтобы понять, какую цену выставлять за свои товары. Изучив сотни тысяч таких экспериментов, Левин со своими коллегами смог пролить новый свет на теорию цен – хорошо изученный, но во многом теоретический подраздел экономической науки. Левин показал, что в уже имеющейся на эту тему литературе не только содержатся реальные факты, но есть и немало значительных ошибок. Его работа оказала огромное влияние и даже помогла исследователю получить медаль Джона Бейтса Кларка – самую престижную награду для экономистов в возрасте до 40 лет, которая часто предшествует Нобелевской премии.

Группа исследователей во главе с Джеймсом Фаулером из Калифорнийского университета в Сан-Диего договорилась с Facebook о проведении эксперимента, в котором должен был участвовать 61 миллион его пользователей[19]. Эксперимент показал, что человек охотнее участвует в голосовании, если знает, что это уже сделал его близкий друг. Чем теснее люди общаются, тем большее влияние они могут оказывать друг на друга. Данный эксперимент – рассказ о котором был вынесен на обложку престижного научного журнала Nature – не просто привел к поразительным выводам; благодаря ему в 2010 году на выборы явилось на 300 тысяч людей больше. Этого хватило для того, чтобы повлиять на их итоги.

Альберт-Ласло Барабаши, физик из Северо-Западного университета, вместе с несколькими крупными телефонными компаниями работал над проектом по отслеживанию перемещения миллионов людей с помощью анализа цифрового следа, оставленного их мобильными телефонами[20]. В результате возник совершенно новый метод математического анализа обычного человеческого движения, оцененного в масштабе целых городов. Барабаши и его команда смогли настолько хорошо проанализировать историю движения, что со временем даже стали предсказывать, куда человек направится в будущем.

Сотрудники компании Google под руководством программиста Джереми Гинсбурга обратили внимание, что люди значительно чаще ищут информацию о симптомах гриппа, его осложнениях и методах лечения во время эпидемии[21]. Они воспользовались этим вполне очевидным фактом для решения более важной задачи – создания системы, изучающей в режиме реального времени, что ищут через Google жители определенного региона, и позволяющей предсказать возникновение эпидемии гриппа. Эта система раннего предупреждения смогла выявлять новые эпидемии значительно быстрее, чем Центры по контролю и профилактике заболеваний США (несмотря на тот факт, что у этих центров имеется разветвленная и дорогостоящая инфраструктура для решения именно этой задачи).

Радж Четти, экономист из Гарварда, обратился к налоговой службе США[22]. Он убедил их поделиться информацией о миллионах учащихся, посещавших учебное заведение в определенном городском районе. Вместе со своими соратниками он сопоставил эту информацию с данными из базы школьного совета (в которой фиксировалась информация о школьных заданиях). Таким образом, команда Четти знала, кто учится у тех или иных учителей. На основании всей полученной информации был проведен ряд интереснейших исследований долгосрочного влияния со стороны хороших учителей, а также политических нововведений. Они обнаружили, что работа хорошего учителя сказывается на желании учащихся продолжить учебу в колледже, на величине их дохода через много лет после окончания школы и даже на том, какова вероятность, что они поселятся в том или ином престижном районе. Затем на основании полученных выводов исследователи сформулировали рекомендации по повышению эффективности работы педагогов. В 2013 году Четти также получил медаль Джона Бейтса Кларка.

А один из основателей знаменитого блога Five Thirty Eight, бывший бейсбольный аналитик по имени Нейт Сильвер, решил выяснить, можно ли применить подход на основе больших данных для предсказания победителей национальных выборов[23]. Сильвер собрал данные, связанные с голосованием, из множества источников: Gallup, Rasmussen, RAND, Mellman, CNN и других. Используя эти данные, он совершенно точно предсказал, что Обама выиграет выборы 2008 года, а также точно спрогнозировал результаты голосования в коллегиях выборщиков 49 штатов и округа Колумбия. Единственным штатом, с которым он ошибся, была Индиана. Улучшать в системе было особенно нечего, однако ему все равно удалось это сделать. Утром в день голосования в 2012 году Сильвер объявил, что Обама с вероятностью 90,9% выиграет у Ромни, и точно предсказал победителя выборов в округе Колумбия и каждом из штатов (включая, конечно же, Индиану).

Этот список можно продолжать до бесконечности. Используя большие данные, исследователи в наши дни проводят эксперименты, о которых их предшественники не могли и мечтать.

В настоящей книге описывается история одного из таких экспериментов.

Объектом наших наблюдений были не люди, лягушки, молекулы или атомы. Эксперимент был связан с одним из самых потрясающих массивов данных в истории самой истории – цифровой библиотекой, цель которой (если верить ее создателям) состоит в том, чтобы включить все когда-либо написанные книги[24].

Как же возникла эта замечательная библиотека?

В 1996 году два старшекурсника из Стэнфорда, изучавших компьютерные технологии, работали над приостановленным ныне проектом, известным как Stanford Digital Library Technologies Project[25]. Цель проекта состояла в разработке прототипа библиотеки будущего, способной интегрировать мир книг с миром глобальной Сети. Студенты работали над инструментом, дающим пользователям возможность изучать библиотечные коллекции, перемещаясь от книги к книге в киберпространстве. Однако сделать это на практике было практически невозможно, поскольку в цифровом виде имелось довольно мало книг. Поэтому двое студентов применили свои идеи и навыки для перехода от одного текста к другому (по следу больших данных во Всемирной паутине), а затем превратили свою работу в небольшую поисковую машину, которую назвали Google.

К 2004 году проект, о котором заявляла компания Google – по «упорядочиванию всей имеющейся в мире информации», – уже реализовывался вполне успешно, благодаря чему у основателя компании Ларри Пейджа нашлось достаточно свободного времени, чтобы вернуться к своей первой любви – библиотекам. Как ни печально, но и к тому моменту количество книг, доступных в цифровой форме, оставалось незначительным. Однако изменилось другое – теперь Пейдж стал миллиардером. Поэтому он решил, что Google стоит заняться бизнесом по сканированию и оцифровке книг. И Пейдж подумал, что Google вполне по силам оцифровать все книги в мире.

Слишком смело? Несомненно. Однако компания Google лихо принялась за дело. Через девять лет после публичного заявления о начале проекта Google оцифровала более 30 миллионов книг[26]. Это примерно каждая четвертая когда-либо опубликованная книга. Коллекция Google превышает по своему размеру коллекцию Гарвардского университета (17 миллионов томов), Стэнфорда (9 миллионов), оксфордской Бодлианской библиотеки (11 миллионов) или любой другой университетской библиотеки. В ней больше книг, чем в Российской государственной библиотеке (15 миллионов), Национальной библиотеке Китая (26 миллионов) и Национальной библиотеке Германии (25 миллионов). На момент написания этой книги единственной библиотекой, в которой хранилось еще больше книг, была Библиотека Конгресса США (33 миллиона). Не исключено, что к тому моменту, как вы прочтете эти строки, Google удастся обогнать и ее.

О начале работы проекта Google Books мы, как и все остальные, узнали из новостей. Однако лишь через два года, в 2006 году, влияние Google стало ощущаться в реальной жизни. В то время мы завершали научное исследование по английской грамматике. Для нее мы оцифровали вручную несколько учебников по грамматике староанглийского.

Самые нужные нам книги таились в дальних углах гарвардской Вайднеровской библиотеки. Вот как их можно найти. Сначала вам нужно подняться на второй этаж восточного крыла библиотеки. Затем пройти мимо «Рузвельтовской коллекции» и раздела, посвященного языкам американских индейцев. Там вы увидите проход с номерами каталога от 8900 и далее. Наши книги располагались на второй полке сверху.

На протяжении ряда лет, работая над своим исследованием, мы туда регулярно приходили. Мы были единственными, кто вытаскивал эти книги с полок за много лет, а то и десятилетий. Никого, кроме нас, не интересовала эта полка.

В один прекрасный день мы заметили, что книга, которой мы регулярно пользовались в своих исследованиях, появилась в Интернете как часть проекта Google Books. Заинтересовавшись, мы начали искать там и другие книги с нашей полки. Оказалось, что и они там уже есть. И дело вовсе не в том, что корпорацию Google так сильно заботит средневековая английская грамматика. В сущности, почти у каждой из проверенных нами книг, вне зависимости от полки, теперь появился цифровой близнец[27]. За то время, которое нам потребовалось для изучения нескольких книг, Google успела оцифровать содержимое нескольких зданий.

Усилия компании Google позволяли получить совершенно новый тип больших данных и даже изменить то, как люди оценивают свое прошлое. В основном большие данные являются большими, но «короткими» – это недавние записи, фиксирующие недавние события. Это связано с тем, что создание данных катализируется Интернетом, сравнительно недавним изобретением. Наша цель состояла в изучении культурных изменений, которые могут охватывать длительные периоды времени по мере того, как целые поколения людей живут и умирают. Когда речь заходит об изучении изменений в историческом масштабе, короткие данные, вне зависимости от степени своей обширности, нам мало чем помогут.

Google Books как база данных по своему масштабу не превышает любую другую базу в нашу эпоху цифровых средств передачи и хранения информации. Однако значительная часть того, что оцифровывает Google, не связана с современностью – в отличие от электронной почты, RSS-фидов и онлайновых игр, книги уходят в глубину веков. Поэтому данные проекта Google Books – это не просто большие, а еще и длинные данные[28].

Поскольку в книгах содержатся длинные данные, оцифрованные книги не ограничиваются описанием современной жизни, в отличие от большинства других больших массивов данных. Книги могут показать нам, как менялась наша цивилизация на протяжении довольно больших периодов времени – превышающих не только человеческую жизнь, но и жизни целых государств.

Книги представляют собой отличный массив данных еще и вот почему. Они охватывают широкий круг тем и демонстрируют различные точки зрения.

Об изучении масштабной коллекции книг можно думать как об изучении большого количества людей, многие из которых к моменту изучения уже мертвы. В исследованиях по истории и литературе книги, относящиеся к определенному времени и месту, становятся чуть ли не самыми важными источниками информации об этом времени и месте.

Это заставило нас предположить, что, изучив через цифровую линзу книги проекта Google, мы сможем создать новый «скоп» для изучения человеческой истории. И мы знали – сколько бы времени ни потребовалось, мы сможем изучить эти данные.

С большими данными появляются не только новые возможности для понимания окружающего мира, но и новые научные проблемы[29].

Первая серьезная проблема заключается в том, что большие данные и данные, которыми оперируют ученые, структурированы совершенно по-разному. Ученые предпочитают отвечать на тщательно сформулированные вопросы с помощью элегантных экспериментов, дающих воспроизводимые и точные результаты. Однако большие данные часто сопровождаются неразберихой. Типичный массив больших данных представляет собой смесь фактов и измерений, сделанных без какой-либо научной цели и с использованием далеко не универсальных процедур. Он изобилует ошибками и огромным количеством пугающих пробелов – например, недостающими элементами информации, важными для любого разумного ученого. Такие ошибки и упущения часто непоследовательны, даже в рамках единого массива данных. Это связано с тем, что большие массивы данных часто создаются путем объединения большого количества более мелких массивов данных. Очевидно, что некоторые из компонентов массивов данных более надежны, чем другие, и у каждого из них есть свои особенности. Хорошим примером может служить социальная сеть Facebook. Добавление людей «в друзья» может означать совершенно разное для разных людей. Кто-то делает это довольно свободно. Кто-то более осторожен. Некоторые добавляют в друзья коллег, другие этого не делают. Отчасти работа с большими данными как раз и требует, чтобы их хорошо понимали и учитывали все подобные особенности. Но настолько хорошо можно быть знакомым с петабайтом данных?

Вторая серьезная сложность заключается в том, что большие данные не всегда вписываются в концепцию того, что мы привыкли понимать под научным методом. Ученые любят подтверждать конкретные гипотезы и постепенно собирать свои выводы сначала в связные, а затем и математически верные теории. Стоит покопаться в любом достаточно интересном большом наборе данных, и вы неминуемо сделаете открытие – к примеру, найдете корреляцию между активизацией морского пиратства и изменением температуры в атмосфере. Такой вид исследований иногда называется «исследованием без гипотез», поскольку вы никогда не знаете в начале работы, что найдете в процессе. Тем не менее большие данные вам помогут куда меньше, если нужно объяснить такую корреляцию с точки зрения причинно-следственной связи. Вызывают ли действия пиратов глобальное потепление? Заставляет ли повышение температуры на улице заниматься пиратством? А если эти два показателя не связаны между собой, то почему они оба так сильно растут в последние годы? Большие данные часто заставляются нас теряться в догадках.

Поскольку мы продолжаем накапливать необъясненные и недостаточно объясненные факты, появилось мнение, что причинно-следственная связь как основа научного познания рискует уступить свое место корреляции. Некоторым даже кажется, что дальнейшее развитие больших данных приведет к смерти теории. Однако с такой точкой зрения вряд ли можно согласиться. Мы можем отнести к подлинным триумфам современной науки такие теории, как теория общей относительности Эйнштейна или теория естественного отбора Дарвина, объясняющие причины сложных явлений с помощью небольшого набора основополагающих принципов. Если поиск таких теорий уйдет в прошлое, то мы рискуем потерять саму суть того, что называется наукой. Какой смысл делать миллионы открытий, если мы не можем объяснить сути ни одного из них? Это не значит, что мы должны отказываться от объяснений природы вещей. Это значит лишь, что мы должны изменить принципы своей работы.

И последняя значительная проблема связана с тем, где теперь живут данные. Мы как ученые привыкли получать данные, экспериментируя в своих лабораториях или выбираясь в мир природы и фиксируя свои наблюдения. Ученый в некотором смысле контролирует получение данных. Однако в мире больших данных привратниками самых обширных массивов оказываются крупные корпорации и даже правительства. А людям, гражданам стран и клиентам компаний, далеко не безразлично, как используются эти данные. Мало кто хочет, чтобы налоговая служба США делилась данными личных налоговых деклараций с исследователями (пусть и руководствующихся самыми добрыми намерениями). Продавцы на eBay не хотят, чтобы полная информация о произведенных ими сделках становилась общедоступной или передавалась каким-то студентам-недоучкам. Лог-файлы поисковых машин и электронные письма должны по умолчанию обладать определенной степенью интимности и конфиденциальности. Авторы книг и блогов защищены законами об авторских правах. А коммерческие компании распространяют право собственности на контролируемые ими данные. Они могут анализировать эти данные с намерением получить больше от вложений в рекламу, но вряд ли согласятся поделиться своими конкурентными преимуществами с чужаками, особенно исследователями и учеными, которые вряд ли поспособствуют повышению прибыльности бизнеса.

По всем названным причинам некоторые из самых важных ресурсов в истории знания людей о самих себе остаются во многом неиспользуемыми. Несмотря на то, что изучение социальных сетей проводится уже на протяжении десятилетий, мало что делалось в масштабах всей социальной сети Facebook, поскольку компании незачем делиться своими данными. Несмотря на то, что теория рынка существует уже несколько столетий, подробности сделок на основных онлайновых торговых площадках остаются в целом недоступными для экономистов (проведенное Левиным исследование eBay было исключением из правил). И, несмотря на тот факт, что люди потратили тысячелетия, чтобы придумать географические карты, изображения, созданные компаниями типа DigitalGlobe (снявшей поверхность Земли со спутников с разрешением 50 см), никогда не подвергались систематическому анализу. Если вдуматься, то такое несоответствие нашему обычно ненасытному желанию учиться и изучать шокирует. Для сравнения представьте себе ситуацию, при которой несколько поколений астрономов изучали бы далекие звезды, но не имели юридических прав смотреть на Солнце.

Тем не менее, зная, что на небе есть Солнце, мы не сможем побороть желание посмотреть на него. И поэтому в наши дни по всему миру происходит странный брачный танец. Исследователи и ученые обращаются к программистам, продукт-менеджерам и даже руководителям высшего звена корпораций за доступом к их данным. Бывает, первый этап переговоров проходит хорошо. Участники начинают встречаться за кофе. Так, слово за слово, через год на сцене появляется совершенно новый участник. И, к сожалению, чаще всего он оказывается юристом[30].

В попытках проанализировать имеющуюся у Google библиотеку всего мы были вынуждены найти способ для решения каждой из этих проблем. И должны признаться, что препятствия, связанные с цифровыми книгами, совсем не уникальны; по сути, они представляют собой всего лишь микрокосм, отражающий состояние больших данных в наши дни.

В настоящей книге мы расскажем вам о своей семилетней работе по количественной оценке исторических изменений. В результате мы создали новый вид «скопа» и предложили необычный, привлекательный и притягательный подход к языку, культуре и истории, который мы называем культуромикой[31].

Мы опишем множество наблюдений, которые стали результатом культуромического подхода. Мы поговорим о том, что показали нам обработанные данные в отношении изменений в английской грамматике, как в словарях возникают ошибки, как люди становятся знаменитыми, как правительства подавляют идеи, как общества учатся и забывают и как – совсем чуть-чуть – наша культура может вести себя детерминистическим образом, что дает возможность предсказать те или иные аспекты нашего общего будущего.

И, разумеется, мы представим вам наш новый «скоп» – инструмент, созданный нами вместе с Google и названный – по причинам, о которых мы расскажем в главе 3, – Ngram Viewer[32]. Выпущенный в 2010 году, Ngram Viewer позволяет создавать графики временных изменений частотности слов и идей. Этот «скоп» – и многочисленные расчеты, благодаря которым он возник, – представляет собой описанного во вступлении робота-историка. Вы можете поработать с ним самостоятельно прямо сейчас, зайдя на страницу http://books.google.com/ngrams. Результат наших трудов – это усердный робот, который круглосуточно используют миллионы людей всех возрастов по всему миру. Они стремятся понять историю по-новому – познавая непознанное.

Если коротко, то эта книга посвящена истории, которую рассказывают роботы, – истории о том, как выглядит человеческое прошлое под цифровой линзой. И хотя сегодня Ngram Viewer может показаться чем-то удивительным или небывалым, сама по себе цифровая линза пользуется огромным успехом, почти так же, как оптическая линза многие столетия назад. Из-за постоянно растущего цифрового следа каждый день появляются новые «скопы», открывающие прежде незаметные аспекты истории, географии, эпидемиологии, социологии, лингвистики, антропологии и даже биологии с физикой. Мир меняется. Меняется и то, как мы смотрим на мир и как воспринимаем все эти изменения.

В 1911 году Артур Брисбейн, редактор одной американской газеты, в разговоре со специалистами по маркетингу произнес свою знаменитую фразу о том, что изображение «стоит тысячи слов». Не исключено, что он заявлял о «десятках тысяч слов». А может быть, речь шла о «миллионе слов»? В любом случае за несколько десятилетий это выражение приобрело популярность и – к возможному огорчению Брисбейна – теперь почему-то считается японской поговоркой (возможно, потому, что его слушатели отлично разбирались в маркетинге) [33].

Так что же сказал Брисбейн на самом деле? К сожалению, наш новый «скоп» вряд ли сможет найти первоисточник этого выражения. И на эту тему есть еще одна японская поговорка:

Тем не менее видно, как постепенно оформлялся брисбейновский принцип работы с изображениями в экономике.

Судя по всему, все три варианта – «тысяча слов», «десяток тысяч слов» и «миллион слов» – возникли практически одновременно после того, как Брисбейн произнес эту фразу. На протяжении следующих двух десятилетий они конкурировали между собой. Вариант «десяток тысяч» быстро вырвался в лидеры. Однако затем наступили 1930-е. Может быть, «десять тысяч» и «миллион» показались во времена Великой депрессии слишком заоблачными? Какова бы ни была причина, частота употребления варианта «картинка стоит тысячи слов» стала постепенно расти и в какой-то момент оставила конкурентов далеко позади.

В 1996 году концептуальная художница Карен Реймер опубликовала книгу Legendary, Lexical, Loquacious Love («Легендарная, лексическая, болтливая любовь»). И вот как она ее написала – она взяла полный текст любовного романа и расставила все его слова по алфавиту. Если слово встречалось в произведении несколько раз, то оно появлялось такое же количество раз в ее книге.

В книге отсутствуют синтаксис и предложения. По сути, это 345-страничный список слов, расположенных в алфавитном порядке. Она не похожа на связное повествование. Собственно говоря, когда вы ее читаете, она кажется полной бессмыслицей.

Мы редко читаем любовные романы, однако работа Реймер стала исключением. Она заставила нас пролистать ее целиком, поразив с первой страницы до последней, с драматического начала:

Двадцать пять глав, а не двадцать шесть: для буквы X главы не нашлось, поскольку в книге не было ни одного слова, начинавшегося с нее. В любовных романах встречаются откровенные элементы (то, что принято обозначать аббревиатурой XXX), но вот слова на эту букву встречаются в них крайне редко.

И хотя эта книга мало чем примечательна, она тем не менее позволяет нам многое узнать о жанре любовного романа как таковом. Например, очевидно, что эта книга написана для «нее» – слово her («ее») занимает восемь полных страниц (с. 130–138), his («его») – две с половиной (с. 141–144). В книге можно найти полстраницы «глаз» (eyes) и треть страницы «грудей» (breasts), а вот «ягодицы» (buttocks) упоминаются в ней всего лишь один раз. Книгу можно назвать довольно динамичной – на одной лишь с. 62 слово «кульминация» (climax) встречается три раза.

Иногда книга может показаться не слишком интеллектуальной. Например, слово «прекрасный» (beautiful) встречается в ней 29 раз, «умный» (Intelligent) – всего однажды. Однако бывает и так, что мы ощущаем напряжение исходной книги, – взять хотя бы леденящий душу пассаж на с. 187: Murderers murderers, murdering murdering murdering murdering murdering murdering murdering, murderous murderous. murders murders, murky murmur murmured («Убийцы убийцы, убивая убивая убивая убивая убивая убивая убивая убивая, убийственный убийственный, убийства убийства мутный шум пробормотал»).

На протяжении нескольких лет мы обращались к этой книге снова и снова, каждый раз обнаруживая нечто новое и интересное.

Все это кажется поначалу странным. Можно было бы предположить, что, превращая любовный роман в алфавитный список и тем самым уничтожая его изначальный смысл, Реймер могла бы заодно уничтожить все то, что делало текст интересным. И в какой-то степени это правда. Однако в результате алфавитной реорганизации текста нам открывается невидимый прежде мир частотности слов – лексических атомов, из которых состоит текст. Эта частотность – и истории, которые она рассказывает, – как раз и превращает результат работы Реймер в столь увлекательное повествование.

На момент нашего знакомства в 2005 году тема больших данных была еще неактуальной[37]. Идея чтения миллионов книг за долю секунды пока что не приходила нам в голову. Мы были всего лишь молодыми студентами-старшекурсниками, которых интересовала масса вопросов.

Для того чтобы найти, чем заинтересоваться, нужна соответствующая среда. Мы встретились на гарвардской программе Evolutionary Dynamics[38] – в настоящей гавани творчества и науки, организованной харизматичным математиком и биологом Мартином Новаком. Программа «Эволюционная динамика» представляла собой площадку, на которой математики, лингвисты, онкологи, религиоведы, психологи и физики собирались вместе и размышляли о новых способах изучения мира. Новак призывал нас искать решения любых проблем, интересовавших нас, вне зависимости от того, к какой области знания они относились.

Что делает проблему увлекательной? На эту тему можно вести множество споров. Нам казалось, что увлекательный вопрос – это вопрос, который может задать маленький ребенок, ответ на который неизвестен, и при поиске этого ответа (занимающем порой несколько лет научных исследований) можно достичь вполне заметного прогресса. Именно такие вопросы казались интересными и нам. Дети – отличный источник идей для исследований. Их вопросы вроде «Куда уходит солнце по вечерам?» [39] и «Почему небо синее?» [40] заставляют пытливые умы погрузиться в глубины астрономии и физики. А вопросы вроде «Может ли дерево вырасти и стать выше горы?» [41] или «Могли бы мы жить вечно, если бы изо всех сил старались избегать всевозможных опасностей?» заставляют обратиться к изучению некоторых актуальных тем в современной биологии. Привычный для любых родителей вопрос «Но почему я должен идти спать прямо сейчас?» [42] – не дает заснуть множеству неврологов.

Однако из всех этих вопросов нас увлек один: «Почему мы говорим drove, а не drived?» [43]

Вопрос показался нам интересным, поскольку представлял собой простой пример довольно важной для всего человечества темы. Почему мы, как культура, используем одни слова или идеи, а не другие? Почему мы соблюдаем одни правила и игнорируем все прочие?

Для поиска решений таких вопросов возможны два подхода. Первый состоит в том, чтобы сконцентрироваться на нынешних обстоятельствах, которые и приводят к тому, что мы ведем себя определенным образом. Например: «Мой милый сын, ты говоришь drove, потому что все остальные тоже говорят drove, а если бы ты сказал drived, то наши соседи подумали бы, что мы, твои родители, не озаботились тем, чтобы научить тебя правильному английскому языку». Это отличный ответ, заставляющий задуматься о природе социальных норм. Философы занимались осмыслением таких вопросов на протяжении столетий. Однако порой ученый может прийти к гораздо более неожиданным открытиям, изучая явления в исторической перспективе.

Пожалуй, самым впечатляющим примером перспективного подхода во всей истории науки могут считаться работы Чарльза Дарвина. Более 150 лет назад Дарвин отправился в путешествие на корабле и столкнулся со множеством странных живых существ. Особенно сильно его заинтересовали некоторые птицы, которых он увидел на Галапагосах: почему клювы вьюрков имели такую странную форму? И вообще, почему животные выглядят так, как они выглядят?

А затем Дарвин сделал крайне проницательное заключение. Вместо того чтобы сконцентрироваться исключительно на настоящем, он посмотрел в далекое прошлое. Дарвин задался вопросом – как получилось, что со временем те или иные организмы обрели нынешнюю форму? Если мы хотим понять мир в его нынешнем виде, полагал он, мы должны понять и суть процесса изменений, который привел нас в это состояние. И этот процесс изменений – важнейшее открытие Дарвина – представляет собой комбинацию воспроизводства, мутации и естественного отбора, и эта комбинация (или, иными словами, теория эволюции) способна объяснить все примечательное разнообразие живого мира.

Перспективный подход превращает вопрос о том, почему мы говорим drove, а не drived, в научный поиск тех сил, которые определяют эволюцию человеческой культуры. В течение длительного периода времени мы совершенно не представляли себе, как подступиться к этим силам. Все, что у нас было, это «детский» вопрос.

Мы как ученые должны заниматься сбором данных – холодных, четких фактов и точных результатов измерений. Мы должны формулировать однозначные гипотезы, а затем пытаться изменить или скорректировать их с помощью точных экспериментов и анализа. С этой точки зрения культура – вещь, которую сложно определить и еще сложнее измерить, – может оказаться довольно твердым орешком. Именно это и делает столь непростой научную работу в областях вроде антропологии. Отчасти именно по этой причине в 2010 году Американская антропологическая ассоциация приняла довольно противоречивое решение об исключении слова «наука» из формулировки своей задачи (стоит отметить, что позднее это слово было вновь возвращено в текст) [44].

Мы решили начать с достаточно узкого аспекта культуры, который довольно просто определить и измерить, – языка. Язык представляет собой своеобразный микрокосм для изучения культуры в целом. Это – основное средство распространения человеческой культуры. Он меняется, и это легко заметит любой человек, читающий пьесы Шекспира. И наконец, язык часто имеет письменную форму и именно в этой форме превращается в массив данных, удобный для научного анализа. В конечном счете письменный язык может считаться одним из самых ранних предшественников больших данных.

Каким же образом следует подходить к вопросу изучения эволюции языка? Если взять биологию, то лучший способ понять пути развития эволюции состоит в изучении окаменелостей. Однако находить ископаемые довольно сложно. Для этого требуется сочетать тщательное планирование и хорошую стратегию. С точки зрения успешного поиска окаменелостей мало кто может сравниться с Натаном Мирвольдом, возможно, величайшим охотником на динозавров в своем поколении (этот человек множества талантов также стал одним из основателей Microsoft Research и написал книгу о современной кухне) [45]. И дело вовсе не в том, что Мирвольду везет больше, чем другим, и что каждый беловатый камень, который он в своих экспедициях берет в руки, оказывается черепом динозавра Tyrannosaurus rex. Мирвольд и его команда используют подробные геологические карты, спутниковые фотографии и свою собственную программу экологического анализа. Все это помогает им понять, где заниматься поисками и где белые камни действительно имеют шансы оказаться окаменелостями. В результате, начиная с 1999 года, им удалось обнаружить десять скелетов тираннозавров – при том что за 90 предшествовавших лет было найдено всего 18 таких скелетов. Выражаясь словами самого Мирвольда, «мы господствуем на рынке T. rex».

Мы решили господствовать на рынке лингвистических окаменелостей. Подобно тому, как окаменелости эпохи динозавров рассказывают нам о биологической эволюции, лингвистические окаменелости помогают нам понять, как развивается язык. Однако для того, чтобы повысить шансы на успех в поиске таких окаменелостей, нам был необходим некий руководящий принцип, помогающий понять, где именно копать. И оказалось, что нужный нам инструмент был создан 80 лет назад человеком, который, как и мы сами, искренне любил считать.

Джордж Кингсли Ципф работал в Гарварде в 1930-е и 1940-е годы, возглавляя отделение германской литературы. У него имелась комбинация довольно редких навыков – с одной стороны, он был гуманитарием, а с другой – разбирался в количественных измерениях.

Будучи филологом, Ципф проводил кучу времени в размышлениях о словах. Ему казалось вполне очевидным, что не все слова созданы равными. Определенный артикль the используется в английском языке постоянно, но мы редко слышим слово quiescence («неподвижность»). Ципф счел этот дисбаланс довольно странным и захотел понять, в чем дело.

Понять суть проблемы можно вот как. Представьте себе, что английский язык – это страна, в которой каждое слово является гражданином. А еще представьте, что высота каждого слова-гражданина пропорциональна частоте его употребления – the будет гигантом, а quiescence – карликом[46]. Каково было бы жить среди людей со столь странным ростом? Именно такой «детский» вопрос и заинтересовал Ципфа.

Чтобы представить такой мир наглядно, Ципфу пришлось бы провести перепись всех слов и посчитать, сколько раз использовалось каждое из них. В наши дни это легко и просто сделать с помощью компьютера (программы из одной строки) [47]. Именно поэтому для написания концептуальной книги Legendary, Lexical, Loquacious Love не требовались десятилетия. Но в 1937 году таких возможностей не было. Современные компьютеры просто не существовали, а словом computer («компьютер») обозначался человек, занимавшийся арифметическими вычислениями[48].

Для подсчета слов Ципфу пришлось бы пойти проверенным путем – вручную записывать каждый случай появления того или иного слова в тексте. Разумеется, это была бы невероятно скучная работа.

Думается, что он испытал восторг, узнав о работе Майлса Л. Хенли[49]. Хенли, большой поклонник «Улисса», опубликовал результат кропотливой и героической работы, которой дал довольно скучное название Word Index to James Joyce’s Ulysses («Индекс слов в книге Джеймса Джойса „Улисс“»). Эта книга (представлявшая собой то, что ученые называют «конкорданс») предлагала исследователям «Улисса» и прочим энтузиастам список всех слов книги. Мало какая другая книга вызвала бы у Ципфа больший интерес. Теперь для того, чтобы разобраться со своей первоначальной задачей, ему нужно было взять индекс Хенли и посчитать, какова длина каждой из статей[50]. Работа стала на порядок проще.

Обратите внимание, что Ципф намного опередил свое время в понимании того, что только начинают понимать ученые наших дней, – как логически анализировать информацию. Ципф умело переформулировал важные для себя вопросы в свете доступных ему данных. Вместо того чтобы заняться неразрешимой проблемой подсчета всех слов, он сфокусировался на вполне решаемой проблеме подсчета слов в книге «Улисс». И если бы он был жив в наши дни, то оказался бы у дверей Google в тот же самый момент, когда компания объявила о своем проекте по оцифровке книг.

Вооружившись индексом Хенли, Ципф проранжировал слова в «Улиссе» по частоте употребления[51]. Первое место занял определенный артикль the, использованный 14 877 раз – то есть он представлял собой каждое восемнадцатое слово. Десятым по частоте оказалось слово I («я») с 2653 случаями употреблений. Слово say, встречавшееся в книге 265 раз, оказалось на сотой позиции. Слово step с 26 случаями употреблений заняло в рейтинге Ципфа тысячное место. А чтобы оказаться на десятитысячной позиции, слову indisputable («бесспорный») было достаточно появиться в тексте всего два раза.

Изучая получившийся список, Ципф заметил кое-что любопытное – а именно обратную связь между позицией слова и частотой его использования. Если номер позиции слова был в 10 раз выше – пятисотое место вместо пятидесятого, – то оно встречалось в 10 раз реже. Таким образом his («его»), оказавшееся на восьмом месте с 3326 упоминаниями, встречается в 10 раз чаще, чем слово eyes («глаза») (восьмидесятая позиция, 330 случаев употреблений). Иными словами, можно было сказать, что редких слов гораздо больше, чем можно было ожидать. В «Улиссе» лишь 100 слов используется более 2653 раз. Однако в книге есть сто слов, использующихся более 265 раз, тысяча слов, использующихся более 26 раз, и так далее.

Кроме того, как вскоре обнаружил Ципф, это было характерно не только для слов в «Улиссе» Джойса. Такая же закономерность проявлялась в словах из газет, текстов, написанных на китайском языке и латыни, и практически во всех остальных информационных источниках, к которым он обращался. Это открытие, называемое в наши дни законом Ципфа, оказалось универсальным организующим принципом для всех известных языков[52].

До Ципфа ученые полагали, что большинство вещей, поддающихся измерению, ведут себя подобно человеческому росту.

Рост человека не очень сильно варьируется. Рост 90% жителей США составляет от 155 см до 185 см. Разумеется, рост некоторых особенно высоких баскетболистов достигает 220 см и выше, а рост самого низкого взрослого человека в мире составляет менее 62 см. Однако подобные случаи встречаются крайне редко. Но даже с учетом этих крайностей самые высокие люди всего в 4–5 раз выше самых низкорослых[53]. У математиков имеется особый термин для описания распределения такого рода, при котором значения настолько тесно группируются вокруг среднего значения. Подобное часто встречающееся распределение называется «нормальным». До Ципфа люди считали, что мы живем в нормальном мире, где нормальным оказывалось бы все окружающее.

Однако, как мы уже видели, мир слов далек от нормального – распределение в нем соответствует вполне определенному, но кажущемуся на первый взгляд странным математическому принципу. В наши дни ученые называют такое поведение степенными законами[54]. Удивительно, но как только Ципф обнаружил свой первый степенной закон в языке, то начал тут же находить и другие его проявления.

Например, Ципф обнаружил, что степенным законам следуют показатели богатства и доходов. Если бы ваш рост был пропорционален величине вашего банковского счета, а среднее американское домохозяйство имело рост около 170 см, то рост Билла Гейтса оказался бы больше, чем расстояние от Земли до Луны[55]. Величина статей в Encyclopedia Britannica также следует степенному закону, как и тираж газет. Ученые, следовавшие по стопам Ципфа, обнаружили тысячи других примеров: размер городов, частотность определенных фамилий, количество жертв в ходе военных действий, продолжительность аплодисментов после спектакля, популярность людей в Facebook и Twitter, объем пищи, потребляемой животными, трафик на веб-сайтах, доля белков в наших клетках, количество клеток различных типов в наших телах, распространенность тех или иных биологических видов в наших экосистемах и даже размер дырок в швейцарском сыре. Степенному закону следует даже продолжительность отключений электричества (хотя в данном случае, возможно, нам стоит назвать это «законом отсутствия энергии»).

Хотя работа Ципфа была настоящим прорывом, причины выявленного им закона остаются тайной. Сам Ципф верил, что такая закономерность объясняется практической эффективностью подобного распределения. Другие исследователи указывали на то, что большому объекту несложно стать еще больше. Этот процесс можно описать формулой «богатым проще богатеть». С математической точки зрения было показано, что процесс, описываемый словами «богатым проще богатеть», может проявляться в огромной массе степенных законов. Например, знакомство с одними людьми помогает знакомиться с новыми, поэтому изначально популярные люди, следуя выявленной Ципфом закономерности, становятся еще более популярными. Города, уже ставшие крупными, могут показаться привлекательными для тех, кто подумывает о переезде, что демонстрирует степенной закон размера города. Вот вам еще один пример – доказано, что обезьяны, печатающие на компьютере случайным образом, могут создавать «слова» (символы, разделенные пробелами) и количество этих слов также следует степенному закону[56].

Существует немало конкурирующих между собой объяснений любого конкретного распределения, следующего степенному закону. К сожалению, не исключено, что это изобилие объяснений отражает тот факт, что ученые не знают, что происходит на самом деле.

Тем не менее вне зависимости от причины возникновения степенные законы четко описывают огромный диапазон природных и социальных явлений. Ципф, преподаватель немецкого языка, воспользовавшись невероятной любовью Хенли к «Улиссу», начал революцию, последствия которой в значительной мере трансформировали измерения в социальных науках и щупальца которой дотянулись до биологии, физики и даже математики. Теперь нормально то, что выявил Ципф.

Закон Ципфа был всего лишь пробным камнем, необходимым нам для начала поиска языковых окаменелостей. Почти все в языке следует закону Ципфа – существительные, глаголы, прилагательные, наречия, начинающиеся на букву m, слова для описания профессий, слова, рифмующиеся со словом «рифма», и так далее. Так что если вы натыкаетесь на что-то, не соответствующее универсальному принципу Ципфа, можно смело считать, что что-то тут не то. Подобно куску белого камня, который находят в ходе экспедиции на особенно многообещающем месте, языковое явление, не следующее степенному закону, может оказаться настоящей окаменелостью в эволюции нашего языка.

Именно здесь нужно снова задать тот «детский» вопрос, который в свое время привлек наше внимание: «Почему мы говорим drove, а не drived?»

Drove – одно из английских слов, называемых неправильными глаголами[57]. Эти неправильные глаголы – очень странная вещь. Если бы они следовали закону Ципфа, как и все остальные классы слов, то можно было бы ожидать, что они редки. На практике же почти все неправильные глаголы встречаются довольно часто. Хотя к неправильным относится лишь около 3% глаголов, на практике именно они используются чаще других. Проще говоря, неправильные глаголы представляют собой явное и серьезное отклонение от закона Ципфа. Именно их мы и искали, как будто рядом со скелетом тираннозавра кто-то поставил статистические указатели.

Что же представляют собой эти так называемые неправильные глаголы, что они сделали с законом Ципфа и что это значит с точки зрения эволюции языка?

На первый взгляд, в спряжении английских глаголов нет ничего сложного. Все, что требуется вам для образования прошедшего времени английского глагола, – это добавить к нему – ed: глагол jump («прыгать») превращается в jumped («прыгал»). Этому простому правилу следуют сотни тысяч глаголов. И даже если в языке появляется новый глагол, он будет спрягаться так же. Может быть, я никогда не слышал о действии, называемом flamboozing («алкоголеподжигание»), но я знаю, что если вы решили flambooze («алкоголеподжигать») вчера, то вчера вы flamboozed («алкоголеподжигали»).

Исключением – к немалому огорчению людей, изучающих английский, – выступают неправильные глаголы типа know («знать»). Даже не прочитав это предложение, вы уже знали (knew), что мы не скажем knowed. К этим тремстам неправильным глаголам – которые лингвисты иногда называют «сильными», – относятся десять наиболее часто встречающихся глаголов в английском языке: be/was («быть, был»), have/had («иметь/имел»), do/did («делать/делал»), say/said («говорить/сказал»), go/went («идти/пошел»), get/got («получить/получил»), make/ made («делать/сделал»), know/knew («знать/знал»), see/saw («видеть/видел»), think/thought («думать/думал»). Они встречаются настолько часто, что глагол, который вы собираетесь употребить, с вероятностью 50% будет неправильным.

Откуда возникли неправильные глаголы? Это длинная история. Примерно от 6 до 15 тысяч лет назад активно использовался язык, известный современным ученым как праиндоевропейский. Из этого языка произошли многие современные языки, в том числе английский, французский, испанский, итальянский, немецкий, греческий, чешский, персидский, санскрит, урду, хинди и сотни других. В праиндоевропейском языке было явление, известное ученым как аблаут, при котором одно слово превращалось в другое, близкое, с помощью замены гласных по определенным правилам[58]. В современном английском языке аблаут можно заметить как раз среди неправильных глаголов.

Вот вам пример: сегодня я пою (sing), вчера я пел (sang), песня была спета (sung). Аналогичным образом: сегодня я звоню (ring), вчера я звонил (rang), телефон прозвонил (rung). И еще один: сегодня я застреваю (stick), вчера я застревал (stuck). Сегодня я копаю (dig), вчера я копал (dug). Отмирая, правила спряжения оставляют после себя окаменелости, которые мы называем неправильными глаголами.

Но если это так, то какой же грамматический астероид уничтожил эти древние правила, оставив нам лишь высохшие кости неправильных глаголов?

Этим астероидом был так называемый дентальный суффикс, имеющий в современном английском языке форму – ed[59]. Применение – ed для обозначения прошедшего времени началось еще в прагерманском языке, на котором говорили в Скандинавии в 500–250 гг. до н. э. Прагерманский был предком всех современных германских языков, включая английский, немецкий, голландский и множество других. Будучи наследником праиндоевропейского языка[60], прагерманский унаследовал у него старую схему для спряжения глаголов на основе аблаута. И чаще всего с ее применением не возникало никаких проблем. Однако время от времени в языке появлялись новые глаголы, и некоторые из них просто не укладывались в старую схему аблаута. Поэтому люди, говорившие на прагерманском, изобрели кое-что новое – теперь образовывать прошедшее время этих молодых, не склонных к конформизму глаголов можно было, добавляя к ним в конце – ed. В прагерманском языке правильные глаголы были скорее исключениями.

Но так было недолго. Использование дентального суффикса для обозначения прошедшего времени оказалось невероятно успешным изобретением, которое получило широкое распространение. Подобно любой другой революционной технологии, новое правило стало понемногу распространяться и применяться лишь в отношении отдельных забавно звучащих глаголов, с которыми не мог справиться аблаут. Однако раз начавшись, этот процесс уже не остановился. Простой и запоминающийся дентальный суффикс начал привлекать все больше приверженцев, поскольку все чаще изменения касались глаголов, прежде использовавших аблаут.

Таким образом, к моменту создания классического староанглийского текста «Беовульф» (примерно 1200 лет назад) более трех четвертей английских глаголов изменялись по новому правилу. После того как у старого аблаута иссякли силы, новое правило с суффиксом – ed стало его повсюду вытеснять. В течение следующей тысячи лет исчезло огромное количество неправильных форм глаголов. Тысячу лет назад я мог бы holp (от глагола help – «помогать») вам. А вот вчера моя помощь вам описывалась бы словом helped.

Сегодняшние лингвисты, глядя на этот процесс в исторической ретроспективе, объясняют его термином «выравнивание». Нужно отметить, что процесс продолжается и сейчас. Рассмотрим глагол thrive («процветать»). Около 80 лет назад заголовок в газете New York Times гласил: Gambling Halls Throve in Billy Busteed’s Day («Игровые залы процветали в день Билли Бастида»). А в 2009 году в разделе «Наука» той же газеты была опубликована статья под заголовком Some Mollusks Thrived After Mass Extinction («Некоторые моллюски процветают после массового уничтожения»). Форма глагола throve (в отличие от этих удачливых моллюсков) пала жертвой массового истребления аблаутов. И пути назад нет. Став правильными, глаголы почти никогда не превращаются в неправильные[61].

Подобно тремстам спартанцам в Фермопилах, английские неправильные глаголы – эти триста смелых – решительно устояли в безжалостной борьбе, начавшейся против них в 500 г. до н. э. Они вели бой каждый день, в каждом большом и малом городе, на каждой улице, где говорят по-английски. Они отрабатывали навыки выживания в течение 2500 лет. И поэтому они – это не просто исключения. Их можно считать оставшимися в живых счастливчиками.

И процесс, благодаря которому они выжили, мы как раз и намеревались изучить – процесс эволюции языка.

Почему же некоторые неправильные глаголы умерли, а другим удалось выжить? Почему глаголу throve (от глагола thrive – «процветать») не удалось выжить, а глаголу drove (от глагола drive – «ехать») – удалось? [62]

У лингвистов уже есть несколько отличных идей относительно того, почему неправильные глаголы имеют столь высокую частотность. Они предположили, что чем меньше мы сталкиваемся с неправильным глаголом, тем сложнее его запомнить и тем проще забыть[63]. Вследствие чего редкие неправильные глаголы вроде throve исчезают быстрее, чем частые, вроде drove. Со временем неправильные глаголы с низкой частотой употребления полностью исчезали, а неправильные глаголы как группа становились более частыми.

Эта гипотеза показалась нам в высшей степени интересной, поскольку предполагала, что неправильные глаголы проходят через определенный процесс, аналогичный эволюции, путем естественного отбора[64]. Почему неправильные глаголы встречаются настолько часто, когда, в полном соответствии с законом Ципфа, во всех остальных лексических классах доминируют редкие слова? Потому что естественный отбор, в форме ненасытного правила – ed, обеспечивает простым неправильным глаголам эволюционное преимущество. Чем чаще глагол используется, тем выше его шансы на выживание.

Созданный Ципфом «компас» был на тот момент самым идеальным примером естественного отбора, действующего в человеческой культуре, с которым нам только доводилось сталкиваться. Компас Ципфа указал нам на увлекательную проблему: может ли сформироваться лингвистическое чутье при столь тщательном изучении материала? Это могло бы стать простой, но доходчивой иллюстрацией того, что человеческая культура способна развиваться путем естественного отбора. Теперь нам, как и Ципфу, требовалось лишь найти подтверждение.

Для помощи в поисках мы привлекли к работе двух невероятно талантливых старшекурсников Гарвардского колледжа, Джо Джексона и Тину Тан. В идеале мы надеялись, что Джо и Тина смогут прочитать все источники, когда-либо опубликованные на английском языке, и записать каждый пример неправильного глагола, с которым они сталкивались. Однако оба они сказали нам, что все же хотели бы поработать над своими дипломами (для нас как аспирантов это уже был пройденный и забытый этап). Для решения задачи нам пришлось импровизировать.

К счастью, Джо и Тина учли историю Ципфа, поэтому предложили альтернативный подход. Вместо того чтобы читать абсолютно все, почему бы не ограничиться учебниками по истории английской грамматики? Грамматические тексты, относящиеся, скажем, к средневековому английскому языку, наверняка касались бы вопроса неправильных глаголов и упоминали бы многие из них. Не исключено, что где-то можно было найти и список таких глаголов. Изучив в библиотеке каждый учебник, посвященный истории английского языка различных периодов, мы могли получить довольно точную картину того, какие глаголы считались неправильными и когда[65]. Учебники могли бы дать нам то же самое, что дало Ципфу проведенное Хенли исследование «Улисса».

Разумеется, сказать проще, чем сделать. Джо и Тина посвятили несколько месяцев кропотливой работе, читая учебники древнеанглийского языка (языка «Беовульфа», на котором говорили примерно в 800 г. н. э.) и средневекового английского (языка Чосера, на котором говорили начиная примерно с XII столетия). Они нашли 177 староанглийских неправильных глаголов, развитие каждого из которых они смогли проследить на протяжении тысячи и более лет. Получив такую картину, мы наконец увидели, как менялся язык.

В древнеанглийском языке все 177 глаголов изначально были неправильными. К началу Средневековья, через четыре столетия, выжило лишь 145 неправильных форм; остальные 32 были приведены в соответствие с новыми нормами. В современном английском языке неправильными остались лишь 98. Остальные 79 глаголов до сих пор присутствуют в языке, однако, подобно глаголу melt («таять»), они изменили форму. При этом был заметен довольно примечательный дисбаланс. Из 12 наиболее часто встречающихся глаголов в нашем списке ни один не стал правильным – им удалось на протяжении 12 столетий сопротивляться давлению со стороны правила – ed. Нарушение пропорций шло и с другой стороны. Из 12 наименее часто использовавшихся глаголов в списке 11 стали правильными, в том числе bide («пребывать») и wreak («причинять»). Единственным выжившим неправильным глаголом с низкой частотой оказался slink («красться») – глагол, который как раз четко описывает этот тихий процесс исчезновения[66].

Данные показали: на человеческую культуру влияло нечто похожее на естественный отбор, оставляя следы в мире глаголов. Частота употребления была серьезнейшим фактором выживания глаголов – именно она приводила к тому, что некоторые прежние формы глаголов умирали и мы начинали их оплакивать (mourn – mourned), а другие приспособились (fit – fit) выживать.

В биологии проще показать сам факт естественного отбора, чем измерить степень родства между определенными признаками и степенью эволюционной приспособленности (легко сказать, что на улице ветрено, но куда сложнее определить, насколько сильно дует ветер). Не имея возможности рассчитать степень приспосабливаемости, мы можем лишь предположить, какие изменения будут успешными с точки зрения эволюции, но мы совершенно не представляем себе, сколько времени потребуется, чтобы эти изменения произошли.

Однако случай неправильных глаголов не очень характерен для биологической эволюции. В биологии для определения степени приспосабливаемости отдельного организма принимаются во внимание тысячи или даже миллионы признаков. Что же касается неправильных глаголов, было ясно, что их выживаемость в значительной степени определяется единственным признаком – частотой употребления. И это значительно упростило работу. Это значило, что мы сможем с довольно большой долей точности рассчитать, насколько быстро исчезнут неправильные формы глаголов.

Однако перед тем как заняться этим вопросом более основательно, позвольте напомнить о самом известном в науке примере исчезновения. Мы имеем в виду теорию радиоактивного излучения.

Радиоактивные материалы используются в массе устройств – от энергетических реакторов до медицинских сканирующих систем и бомб. Эти материалы постоянно находятся в процессе исчезновения, поскольку с течением времени атомы радиоактивного вещества превращаются в стабильные нерадиоактивные атомы. Этот распад высвобождает энергию, часто в форме радиоволн.

Именно поэтому радиоактивные вещества и получили свое название.

Самое важное свойство радиоактивного элемента – это его период полураспада, то есть период времени, в среднем требующийся для распада половины атомов в образце элемента[67]. Предположим, что у вас имеется вещество, период полураспада которого составляет один год. Если сначала у вас есть миллиард атомов этого вещества, то через год останется лишь половина миллиарда – другая половина миллиарда распадется на что-то другое. После двух лет у вас останется лишь четверть миллиарда атомов (половина от половины). Через три года останется одна восьмая и так далее.

В процессе изучения трансформации неправильных глаголов в правильные мы обнаружили, что если мы примем во внимание частоту употребления, то процесс выравнивания будет неотличим с математической точки зрения от процесса распада радиоактивного атома. Более того, зная частоту употребления неправильного глагола, мы могли создать формулу для расчета периода его полураспада. Это было замечательно, поскольку в случае радиоактивных атомов период полураспада определяется экспериментальным путем; его обычно невозможно рассчитать. В этом смысле математика радиоактивности лучше подходит неправильным глаголам, а не радиоактивным атомам.

Формула была простой и прекрасной – период полураспада глагола представляет собой квадратный корень от частоты его употребления. Неправильный глагол, использующийся в сто раз реже, приобретет правильную форму в десять раз быстрее.

Например, у глаголов, частота употребления которых находится в пределах между одним из ста и одним из тысячи, – глаголов типа drink («пить») или speak («говорить») – период полураспада составляет примерно 5400 лет. Это сопоставимо с периодом полураспада углерода-14 (5715 лет), изотопа, который чаще других используется для датирования древних артефактов.

Как только вы рассчитаете период полураспада неправильных глаголов, у вас появляется возможность сделать прогнозы об их будущем. Основываясь на вышеупомянутом анализе, мы предсказали, что к определенному времени один из глаголов из набора begin («начать»), break («ломать»), bring («приносить»), buy («покупать»), choose («выбирать»), draw («рисовать»), drink («пить»), drive («ехать»), eat («есть»), fall («падать») превратится в правильный. Из набора bid («предлагать цену»), dive («нырять»), heave («вздыматься»), shear («стричь»), shed («ронять»), slay («убивать»), slit («перерезать»), sow («сеять»), sting («жалить»), stink («вонять») правильными станут пять глаголов. А если процесс пойдет так и дальше, то к 2500 году неправильными останутся лишь 83 из наших 177 неправильных глаголов.

Мы были настолько рады своим открытиям, что даже создали короткую историю на основе своих прогнозов:

Так что, если вы планируете в ближайшее время заняться путешествиями во времени, вам стоит запомнить эту поучительную историю.

Мы также предсказали судьбу некоторых глаголов. Какие из сегодняшних неправильных глаголов после тысячи лет, проведенных вместе, откажутся от нынешнего партнера по спряжению в пользу «молодой модели»? Как ни парадоксально, это глагол wed – wed («женить»), один из самых редко употребляемых современных неправильных глаголов. К примеру, уже сейчас в обиход входит форма wed – wedded. Так что скоро уже вы как новобрачные не сможете назвать себя newly wed.

И, наконец, мы смогли ответить на «детский» вопрос, с которого начали свое путешествие: «Почему мы говорим drove, а не drived?»

Причина, по которой мы все еще говорим drove – отказавшись при этом от других неправильных форм типа throve, – состоит в том, что drove используется в сотни раз чаще, чем throve. Это значит – основываясь на нашем небольшом уравнении, – что для drove вероятность стать правильным в десять раз меньше, чем для throve. Разумеется, со временем drove исчезнет, если английский язык проживет достаточно долго[68]. Наши расчеты показывают, что у нас есть примерно 7800 лет, перед тем как глагол drove скроется в лучах заката. Так что дети еще какое-то – довольно долгое – время будут задавать свой детский вопрос.

В центре Гарвард-Ярда находится большая статуя, поставленная в честь Джона Гарварда. Эта бронзовая фигура имеет довольно скучный цвет, если не считать сияющей левой туфли. По какой-то странной причине фотография с рукой, касающейся туфли, считается чуть ли не обязательной для любого туриста, посещающего Гарвард.

Почему туфля у статуи Джона Гарварда так сверкает? Большинство считает, что, когда скульптура создавалась, вся она – включая обувь – имела скучный бронзовый цвет и что постепенная полировка тысячами рук туристов позволила проявиться блестящей поверхности.

Однако бронза – это изначально сверкающий металл. Когда скульптура была отлита более 100 лет назад, то она – как и любая другая бронзовая скульптура – сверкала довольно ярко. Верхний матовый слой скульптуры, известный под названием «патина», представляет собой результат коррозии, связанной с природными условиями, усилиями реставраторов и даже желанием самого автора. Подлинный цвет металла выжил лишь в туфле, благодаря частой полировке руками проходящих мимо[69].

И это очень похоже на неправильные глаголы. При первой встрече с ними вы не можете не удивиться: почему эти странные исключения дожили до наших дней? Однако, по сути, неправильные глаголы следуют в наши дни тем же закономерностям, что и много столетий назад. Хотя язык вокруг них менялся, частый контакт защищал неправильные глаголы от коррозии. Они представляют собой окаменелости эволюционного процесса, который мы только начинаем понимать. В наши дни мы называем все остальные глаголы правильными или регулярными. Однако регулярность – это не свойство языка по умолчанию. Правило – это могильный камень для тысячи исключений.

Книга Word Index to James Joyce’s Ulysses была подлинным триумфом, отражавшим годы настойчивости и внимания к деталям. Во время публикации в 1937 году подобные индексы были доступны лишь для самых важных книг, несмотря на тот факт, что само по себе написание конкордансов имеет долгую и славную историю. Старейшие конкордансы еврейской Библии, известные под названием Масора, возникли более тысячи лет назад.

Все изменилось в 1946 году. В тот год иезуитскому монаху по имени отец Роберто Буса пришла в голову отличная идея. Буса, изучавший творчество плодотворного теолога Фомы Аквинского, захотел создать конкорданс работ Аквината, который бы помогал ему в исследованиях. Компьютерная технология только начинала свое резкое восхождение, и Буса посчитал, что сможет создать конкорданс новым способом, «скормив» текст книги в одну из новых машин. Он отправился с этой идеей прямиком в IBM. Представители компании выслушали его и решили поддержать. Потребовались 30 лет и серьезная помощь со стороны IBM, однако со временем план Бусы сработал – в 1980 году был завершен монументальный Index Thomisticus[70]. Мир исследователей был впечатлен. Как и Index Хенли, Index Бусы позволил развиться новой области деятельности. Работа в этой области (известной в наши дни под названием цифровых гуманитарных наук) направлена на выявление того, каким образом компьютеры могут пригодиться для таких традиционных гуманитарных занятий, как история и литература[71].

Несмотря на всю важность этих индексов, их можно считать своего рода лебединой песнью. Колоссальная мощность современных компьютеров позволяет использовать для создания конкордансов одну-единственную строчку простого программного кода, который обеспечивает получение нужного результата за считаные секунды. К тому времени как Реймер опубликовала свой алфавитный эксперимент под названием Legendary, Lexical, Loquacious Love – представляющий собой, по сути, конкорданс, но без отсылок на номера страниц, – сам по себе процесс создания конкордансов перестал считаться серьезным занятием, заслуживающим признания. В наши дни ученые редко заботятся о том, чтобы создавать новые конкордансы. В этом нет нужды, поскольку даже дешевый ноутбук почти мгновенно найдет все случаи употребления определенного слова даже в длинном тексте. На первый взгляд, эпоха конкордансов ушла в прошлое.

Однако если вы поднимете крышку современных технологий, вас удивит увиденное внутри. Сегодняшний мир не может прожить без поисковых машин в Интернете, самых мощных инструментов поиска информации из когда-либо созданных. Что такое поисковая машина? По сути, она представляет собой список слов и страниц в сети Интернет, где эти слова появляются. За каждым крошечным белым поисковым окошком кроется огромный цифровой конкорданс.

Конкордансы не умерли со времен Бусы. Напротив, они завоевали этот мир.

Ципф был удивительным человеком, чья работа изменила множество областей знаний, некоторые из которых даже не входили в сферу его научных интересов. В наши дни сложно заниматься множеством вещей – от лингвистики до биологии, от городского планирования до физики процесса сыроварения, не сталкиваясь с наследием Ципфа. В своей работе Ципф подарил нам множество подсказок, необходимых для открытия секретов эволюции языка.

Но что же в этом довольно странном теоретике германской литературы превратило его, выражаясь научным языком, в пророка?

Джордж A. Миллер, один из основателей когнитивной психологии, как-то раз сказал о Ципфе интересную фразу, и нам кажется, что она позволяет в каком-то смысле ответить на этот вопрос. По мнению Миллера, Ципф был представителем «такого типа людей, которые разделяют розы на части, чтобы посчитать их лепестки» [72]. На первый взгляд это кажется не особенно лестным. Неужели Ципф так навязчиво занимался подсчетами, что не мог оценить красоту цветка?

Разумеется, нет. Ципф был знаменитым литературоведом, глубоко ценившим красоту и силу книги, этого цветка литературного гения. Однако Ципфа отличало то, что он не замыкался на этой красоте и мог оценить цветок с разных сторон. И один из таких способов как раз и состоит в том, чтобы разделить цветок на составные части.

До Ципфа книга была чем-то, что можно было прочитать и понять – строчку за строчкой и страницу за страницей. Ученые воспринимали ее гештальт полностью, как розу в период цветения. Даже Хенли, индекс которого помог Ципфу в его предприятии, предполагал, что его работа послужит помощником в традиционном чтении.

Однако Ципфа интересовало радикально новое понимание того, чем могла бы быть книга. Его великолепная интуиция подсказывала, что возможна и другая форма чтения – анализ небольших лепестков текста, избавление от их цветистого контекста и поиск свидетельств математической конструкции, лежащей в его основе.

В течение последнего столетия ученые активно следовали по пути, указанному этим гениальным провидцем. К моменту завершения анализа глаголов мы изрядно гордились тем, что относимся к этой группе исследователей. Но, честно говоря, мы были слишком захвачены особенностями неправильных глаголов, чтобы в полной мере оценить всю силу подхода Ципфа.

Но этому суждено было измениться. В конечном счете Ципф показал всем нам захватывающие научные горизонты, выбрав для этого ничтожную горстку цветов. Теперь благодаря Google оцифрованными оказались целые библиотеки, одна за другой. Мы хотели проделать то же, что сделал Ципф, но взять для этого не один, а все цветы.

Изучая английский язык в своей родной стране, молодой француз learnt («выучил»), что некоторые глаголы произносились (spelt) по-разному в прошедшем времени. Эти «испорченные» (spoilt) глаголы обитали (dwelt) в своем собственном разделе учебника, выделяясь даже среди неправильных глаголов. Хотя заучить их все наизусть было невероятно сложно, он очень старался, запоминая список глаголов, прошедшее время которых образовывалось за счет добавления к основной форме – t вместо – ed.

Наконец-то оказавшись в Соединенных Штатах, студент был уверен в своем мастерском владении языком. Однако вскоре после своего прибытия, читая статью об Олимпийских играх в Лондоне, он с удивлением заметил следующий заголовок в газете Washington Post: Burned-out Phelps fizzles in Water Against Lochte («Выгоревший Фелпс выдыхается в воде под натиском Лохте»). Каждого француза учат, что глагол burn («гореть») – неправильный. В отношении Майкла Фелпса надо было сказать burnt out [73]. «Неужели в американских газетах нет корректоров?» – удивился он.

Вскоре он увидел еще один удивительный заголовок, на сей раз в Los Angeles Times: Kobe Bryant Says He Learned a Lot from Phil Jackson («Коби Брайант говорит, что многому научился у Фила Джексона») [74]. Студент ничего не знал о Филе Джексоне, но был шокирован тем, что для описания действий Коби использовалось слово learned. По правилам оно должно было звучать как learnt.

Постепенно студент понял, что, когда дело касается этого правила, все американцы делали одну и ту же ошибку. Он знал, что большинство американцев довольно скверно говорят по-французски, однако, если верить его учебникам, они были плохи и в своем родном языке. Он почуял (smelt) неладное.

К счастью, у него имелся доступ к новому виду «скопа». И вскоре он понял, что напрасно терял время на учебу во Франции.

Что же случилось? Поскольку глаголы burn – burnt («жечь»), dwell – dwelt («обитать»), learn – learnt («учить»), smell – smelt («чуять»), spell – spelt («произносить»), spill – spilt («проливать») и spoil – spoilt («портить») следуют одному и тому же принципу, они сливаются в сознании говорящих по-английски людей. В результате они остаются неправильными в течение очень долгого времени – гораздо больше, чем можно было ожидать с учетом их индивидуальной частоты.

Эти глаголы до сих пор описываются как неправильные во многих учебниках. Однако в реальности прежде всемогущий альянс постепенно распадается[75]. Два участника группы, глаголы spell и learn, стали правильными к 1800 году. С тех пор правильными стали еще четыре глагола – burn, smell, spell и spill.

Результаты дают основания полагать, что эта тенденция зародилась в Соединенных Штатах. Однако затем она распространилась и на Великобританию, где каждый год количество людей, равное числу жителей Кембриджа, начинает использовать форму burned вместо burnt [76]. По сути, в наши дни выжить в числе неправильных глаголов этой группы удалось лишь форме dwelt. Так что студент зря описывал свою злость на курсы английского языка словом burnt. На самом деле правильное слово для обозначения его злости уже звучит как burned.

К 2007 году работа с неправильными глаголами убедила нас в том, что подсчет слов позволяет отслеживать определенные, постепенно происходящие культурные изменения. Однако отслеживать неправильные глаголы просто, поскольку они встречаются достаточно часто. К примеру, слово went (прошедшее время от go – «идти») появляется примерно один раз через каждые 5000 слов или примерно один раз на 20 страниц. Вы постоянно видите его в каждой прочитанной книге. Но как только человек начинает заниматься исследованием чего-то, кроме неправильных глаголов и изучает более сложные проблемы, он рано или поздно попадает на темную сторону закона Ципфа. Часто встречающихся слов (типа went) довольно мало. Подавляющее большинство слов встречается значительно реже.

Давайте предположим, что мы пытаемся найти кое-что более загадочное, вроде снежного человека, известного в английском языке под именем Sasquatch[77]. Пугливый Sasquatch появляется в английских текстах примерно один раз на каждые 10 миллионов слов, или примерно один раз на каждую сотню книг. Выслеживать Sasquatch гораздо сложнее, чем любой привычный неправильный глагол.

Тем не менее найти Sasquatch не очень сложно. Куда реже нам встречается Loch Ness monster («Лох-несское чудовище») – лишь одно появление на каждые 200 книг. Но если вы действительно хотите протестировать, насколько ловко отыскиваете загадочных созданий, попробуйте найти Chupacabra («чупакабру») [78]. Этого кровососа впервые заметили в 1995 году в Пуэрто-Рико. О нем неизвестно практически ничего. Но мы можем сказать, что Chupacabra встречается значительно реже Sasquatch. Ее можно встретить лишь один раз на каждые 150 миллионов слов (или около 1500 книг). Невероятно начитанный человек может встретить слово Chupacabra всего один раз за всю свою жизнь. Так что вот вам еще одно упоминание – Chupacabra. Цените этот момент.

Для отслеживания столь редких слов нам нужно было получить доступ к большим данным – к миллионам книг. И для этого мы могли отправиться лишь в одно место.

В 2002 году дела в компании Google шли отлично, и у одного из ее основателей, Ларри Пейджа, появилось немного свободного времени. Что было делать? В конечном счете миссия Google состояла в том, чтобы «упорядочить всю имеющуюся в мире информацию», и Пейдж знал, что в книгах информации содержится очень много.

Он задумался: насколько сложно превратить физическую библиотеку в цифровую, способную храниться в киберпространстве? Ответа на этот вопрос не знал никто. Поэтому Пейдж и Марисса Майер (работавшая тогда продукт-менеджером в Google, а в 2013 году бывшая исполнительным директором компании Yahoo!) решили провести эксперимент. Вооружившись метрономом, они принялись переворачивать страницы 300-страничной книги в определенном темпе. На это ушло 40 минут. При таком темпе на простое переворачивание страниц всех книг в библиотеке с семью миллионами томов (например, в библиотеке альма-матер Пейджа, Университета штата Мичиган) ушло бы около 500 лет. И, разумеется, в Университете Мичигана хранились далеко не все книги мира. Например, перелистывание страниц всех книг мира для цифрового сканирования и перевода содержимого в читаемую машиной форму заняло бы тысячелетия. Это казалось невозможным.

Но, разумеется, вы мыслите не как 29-летний миллиардер. Для этого гиганта эпохи интернет-бизнеса, детище которого совсем скоро должно было войти в рейтинг крупнейших мировых компаний Fortune 500, человекотысячелетие представляет собой обычный товар, который можно купить.

Поэтому когда президент Университета штата Мичиган Мэри Сью Коулман сказала Пейджу, что полная оцифровка книг университета потребует тысячи лет, он предложил в ответ услуги Google и заявил, что для решения этой задачи ему понадобится всего шесть лет[79].

И вот так Google начала проект по оцифровке каждой из когда-либо написанных книг – для того, чтобы собрать воедино всю мировую библиотеку и загрузить ее на жесткий диск компьютера.

Перед тем как Google смогла заняться покупкой и сканированием всех книг, компания нуждалась в списке, позволявшем понять, какие книги ей потребуются, а какие уже отсканированы. Поэтому Google собрала информацию о книжных каталогах из сотен библиотек и компаний, а затем объединила эти каталоги для создания списка, содержащего информацию о каждой из когда-либо написанных книг (или, точнее, о каждой книге, дожившей до наших дней. К примеру, в этот список не вошли книги, утраченные при пожаре в Александрийской библиотеке). Итоговый список включил 130 миллионов книг[80].

Затем компании нужно было приобрести и отсканировать каждую книгу. В некоторых случаях издатели отправляли компании книги сразу же после печати. Это позволяло Google сканировать книгу «с разрушением» – сотрудники разделяли книги на отдельные страницы, а затем очень быстро сканировали их одну за другой, сохраняя все изображения в цифровом формате, который можно было легко просматривать на компьютере. В случае всех остальных книг компания обратилась в библиотеки всего мира, проверяя полку за полкой и отдел за отделом. Как обычно, когда дело доходит до библиотек, книги нужно было вовремя вернуть – даже такая компания, как Google, не могла позволить себе платить штрафы за несвоевременный возврат. Поэтому Google разработала неразрушающую технологию. Она наняла на работу небольшую армию переворачивателей страниц, которые, наподобие Пейджа и Майер, целый день переворачивали страницы, в то время как мощные камеры фотографировали их содержимое[81]. За прошлое десятилетие этот эскадрон бесконечного сканирования перевернул примерно миллиард страниц. Время от времени на изображениях можно заметить след от пальца.

Наконец благодаря «оптическому распознаванию текста» (при котором компьютерная программа находит и распознает в изображении буквы и цифры) оцифрованные образы превращаются в сырой текст. В результате появляется текстовый файл (похожий на то, что вы создаете при печати в текстовом редакторе), содержащий всю книгу.

Усилия Google по оцифровке оказались невероятно успешными, и это был подлинный триумф логики 29-летнего миллиардера. Через 10 лет после того, как Пейдж перевернул первые страницы книги с Мариссой Майер, и через 9 лет после его публичного объявления о проекте Google оцифровала свыше 30 миллионов книг[82].

Проанализировать столь гигантскую коллекцию текстов было по силам лишь компьютеру. Если бы ее попытался прочитать один человек, то при умеренном темпе чтения в 200 слов в минуту, без перерыва на еду и сон, ему потребовалось бы не менее 20 000 лет[83].

Эти данные можно представить себе как выборку из общей популяции когда-либо опубликованных книг. Чтобы понять, насколько велика эта выборка, представьте себе, что количество когда-либо изданных книг (130 миллионов) примерно равно количеству избирателей, зарегистрированных в Соединенных Штатах (137 миллионов). В ходе опроса Института Гэллапа, опубликованного за пять дней до президентских выборов 2012 года, было опрошено 2700 потенциальных избирателей, то есть примерно 1 из 50 000[84]. База книг, собранная Google, включает в себя 30 миллионов книг, то есть около 1 из 4. И этот процесс продолжается – и формирует беспрецедентный список культурного наследия человечества.

Поскольку мы, очевидно, не имели достаточно времени для завершения задачи своими силами, было ясно, что нужно объединить усилия с Google. Но как?

Возможность для этого представилась, когда в 2007 году жену Эреца Авиву Эйден пригласили в Googleplex – штаб-квартиру Google – для вручения награды как одной из женщин, занимающихся компьютерными науками. Эрец отправился с ней и умудрился попасть в кабинет Питера Норвига, знаменитого директора по исследованиям в Google[85].

Норвиг – пионер в области искусственного интеллекта. Он написал классический учебник по этому вопросу. А когда он говорит, люди его слушают. Например, осенью 2011 года Норвиг и Себастьян Тран организовали первый в мире массовый открытый учебный курс в сети Интернет. Этот курс по вопросам искусственного интеллекта, созданный вместе со Стэнфордским университетом, оказался невероятно популярен – на него записалось свыше 160 000 слушателей. И благодаря ему началась подлинная революция в области высшего образования.

И при всем этом у Норвига довольно неожиданный подход к собраниям и встречам. Он не любит много говорить. По сути, распознать, что скрывается за непроницаемым лицом Норвига, слушающего собеседника, даже сложнее, чем прочитать всю коллекцию книг, отсканированных Google. Затем, через некоторое время, он обычно говорит нечто либо очень глубокомысленное, либо совершенно не связанное с ходом вашего повествования. И только тогда вы понимаете, удалось ли вам его убедить.

Выслушав почти часовую презентацию Эреца, Норвиг наконец раскрыл свои карты. «Все это звучит прекрасно, но как мы сможем это реализовать, не нарушая закона об авторских правах?»

После того как Google в 2004 году публично заявила о своем намерении оцифровать все книги в мире, книгоиздательская отрасль начала – по вполне понятным причинам – нервничать. Что значит для нее, если по изданным книгам можно будет осуществлять поиск в сети Интернет? Каким именно содержимым Google хотела поделиться с аудиторией? И даже если она собиралась соблюдать закон об авторском праве, то как она могла понять, кому именно принадлежат права на ту или иную книгу? Может быть, Google просто поставит с ног на голову всю отрасль, как это сделала Apple с iTunes в области музыки?

Вскоре появились и первые иски. 20 сентября 2005 года организация Authors Guild, представляющая большое количество независимых авторов, подала групповой иск. 19 октября свой собственный иск подала Американская ассоциация издателей, представлявшая интересы крупнейших издателей McGraw-Hill, Penguin USA, Simon  &  Schuster, Pearson Education и John Wiley. Оба иска заявляли о «широкомасштабном нарушении авторского права». В 2006 году в схватку вступили французские и немецкие издатели, а к марту 2007 года – и конкуренты Google. Томас Рубин, один из старших юристов Microsoft, подготовил ряд заметок, критиковавших усилия Google по оцифровке и утверждавших, что Google «систематически нарушает авторские права» и «лишает людей важнейших стимулов для творчества». Проект Google Books быстро стал одной из самых горячих правовых точек в истории больших данных[86].

Проблемы Google Books являются предвестником юридических проблем, с которыми совсем скоро столкнутся исследования больших данных. Самые интересные массивы больших данных часто находятся в руках крупных корпораций – аналогов Google, Facebook, Amazon и Twitter во всем мире. Но это еще не значит, что данные им принадлежат. Обычно источником данных оказываются отдельные люди, написавшие книгу, создавшие веб-страницу или сделавшие фотографию. Эти люди сохраняют за собой значительные права на данные – и это вполне нормально, поскольку данные представляют собой их творчество. Права могут принимать форму копирайта, авторского права, прав на интеллектуальную собственность и другие. Поэтому данные не являются ни частными, ни общедоступными. Вместо этого они находятся в зоне общих прав на совместное использование, на ничейной земле, где проживает много миллионов заинтересованных людей, ни одно лицо не имеет полного авторитета, а юридический статус происходящего часто туманен.

Для ученых эта ситуация ведет к полному изменению правил игры. Мы привыкли к миру, в котором мы создаем или получаем данные, а затем анализируем их любым желательным для нас образом. В некоторых случаях ученому может потребоваться одобрение со стороны научного совета по этике. Однако традиционный подход мог сделать незаконным и неэтичным каждое из исследований в области больших данных, упомянутых нами во «Введении», – от произведенного Левином анализа eBay до проведенного Барабаши исследования движений мобильного телефона. В мире больших данных получить все сразу и проанализировать это позднее невозможно ни по практическим, ни по моральным соображениям. Как можно воспользоваться всеми преимуществами больших данных, если их не хотят – или даже не имеют права – передать нам?

Вопрос Норвига заставил нас задуматься над этой важнейшей проблемой.

Если бы мы попросили Google просто передать нам полные тексты всех книг мира, эта просьба повисла бы в воздухе. К счастью, это было не нужно.

Дело в том, что большие данные отбрасывают большие тени. Подобно тому как тень представляет собой темную проекцию реального объекта – визуальную трансформацию, сохраняющую некоторые характеристики изначального объекта, при этом искажающую остальные, тень данных сохраняет часть изначальной информации. Хотя анализ тени представляет собой скорее искусство, а не науку, он крайне важен для успеха при работе с большими данными. Неправильная тень может оказаться этически сомнительной, юридически ущербной и бесполезной с научной точки зрения. Но если вы выберете правильный угол, то, возможно, вам удастся справиться с юридически и этически чувствительными элементами изначального массива данных, сохраняя при этом значительную часть его содержания.

Если вам повезет, создание тени для набора данных становится простым процессом. Например, часто проблема большого массива данных состоит в том, что он придает огласке конфиденциальную и личную информацию. В этом случае можно просто удалить имя человека, связанного с каждой записью. Но такая простая ситуация возникает крайне редко. Проблема состоит в том, что множество больших массивов данных настолько перенасыщено информацией, что при ближайшем рассмотрении имя человека становится лишним. Данные содержат так много определяющих характеристик, что под них часто подпадает один-единственный житель планеты. И в этом случае удаление имени нам мало чем поможет.

Компания America Online усвоила этот печальный урок в 2006 году, когда, пытаясь помочь научным исследованиям, предоставила в открытый доступ поисковые логи более чем 650 000 пользователей[87]. Разумеется, AOL отредактировала их – имена людей были исключены, а идентификатор каждого пользователя был заменен на ничего не значащую цифровую комбинацию. AOL посчитала, что это обеспечит должную степень конфиденциальности пользователей. Однако компания сильно ошиблась.

Благодаря изучению логов, оказавшихся в открытом доступе, и их перекрестному сравнению с другими широкодоступными данными журналисты из New York Times Майкл Барбаро и Том Целлер-мл. смогли определить личности пользователей. Через несколько дней после выхода данных в свет Барбаро и Целлер заметили, что среди сотен других запросов за трехмесячный период пользователь 4417749 искал «специалистов по ландшафтному дизайну в Лилберне, штат Калифорния» и нескольких людей по фамилии «Арнольд». Быстрое изучение телефонного справочника показало, что этим пользователем, по всей видимости, была 62-летняя жительница Лилберна по имени Тельма Арнольд.

Когда Барбаро и Целлер связались с госпожой Арнольд и прочитали ей текст нескольких запросов из ее поискового лога, она пришла в ярость от того, что сделала AOL: «У всех нас есть право на частную жизнь. Об этом никто не должен был узнать».

AOL поняла свою ошибку и попыталась исправить проблему. Уже через три дня после выхода списка данных компания закрыла к нему общий доступ. Она также принесла свои извинения, уволила исследователя, выпустившего в свет логи, и его начальника. Через несколько недель в отставку подал технический директор AOL. Но было слишком поздно – данные уже разлетелись по Сети. Вследствие своих благородных, но непродуманных действий по содействию исследовательской работе AOL столкнулась с волной вполне заслуженной критики и была вынуждена отвечать за свои действия в суде в ответ на групповой иск. Эта ситуация стала классическим примером того, насколько сложно сделать анонимными большие данные, – а для работников отрасли она стала предостережением: с какими опасностями может столкнуться компания, занимающаяся альтруистическим обменом данными. AOL не получила никаких благ от публикации логов и в конечном итоге заплатила за свои действия огромную цену. Об этом помнил и Норвиг.

Разумеется, имена – не единственное, что может скомпрометировать массив данных. У Google Books имеется обратная проблема. Пожалуй, одним из немногих элементов текста, который вы можете выложить в открытый доступ, не боясь исков, является имя автора. Остальной текст книги защищен авторским правом.

Каким же образом большие тени помогают нам преодолеть это препятствие? Для того чтобы воспользоваться большими данными, исследователь должен найти тень, удовлетворяющую четырем важным критериям. Прежде всего тень должна защищать права миллионов людей, коллективные усилия которых создали изначальный массив данных. Во-вторых, она должна быть интересной. В-третьих, она не должна противоречить целям компании – хранителя данных. В-четвертых, она должна представлять собой нечто, что может быть реально создано на практике. Проблема AOL состояла не в том, что она выпустила в свет данные о пользовательских поисковых запросах, а в том, что выбранная ею тень слишком слабо скрывала реальные данные, в результате чего был серьезно нарушен первый критерий. Когда Джереми Гинсбург создал Google Flu Trends[88], он также выпустил в свет информацию, основанную на пользовательских поисковых запросах. Однако его тень представила данные в таком виде, что от этого никто не пострадал – не считая вируса гриппа.

Использование больших теней дает нам возможность защитить информацию в массиве данных, одновременно давая возможность с ними работать. И это оказывается в интересах не только участвующих в процессе исследователей. Поскольку идеальная тень безобидна с этической и юридической точек зрения, это может убедить осторожных хранителей выпустить ее в общий доступ. Таким образом, большие тени дают нам возможность превратить хорошо защищенные массивы данных во внушительные открытые ресурсы, пользоваться которыми может любой человек с интересной идеей – ученый, предприниматель или студент. В разговоре с компаниями мы обычно упоминаем так называемую цифровую филантропию – пожертвование битов может быть благом ничуть не меньшим, чем пожертвование денег (а кроме того, это определенно дешевле).

Для простоты давайте представим себе сырые данные Google Books как огромную таблицу, содержащую полный текст каждой книги вместе с информацией о ней, такой как название, имя и дата рождения автора, библиотека, в которой находится книга, и дата публикации. Google Books отбрасывает множество теней, однако не все из них обеспечивают одинаково интересные результаты.

Одна тень состоит из одного лишь названия каждой книги. Эта тень включает около 100 миллионов слов. Это крошечный объем данных по сравнению с полной коллекцией, и он слишком мал, чтобы пробудить к жизни новую науку. Но получить доступ даже к этой информации проблематично – Google считает названия книг внутренней корпоративной информацией, поскольку не хочет, чтобы конкуренты знали, какие книги она отсканировала, а какие – нет. Поэтому названия не могут служить хорошей тенью.

Другая тень – это полный текст всех книг, находящихся в открытом доступе, то есть всех книг, в отношении которых закончился срок копирайта. Этот набор данных по-настоящему интересен и потенциально свободен от сложностей, возникающих при наличии правообладателей. Однако у него есть два недостатка. Во-первых, поскольку копирайт имеет срок давности, в открытом доступе находится совсем немного книг, опубликованных после 1920 года. Это значит, что периоды, в которые больших данных очевидно больше – XX и начало XXI века, – почти не представлены. Во-вторых, устаревшие законы в области копирайта часто не позволяют четко определить статус каждой книги. Подобная проблема преследует подавляющее большинство книг в коллекции Google. А поскольку непонятно, какие книги можно включать, это может значительно усложнить процесс расчета тени.

Итак, что мы могли предложить Норвигу?

Мы вновь подумали о книге Legendary, Lexical, Loquacious Love Карен Реймер. Разве изучение книги Реймер и то, как частота тех или иных слов позволяет увидеть скрытые стороны произведения и мысли его автора, не стало бы еще интереснее, если бы сюжет представлял собой значительную часть исторических записей западной цивилизации, а автором оказался в каком-то смысле каждый?

Чем больше мы думали об этом, тем больше этот алфавитный роман казался нам источником тени, простой и прекрасной, прекрасной, прекрасной, прекрасной, прекрасной. Почему бы нам просто не воспользоваться частотой слов в книгах Google?

Если быть более точными, наша идея состояла в том, чтобы создать теневой массив данных, содержащий одну запись для каждого слова и фразы, появлявшихся в написанных на английском языке книгах.

Эти слова и фразы – в компьютерных науках для этого используется забавный термин n-грам – включают 3.14159 (1-грам), banana split (2-грам) и the United States of America (5-грам). Для каждого слова и каждой фразы запись могла бы состоять из длинного списка чисел, показывающих, насколько часто определенный n-грам появлялся в книгах, год за годом, за последние 5 столетий. Это не просто невероятно интересно, но и стало бы юридически безупречным решением. Насколько мы могли судить, против Реймер никогда не подавались иски за публикацию алфавитной версии чужого произведения.

Однако здесь имелась определенная опасность: что, если какой-нибудь хакер вычислит, как использовать общедоступные данные о частоте слов и фраз для восстановления полного текста всех книг? Сборка огромного текста из крошечных, перекрывающих друг друга кусочков – не такая уж безумная затея. По сути, подобный метод лежит в основе современных работ по секвенированию генома[89].

Для решения этой проблемы мы положились на статистический факт – в любой книге не нужно далеко ходить, чтобы отыскать уникальную фразу. Например, предыдущее предложение было, возможно, единственным в мире упоминанием фразы «отыскать уникальную фразу» или, как минимум, было таковым до тех пор, пока мы не повторили его еще один раз. Поэтому мы добавили простое решение: наша тень не будет включать данные о частоте употреблений для слов и фраз, встреченных лишь несколько раз. При условии такой модификации восстановление полных текстов будет невозможным с математической точки зрения. Возникающая в результате тень – n-грамы – показалась нам исключительно многообещающей. Тексты, защищенные копирайтом, не подвергались бы никакой угрозе (критерий 1). Мы знали, как из своей работы с неправильными глаголами, так и из анализа произведения Реймер, насколько много можно узнать от одного лишь отслеживания частоты употребления отдельно взятого слова (критерий 2). Это могло бы стать новым мощным способом для поиска концепций, а следовательно, и привлекательной идеей для компании, занимающейся проблемами поиска (критерий 3). А подсчет слов представляет собой, возможно, самую простую форму работы в области компьютерных наук (критерий 4).

Разумеется, если мы ограничим себя данными n-грамов, то слова окажутся практически лишенными любого контекста, то есть мы не сможем сказать, пишет ли кто-то об Элиа Казане как о великом режиссере или же о предателе своих друзей во времена «красной угрозы». Однако это не ошибка системы, а ее свойство: именно контекст делал данные юридически шаткими. Освободившись от контекста, мы могли бы заявить о том, что наша тень набора данных и связанные с ней инструменты могли бы стать открытыми не только для нас как исследователей, но и для всего мира. Наша тень нащупала важную точку – вы можете извлекать максимум пользы и удовольствия, не нарушая при этом закон. Нашим ответом на все вопросы стали n-грамы. Норвиг немного подумал над этой идеей, а затем решил, что можно попробовать. Он помог нам собрать команду – инженеров из Google Йона Орванта и Мэтта Грея, а также нашего интерна по имени Юань Шэнь. И вдруг мы поняли, что у нас появился доступ к самой большой коллекции слов в истории.

Язык состоит из слов. Но что такое «слово»?

Это довольно непростой вопрос. Давайте посмотрим на политиков. В ходе всей своей карьеры президент Джордж Буш-младший время от времени довольно творчески обходился с языком, например добавляя приставку mis- («лже-») перед словом underestimated («недооцененный»). Эти «бушизмы» сделали его предметом множества шуток и издевательств на вечерних юмористических телешоу. Язык, используемый политиками, подвергается настолько внимательному изучению, что даже такая, на первый взгляд, мелочь, как ошибка в орфографии, может стать по-настоящему злободневным вопросом[90]. В своих мемуарах бывший вице-президент Дэн Куэйл, публично опозорившийся тем, что неправильно написал слово potato, описывал случившееся так: «Это было не простой оплошностью, а поистине решающим моментом, причем самого худшего порядка». С публичными насмешками столкнулась и Сара Пэйлин после того, как использовала в «Твиттере» странное слово refudiated (Пэйлин пыталась сказать, что, подобно всем другим политикам, она является объектом двойных стандартов) [91]. Тем не менее после этого Пэйлин написала следующий твит: «Английский – это живой язык. Шекспир тоже любил придумывать новые слова» [92].

И она права. Пьесы Шекспира наполнены неологизмами. По сути, Шекспир, как и Буш, был социальным консерватором и либералом в отношении приставок и суффиксов. Он часто создавал новые слова, используя ту же стратегию, которая заставила Буша создать слово misunderestimate. Однако в отличие от Буша Шекспир смог оставить богатое лексическое наследие, поскольку его творения получили широкое признание. Например, он использовал приставку lack-, чтобы создавать слова типа lack-beard («безбородый»), lack-brain («безмозглый»), lack-love («лишенный любви») и lack-luster («скучный»). Что касается последнего слова, то его дальнейшую жизнь никак нельзя назвать скучной. Поэты вообще наслаждаются лексической свободой в значительно большей степени, чем политики. Стихотворение Льюиса Кэрролла «Бармаглот» состоит в основном из слов, придуманных автором, и, возможно, Кэрролл возликовал бы, узнав, как много из них вошло в современный английский язык.

Итак, какие же слова мы можем использовать в языке без страха, а какие могут сделать нас объектом насмешек со стороны сатириков?

Словари (по крайней мере, в принципе) позволяют решить проблему того, что является словом, а что – нет. В конце концов, словари представляют собой каталоги официально одобренных слов, каждому из которых соответствовал список одобренных значений. Многие словари (например, American Heritage Dictionary[93], в четвертом издании которого содержится 116 000 слов[94]) призваны исполнять роль удобного справочника. Другие словари призваны выполнять более амбициозные задачи. К примеру, таким словарем является подробный трехтомный справочник, известный под названием Oxford English Dictionary. Первое издание этого труда вышло в 1928 году, а самое свежее издание OED содержит 446 000 слов[95]. Если вы хотите знать, какие слова составляют официальную часть языка, то словари – это лучшее, к чему можно обратиться. Если слово есть в словаре – то это полноценное слово. Если нет, то нет[96].

Но даже в этом случае перед нами загадка. Как именно лексикографы, создающие словари, узнают, какие слова в них включать?

Существует две теории относительно того, как это работает.

Одна теория заключается в том, что работа лексикографа носит предписывающий характер. Согласно этой точке зрения, лексикографы отвечают за то, что происходит в языке. Создавая словари, они говорят нам, какие слова надо использовать, а какие нет. Именно так относился к лексикографии президент Тедди Рузвельт[97]. В 1906 году он приказал Государственной типографии США использовать более простую орфографию, например, фраза «I have answered your grotesque telephone» должна была писаться как «I hav anserd yur grotesk telefone». Эта идея не понравилась Конгрессу, поэтому изначальная орфография осталась нетронутой. Предписывающая точка зрения на лексикографию до сих пор доминирует во Франции, где правительство периодически публикует официальный документ о правильном использовании и написании слов. В январе 2013 года Journal Officiel порекомендовал заменить английское слово hashtag («хэштег») французским mot-diиse (что можно условно перевести как «слово со значком»). Разумеется, Twitter ответил на это коллективным #ROFL[98]. Проблема предписывающего подхода состоит в том, что неочевидно, какой человек или какая организация должны отвечать за язык[99]. Язык больше любого конкретного правительства, этноса или нации.

Другая идея – имеющая куда больше сторонников, особенно в США, – состоит в том, что работа лексикографа не предписывает, что нам делать, а описывает, что мы делаем, будучи предоставленными сами себе[100]. Согласно этому подходу, лексикографы – это не монархи, а исследователи. Словарь представляет собой карту их открытий.

Однако и у этой идеи есть свои проблемы. Если лексикографы не могут решить, что является словом, а что нет, то насколько велика вероятность ошибки? Можем ли мы в таком случае полагаться на словарь?

В конце концов, лексикографы – это обычные люди. Конечно же, нюансы использования слов интересуют их больше, чем случайного человека на улице. Однако, пытаясь вычислить, какие слова нужно включать в словари, лексикографы обычно делают то же самое, что и все остальные. Они слушают, как говорят другие. Они много читают. Они изо всех сил пытаются выявить возникающие тенденции – какие новые слова стали употреблять? Какими словами перестали пользоваться? Какая новая информация появляется в словарях-конкурентах?

В результате у лексикографов формируются свои личные впечатления от кандидата в слова, они пытаются вычислить, насколько эти впечатления истинны[101]. Один знакомый нам лексикограф использует для этого следующий критерий: он пытается найти четыре примера этого слова в не связанных между собой текстах. Консенсус в лексикографическом сообществе желателен, однако когда речь идет о техническом жаргоне – например, о решении, включать ли в словарь слово «графен», – решение остается на усмотрение одного консультанта, имеющего определенные знания в области физики. Создание словарей – это не наука. Это искусство, которому уже много столетий.

Возьмем, к примеру, American Heritage Dictionary. Его четвертое издание было опубликовано в 2000 году, через восемь лет после третьего. За эти годы в языке появились новые слова. Редакторы AHD предприняли немалые усилия по их выявлению. Их трофеи включали в себя amplidyne («разновидность силового генератора»), mesclun («разновидность салата»), netiquette («сетевой этикет») и phytonutrient («химические вещества, придающие растениям цвет, запах и вкус»). Можно ли считать такой подход удачным?

График четко показывает, что успех AHD весьма относителен. В случаях mesclun и netiquette составители явно опоздали. Если судить по критерию частоты, оба слова вполне могли попасть в AHD уже в 1992 году. В случае amplidyne они опоздали еще сильнее; пик использования этого слова пришелся на начало XX века, и в наши дни слово уже полностью устарело. Несмотря на все свои усилия, лексикографам не удается вовремя выявить новые слова, и порой они могут отставать на десятилетия.

Увидев этот график, мы поняли, что (по крайней мере, когда речь заходит о выявлении слов) способность прочитать миллиарды предложений после одного нажатия кнопки может быть для лексикографов настоящим подарком небес.

Мы решили создать свой собственный описательный словарь, состоящий из всех слов современного английского языка. Наша идея была простой – если некая последовательность символов достаточно часто встречается в современных текстах, написанных на английском языке, то это – слово. Что такое «достаточно часто»? Естественным было бы использовать для отсечки ту же частоту самых редких слов, которая встречается в словарях. По нашим расчетам, она составила примерно один раз на каждый миллиард слов текста[102]. Поэтому наш ответ на вопрос «Что такое слово?» звучит следующим образом:

Очевидно, что это не идеальное определение слова. К примеру, включает ли выражение «английский текст» цитату на испанском, которая должна быть включена в абзац на английском? Должен ли текст быть недавним? Должен ли он исходить из книг? Оцифрованной речи? Интернета? Стоит ли нам принимать во внимание типичные опечатки типа excesss (с лишней буквой s в конце)? А что насчет форм с включением цифр, типа l8r (вариант написания слова later – «позднее»)? Может ли считаться словом 2-грам, типа straw man («соломенное чучело»)? [103]

Однако если оставить в стороне эти вопросы, наше определение выглядит достаточно точным – настолько, что, руководствуясь им, договорившись об объеме проверочного текста и имея несколько мощных компьютеров, любой человек может создать объективный словарь английского языка. В этом смысле наше определение значительно лучше субъективных формулировок, которые можно найти во множестве других работ.

Мы хотели убедиться, что наш новый ципфовский словарь действительно фиксирует современное состояние языка, поэтому мы не просто добавили в базу все имевшиеся тексты[104]. Вместо этого мы взяли десятилетний срез данных – все книги в нашей базе данных опубликованы между 1990 и 2000 годами. Эта коллекция включала в себя более 50 миллиардов 1-грамов. Для того чтобы 1-грам соответствовал установленной нами частоте отсечения (один случай употребления на миллиард), слово должно было появиться в нашей коллекции не менее пятидесяти раз. Итоговый список составил 1 489 337 слов, включая unhealthiness («нездоровье»), 6.24, psychopathy («психопатия») и Augustean («относящийся к эпохе Августа»).

Наш ципфовский список слов представляет собой вполне удобный информационный источник. Если какого-то слова в нем нет, то значит, оно встречается еще реже, чем наименее часто встречающиеся слова в словаре, – соответственно, у нас есть основания считать, что это вообще не слово. Если же оно появляется, то это значит, что оно вполне достойно включения в словарь (а если его там нет, то это может вызвать вполне законное недоумение).

Именно в этом вся прелесть обладания объективным словарем. Все эти годы во время учебы или при игре в «Эрудит» мы использовали для проверки словари. Теперь же, получив независимый способ оценки словарного состава, мы приобрели возможность оценить точность словаря и создавших его лексикографов. Кабинетные лексикографы занимались своим делом на протяжении столетий, но только после появления n-грамов стало возможным появление кабинетных лексикограферологов («лексикограферология» – труд безобидных работяг; «лексикограферолог» – еще более безобидный работяга).

Затем мы задали самый фундаментальный вопрос в области лексикограферологии – какая доля нашего ципфовского списка слов представлена в имеющихся словарях?

Она оказалась на удивление малой. Oxford English Dictionary, самый крупный словарь английского языка, содержит менее 500 тысяч слов. Его лексикон составляет примерно треть нашего списка. Объем всех остальных словарей еще меньше.

Как такое может быть? Неужели лексикографы действительно настолько плохо разбираются в том, что происходит в их собственном языке?

Мы немного поспешили с выводами. Большинство словарей не претендует на то, чтобы включить все слова, имеющиеся в языке. По сути, составители многих словарей даже стараются исключать те или иные слова, пусть даже часто использующиеся в языке, например[105]:

1. Слова, состоящие не только из букв (например, 3.14 и l8r).

2. Составные слова (whalewatching – «наблюдение за китами»).

3. Нестандартная орфография (untill вместо until – «до тех пор, пока»).

4. Слова, которым сложно дать однозначное описание (AAAAAAARGH).

Поэтому с нашей стороны было бы несправедливым тыкать пальцем в людей, которые даже не пытались включать в словарь определенные типы слов. Чтобы убедиться в том, что составители словарей исключают из них именно то, что планировали, мы рассчитали, какая часть нашего списка слов пришла из указанных выше четырех категорий.

Это сократило наш список с 1,5 миллиона до немногим более миллиона слов. Но все равно наш ципфовский лексикон почти в два раза превышал по объему количество статей в Oxford English Dictionary. Иными словами, даже самый полный словарь английского языка упускает большинство слов. Эти задокументированные слова включали в себя множество ярких понятий, таких как aridification (процесс, в результате которого географический регион становится засушливым), slenthem (музыкальный инструмент) и, что показалось вполне уместным, слово deletable («допускающий удаление»).

Так в чем же состоит проблема словарей?

Ответ – частотность употребления. Судя по всему, составители словарей проводят отличную работу по отбору самых частых слов. В этом смысле словари совершенно идеальны: они действительно содержат буквально 100% всех слов – если только эти слова встречаются чаще, чем один раз на миллион, например слово dynamite («динамит»). Если слово появляется хотя бы один раз в случайной стопке из десяти книг, словарь зафиксирует его и даст ему определение.

Однако у лексикографов возникает немалая проблема с редкими словами. Как только частота слова оказывается меньше, чем одно на миллион, шансы на то, что оно не будет включено в словарь, резко возрастают. Если посмотреть на слова с частотой употребления немногим меньшей, чем одно на миллиард, в словари будет включена лишь четверть.

Стоит помнить о правиле, установленном Ципфом, – большинство слов встречается достаточно редко. Соответственно, если словари упускают из вида большинство редких слов, то можно сказать, что они упускают большинство слов как таковых.

В результате оказывается, что 52% английского языка – большинство слов, используемых в книгах, – представляют собой лексическую темную материю. Подобно темной материи в космосе, составляющей основной объем Вселенной, лексическая темная материя составляет основную массу нашего языка, которая не может быть протестирована обычными способами[106].

Как только ограничения традиционной лексикографии стали понятными, эта область работы начала меняться. Новые игроки на рынке, такие как wordnik.com, wiktionary.com и urbandictionary.com, перестали полагаться на кабинетных лексикографов в деле создания масштабных онлайн-словарей. Напротив, они пытаются использовать силу огромного количества пользователей для документирования всей темной материи – по тому же пути идут и традиционные словари типа OED. Для ускорения работы они дополняют существующие методы новым подходом обработки данных в лексикографии (и даже вплотную приближаются к лексикограферологии!).

В целом все эти нововведения полезны и приятны для лексикографов. Несмотря на многовековые усилия, предстоит проделать еще огромную работу. Можно сказать, что английский язык и по сей день остается неизведанным континентом.

Новые слова всегда волнуют людей. Каждый год Американское диалектное общество проводит специальное собрание, посвященное словам. Члены общества отдают свои голоса в категориях «Слово года» [107], «Самое странное слово» и даже «Кандидат, у которого мало шансов стать словом» [108]. Стоит отметить, что наше изобретение – слово «культуромика» – в 2010 году было номинировано именно в этой последней категории. С 1991 года список слов года включал в себя cyber (1994), e- (1998), metrosexual (2003) и совсем недавно hashtag (mot-diиse на случай, если нас читают представители французского правительства). Списки, составляемые Американским диалектным обществом, наглядно подтверждают, что язык охотно приветствует новые слова и уделяет им должное внимание.

Однако в том, что касается конца лексического жизненного цикла, никакой бурной деятельности не происходит. Судя по всему, никому не хочется проводить похороны для умерших слов. Именно поэтому так сложно сказать, что оказывается выше, рождаемость или смертность (иными словами, что происходит с английским языком – расширяется ли он, сужается или остается неизменным).

Чтобы разобраться с этим вопросом, мы создали еще два ципфовских списка слов. Для первого мы использовали тексты, опубликованные между 1990 и 2000 годами, и сформировали современный словарь. А для второго мы использовали два исторических периода – десятилетие, предшествовавшее 1900 году, и десятилетие, предшествовавшее 1950-му[109].

Мы обнаружили, что к 1900 году словарный состав насчитывал свыше 550 000 слов. Это больше, чем в новом издании Oxford English Dictionary. В течение следующих 50 лет не происходило ничего интересного и язык оставался неизменным по объему. Рождаемость и смертность почти уравновешивали друг друга.

Однако в период между 1950 и 2000 годами английский язык вошел в период роста и почти удвоился в размере за счет добавления сотен тысяч новых слов. Новая рождаемость значительно превысила смертность слов. В настоящее время каждый год в английский язык добавляется около 8400 слов – иными словами, ежедневно порог преодолевает свыше 20 новых слов.

Наш язык не просто меняется – он растет[110].

Почему так происходит? В точности этого никто не знает, и (как и в случае степенных законов) у нас нет нехватки в домыслах[111]. Одна гипотеза заключается в том, что по мере повышения социальной сплоченности (мы поддерживаем связи с большим количеством людей) и сужения нашего мира (люди находятся на расстоянии телефонного звонка или перелета на самолете друг от друга), новые слова быстрее и проще набирают критическую массу. Другая гипотеза утверждает, что прогресс в науке, медицине и технологиях формирует новые слова вследствие того, что профессиональный жаргон проще попадает в общее употребление. Однако еще одно объяснение кроется в диверсификации, связанной с самими книгами, – основой нашего ципфовского словаря. Чем больше людей публикует тексты в конце XX столетия, тем чаще авторы пишут на различные темы, используя свой собственный идиолект. Иначе говоря, глобальная дискуссия начинает вестись все большим количеством слов.

Если честно, никто точно не знает, какая из гипотез верна, как возникает этот эффект и что будет дальше. Будет ли расти количество слов, появляющихся каждый год? Есть ли границы у нашего словарного состава? Насколько сильно язык ваших детей будет отличаться от вашего собственного? Массивы больших данных позволяют лучше представить себе язык и освещают нам путь к новому научному ландшафту, в котором не скрыться даже снежному человеку.

Однако слова, которые мы используем, способны рассказать куда более интересную историю, чем язык в целом. Слова представляют собой окно в мир наших мыслей, нравов и общества в целом. Поэтому давайте обратимся от механизма коммуникации к сути наших мыслей.

В середине XX столетия людям все больше нравилась идея ухода за ребенком (baby) с помощью специально нанятого человека (sitter). Поскольку у слов baby и sitter имелось немало сопоставимых интересов, они стали проводить много времени вместе, и в какой-то момент все чаще употреблялось слово baby sitter[112].

Затем люди принялись соединять их. Поначалу связь осуществлялась через дефис. По мере того как отношения между этими словами становились все более тесными, слово baby-sitter все чаще замещало собой слова baby sitter.

Со временем baby и sitter поняли, что им суждено быть вместе навсегда. Из этого союза родился ребенок. И именно поэтому, дорогой малыш, твои родители оставляют тебя со мной (babysitter).

В ассенизации нет ничего сексуального. Однако это может быть настоящим подвигом героя.

Стоит вспомнить хотя бы историю Геракла, полубога-героя из греческой мифологии. Пятый из двенадцати подвигов Геракла состоял в том, чтобы вычистить Авгиевы конюшни, в которых жили тысячи бессмертных коров. Поскольку конюшни не чистили 30 лет, в них скопилось немало навоза. Геракл сделал так, что две бурные реки изменили свой ход и за один-единственный день вымыли из конюшен все нечистоты. Его героический поступок до сих пор остается одним из величайших достижений в анналах ассенизаторского дела.

Через много тысячелетий, в будущем, такие же легенды будут рассказывать о Юане Шэне, нашем Геракле компьютерного мира. Компания Google провела 5 лет на богатейших пастбищах мирового знания, миллионами поглощая книги благодаря передовому процессу сканирования и обработки текста. Однако неизбежным побочным продуктом создания крупнейшей в мире «конюшни» книг, получивших бессмертие благодаря оцифровке, стал значительный объем загрязненных данных. Большие данные наполнены неразберихой. Пришло время вычистить конюшни.

Сколько времени вы потратили на работу с каталогом библиотечных карточек?

Система карточек представляет собой сердце библиотеки. Для каждой книги в библиотеке заводилась карточка, содержащая важнейшие данные: ее название, имя автора, тему, год публикации, а также крайне важный справочный номер, показывавший, где находится книга. Посетители библиотеки могли проводить за работой с каталогами целые дни, а содержащаяся в каталоге информация, в свою очередь, направляла их в самые дальние уголки здания.

Без каталога библиотека превращается в обычную огромную комнату, в которой царит неразбериха, – в ней невозможно найти ровным счетом ничего.

На протяжении многих столетий одна из самых важных мировых библиотек, Archivio Segreto Vaticano («Секретный архив Ватикана»), выглядела именно так[113]. Ей явно недоставало серьезного каталога карточек для книжного собрания, занимавшего свыше 52 миль пространства книжных полок. Что же там было? Даже люди с неограниченным доступом могли ответить на этот вопрос странной смесью фактов, слухов и легенд. Для того чтобы найти книгу, нужно было знать кого-то, кто знал еще кого-то, кто (возможно) знал, где находится книга. В архиве хранятся бесценные манускрипты, начиная с VIII века (например, материалы суда над Галилеем по обвинению в ереси), однако поиск этих сокровищ превращался в приключение, достойное Индианы Джонса. Что ж, это тоже можно считать способом хранения секретов.

Для нас, как и для любых других пользователей библиотек, самого по себе доступа к книгам было далеко не достаточно. Если мы хотели сравнить тексты из различных мест и времен, то нам были просто необходимы точные метаданные каталогов из карточек, где было написано, как найти каждую книгу, чтобы знать, как классифицировать ее в контексте автоматизированного анализа.

Поначалу мы посчитали это не особенно большой проблемой – Google собрала свой список покупок из 130 миллионов книг, используя информацию каталогов из сотен источников. (В наши дни каталоги на основе карточек, имеющиеся в крупнейших библиотеках, уже были компьютеризированы – одно из первых преимуществ, – а физические карточки часто оказываются в удаленных уголках складов.) Оказалось, однако, что каталоги на основе карточек, даже лучшие, полны ошибок.

И исправление этих ошибок отнимает массу времени. Карточек слишком много, и даже самые большие энтузиасты библиотечного дела не всегда замечают ошибку. Иногда ошибка не позволяет пользователю найти нужную карточку (по принципу «ничего не вижу, ничего не слышу, ничего не говорю») или же кроется в неправильном указании места публикации книги. До тех пор пока справочный номер остается точным, пользователь все равно находит книгу. Неверные метаданные на карточке не особенно беспокоят читателя, поскольку на титульной странице книги его ждет точная информация[114].

Со временем легионы неисправленных ошибок перекочевали из физических каталогов на основе карточек в каталоги цифровых карточек, затем в созданную Google «мать всех каталогов», а затем и в наши информационные массивы. В отличие от людей, желающих прочитать одну книгу, для нас ошибки представляли особую опасность. Ведь мы просто не могли позволить себе вручную просмотреть каждую из миллионов книг. Однако ошибок в карточках было слишком много. При использовании наполненного ошибками каталога метаданных для создания таблиц n-грамов результаты были порой настолько искажены, что от них попросту не было никакой пользы. Так, по нашим изначальным расчетам выходило, что одна наша подруга, работавшая в соседнем офисе, испытала взрывообразный рост популярности в XVI веке. Когда мы рассказали ей об этом, она сказала, что не настолько стара. Либо она нам лгала, либо перед нами возникла довольно серьезная проблема.

Что было делать?

Поскольку мы не могли проверить данные каждой книги вручную, то решили написать компьютерные алгоритмы для поиска подозрительных карточек – точнее, всего того, что давало основания полагать, будто на карточке размещена ошибочная информация. Возьмем, к примеру, журналы. Обычно библиотеки присваивают каждому выпуску серийного издания – будь то газета, научный журнал или любое другое периодическое издание – дату публикации первого номера. Это значит, что, по данным нашего каталога карточек, каждый номер журнала Time был опубликован в 1923 году. Понятно, что с точки зрения наших целей это была огромная проблема.

Для ее решения мы написали алгоритм с названием Serial Killer («серийный убийца») для поиска всего, что могло бы выглядеть как серийное издание. Другой алгоритм, Speed Dater («экспресс-датировщик»), пытался определить, когда была опубликована книга, основываясь на содержавшемся в ней тексте[115]. При совместном применении оба эти алгоритма помогли нам выявить подозрительные карточки и соответствующие им книги. Затем мы исключали эти книги из нашего анализа.

Наконец летом 2009 года Юань совместил эти методы со своими программными мускулами, чтобы удалить весь мусор, переполнявший наши большие данные. Мы прополоскали в реке вычислений тексты миллионов книг. Эта операция была настолько масштабной, что даже запустила внутренние системы предупреждения Google. После этой ассенизации легендарных масштабов в нашем распоряжении осталась лишь малая доля первоначальных данных. Тем не менее массив был беспрецедентным с точки зрения размера и исторической глубины – 500 миллиардов слов, написанных в течение пяти столетий на семи различных языках. В нем содержалось более 4% всех когда-либо опубликованных книг.

Не менее важно и то, что этот огромный массив данных был по-настоящему блестящим. Несмотря на то, что общий объем текста в тысячу раз превосходил геном человека, он был – буква за буквой – в десять раз более точен, чем последовательность, о которой сообщал проект «Геном человека» [116].

Теперь, после того как тексты и метаданные каталогов на основе карточек были уточнены, созданные на их основе списки n-грамов стали выглядеть просто отлично. Мы ясно видели широкий спектр лингвистических и культурных изменений, таких как переход от throve к thrived или движение от telegraph («телеграф») к telephone («телефон») и television («телевидение»). Выражаясь научным языком, с данными n-грамов у нас возникла любовь с первого взгляда.

Однако, подобно многим другим летним романам, наши отношения с n-грамами вскоре столкнулись с осенними проблемами. Юань заканчивал интернатуру с начала учебного года, и мы вскоре оказались за пределами Google, а соответственно, все наши данные были спрятаны за брандмауэрами компании.

Нам было необходимо, чтобы Google отправила нам данные. Однако интернет-гигант этого не хотел. По мнению Google, работа с данными n-грамов оставалась довольно деликатным делом. Массив данных был сформирован из полного текста 5 миллионов книг, и юридический расчет Google был прост. Пять миллионов книг соответствуют пяти миллионам авторов – иными словами, пяти миллионам истцов в рамках огромного иска, который мог появиться в случае утечки. Мы проектировали набор данных в виде тени (n-грама), чтобы обойти эту проблему. Мы подсчитывали слова вместо того, чтобы записывать длинные последовательности текста. Однако наша ловкость рук еще не проходила проверки судами[117]. Было вполне понятно, чего опасается Google.

У нас было мало шансов на успех в противостоянии с юридической службой одной из крупнейших мировых корпораций. Однако, имея в кармане два миллиарда n-грамов, мы не были готовы сдаться.

У нас оставалось все меньше карт для игры. Авива Эйден, получившая свою награду, дала нам шанс открыть двери Googleplex. Мы в полной мере воспользовались добротой чужих людей, когда Питер Норвиг дал нам добро на проект и выразил готовность сотрудничать. Мы даже воспользовались «звонком другу», когда оказалось, что наш давний сосед Бен Байер оказался «Повелителем времени и пространства» в Google Research (возможно, это лучшее название должности во всей корпоративной истории). Однако нам предстояло разыграть еще одну карту.

Наши разговоры о количественном измерении исторических тенденций привлекли внимание Стивена Пинкера, одного из самых знаменитых ныне живущих ученых, перед которым мы всегда преклонялись.

Пинкер – психолог, лингвист и когнитивист, обладающий невероятной глубиной и широтой познаний. Автор многочисленных бестселлеров, он обладает потрясающей способностью препарировать самые сложные проблемы и выявлять их суть. Например, как-то раз Пинкера пригласили на сатирическое телешоу Colbert Report. Ведущий Стивен Колберт спросил его: «Как работает мозг? Ответьте в пяти словах или меньше». Пинкер подумал пару секунд и сказал: «Клетки мозга „выстреливают“ определенные последовательности» [118].

Нам невероятно повезло, что одним из фанатов Пинкера оказался не кто иной, как Дэн Клэнси, возглавлявший летом 2009 года работу над проектом Google Books. Клэнси занимал достаточно высокое положение для того, чтобы обеспечить нам доступ к данным извне. Но Клэнси – это занятой и важный человек, у которого нет времени для мелких проектов типа нашего. Однако к концу лета стало понятно, что если мы хотим устроить встречу с Пинкером и обсудить с ним наши n-грамы, то для этого придется найти время и неуловимому Дэну Клэнси.

Поэтому мы сказали Пинкеру следующее: «Мы создали 2 миллиарда n-грамов; можете ли вы помочь нам выпустить их на волю?» Пинкер посчитал, что у нашей работы есть будущее, и согласился прийти на встречу. После этого Клэнси тоже изъявил желание прийти. У нас было тридцать минут на то, чтобы изложить суть своего дела.

Несколько лет назад Пинкер был назван журналом Time одним из 100 наиболее влиятельных людей на планете. И как только началась встреча, сразу же стало понятно, почему. Тридцати минут было более чем достаточно, чтобы он продемонстрировал нам свои волшебные способности. И вскоре n-грамы уже были на пути к свободе.

Так что же покупает вам слава? Слава Пинкера купила нам тридцать минут времени Клэнси. Немного, но этого было достаточно.

Это стихотворение Эмили Дикинсон описывает суть славы – очарование, опасность, то, как она поднимает человека, и то, как порой оказывается вне пределов нашей досягаемости. Можно было бы думать, что Дикинсон разбирается в этом вопросе лучше многих. Ее вполне можно считать самым знаменитым поэтом Америки. Однако отношения Дикинсон со славой далеко не однозначны.

Все, что она знала о славе, подсказывала ей интуиция, а не опыт. Почти неизвестная при жизни, Дикинсон оставила после себя произведения, ставшие предметом масштабного обсуждения почти через полвека после ее смерти в 1886 году.

Так исключение или правило – отношения Дикинсон со славой? Слава по-разному находит людей, в разное время и по различным причинам. И кажется, что тут нет ничего общего. Принц Уильям, сын принца Чарльза и принцессы Дианы, был знаменит с момента своего рождения или даже до него (с учетом того, что его судьба была предначертана уже тогда, когда он находился в материнской утробе). Поп-певца Джастина Бибера открыли благодаря его записям на YouTube, когда ему было всего 13 лет; пятью годами позже количество запросов по имени Бибер в Google превысило количество запросов о любом другом человеке[120]. Иногда слава внезапно настигает человека после многих лет жизни, как это произошло с Пинкером. Он, уже будучи преподавателем Массачусетского технологического, получил мировое признание в возрасте 40 лет после публикации бестселлера «Язык как инстинкт». Джулия Чайлд не умела готовить до 40 лет. Тем не менее ей хватило времени на то, чтобы произвести революцию в американской кухне и превратиться в национальный символ.

Подобно Эмили Дикинсон, многие из самых знаменитых людей не сыскали славы в течение своей жизни. Винсент Ван Гог продал за всю жизнь единственную картину (своему брату) и умер в безвестности. Монах Коперник понимал, что его главная идея – что Земля вращается вокруг Солнца, а не наоборот – была настолько «зажигательной», что он разрешил публиковать ее, только оказавшись на смертном одре. В некоторых областях человеческой деятельности посмертная слава вполне нормальна. Как говорил генерал армии северян Уильям Текумсе Шерман: «Думаю, что понимаю, в чем состоит воинская слава: вы умираете на поле боя, а затем газеты перевирают ваше имя».

А еще есть люди, кажущиеся знаменитыми без достаточных к тому оснований. Такие знаменитости, как Пэрис Хилтон или Ким Кардашьян, создают себе репутацию как раз за счет своей известности, что превращается в своеобразное самосбывающееся пророчество. Такие люди выделяют невероятное гравитационное притяжение, связанное со славой. Нас притягивают не только достижения знаменитых людей, но и сам факт их известности. С учетом того, насколько мы все очарованы славой, остается удивляться, как мало мы понимаем механизмы ее работы.

Что такое слава? Подобно энергии или жизни, слава – это повседневная концепция, которую мы все интуитивно улавливаем, но редко можем дать четкое определение (произнося свою знаменитую фразу о порнографии: «Я узнаю ее, если увижу», судья Поттер Стюарт мог бы с тем же успехом говорить о славе) [121]. Очевидно также, что слава бывает различной, – все знают, что Иисус более знаменит, чем певец Джон Леннон, что Леннон более знаменит, чем актер Алек Болдуин, и что Болдуин более знаменит, чем чемпион по поеданию хот-догов на скорость Такеру Кобаяси. Но, опять-таки, нам сложно дать четкое определение тому, что значит быть «более знаменитым». Славу, как любовь и красоту, сложно описать в конкретных терминах и еще сложнее измерить. Однако если мы надеемся понять суть славы, для нас крайне важно понять, как ее измерять. При этом измерение – это не просто решение интеллектуальной задачи, но и отличный инструмент, позволяющий сорвать покров тайны с понятий, которые кажутся нам неоднозначными и изменчивыми.

Возьмем, к примеру, саму концепцию полета. В 1903 году благодаря современным достижениям в автомобилестроении работы в области авиационной техники находились на подъеме. В те времена еще не было гаражей (n-грама для слова garage не существовало до 1906 года), но если бы они были, то в каждом из них сидел бы изобретатель, стремящийся построить первый аэроплан – устройство тяжелее воздуха, способное оторваться от земли благодаря собственному двигателю и совершить контролируемый полет. Существовавшие на тот момент машины для этого не подходили. Они либо не могли оторваться от земли, либо сразу же разрушались. Большинство изобретателей верило, что проблема связана с двигателем и что если им удастся создать подходящий двигатель, то они смогут реализовать свою мечту о полете.

Однако Орвилл и Уилбур Райты, два велосипедных механика с северо-запада, смотрели на проблему иначе. Братья Райт считали, что реальная проблема связана с крыльями. С их точки зрения, при отсутствии достойных крыльев им не помог бы никакой хороший двигатель. В то время уже было выдвинуто немало обширных математических теорий о том, как должны работать крылья. Однако, изучив теорию, Райты поняли, что она не соответствовала тому, что они видели в ходе своих неудачных экспериментов. Они решили, что когда дело касается крыльев, то у любой теории есть свои пределы. Теория была основана на определенных предположениях о физическом мире, и эти предположения могли быть ошибочными. Поэтому проблема состояла не в теории, а в измерениях. Райтам нужен был способ изучения аэродинамики крыла экспериментальным образом – для создания опытных образцов и быстрого измерения результативности их конструкций.

Поэтому, невзирая на сильную конкуренцию, братья Райт пошли на вполне рассчитанный риск. Вместо того чтобы углубиться в полетные тесты, они заперлись в задней комнате своего велосипедного магазина в Дейтоне, штат Огайо. Там они провели несколько месяцев за созданием точного инструмента для измерения параметров крыльев. В результате появился небольшой бензиновый мотор, создававший постоянный поток воздуха в прилегавшей к нему деревянной камере длиной около двух метров – аэродинамической трубе[122]. С ее помощью Райты могли быстро измерять параметры различных конструкций крыльев, в точности оценивая подъемную силу и силу притяжения для каждой из них. Разумеется, их измерения работоспособности крыльев в аэродинамической трубе были упрощением, неидеальной и несовершенной симуляцией реальной работы реального крыла на реальном самолете в реальном полете. Однако они посчитали, что плохие данные все равно лучше, чем полное их отсутствие. Если ваш самолет постоянно терпит аварии, то лучше использовать хоть какой-то показатель для измерения, чем полагаться на интуицию, навыки и хороший огнетушитель.

Оказалось, что этот неожиданный шаг стал решающим. Он позволил им одновременно исправить теорию и шагнуть за ее пределы. Как позднее вспоминал Уилбур Райт, «трудно переоценить важность всей кропотливой работы, которую мы проделали с самодельной аэродинамической трубой. Благодаря данным, которые мы с Орвиллом свели в таблицы, наконец стало возможным создать надежное крыло правильной формы. И как бы знамениты мы ни стали благодаря нашему самолету и его системам контроля, он не был бы возможен без создания аэродинамической трубы и полученным благодаря ей точным аэродинамическим данным».

Оказалось, что благодаря аэродинамической трубе Райтов – довольно простой – удалось измерить массу важных аспектов, улучшающих работу крыла. Братья могли тестировать в своей трубе работоспособность одной конструкции за другой. Получив итоговые данные, они выстроили оптимальную конструкцию крыла и прикрепили ее к самолету. А затем утром 17 декабря 1903 года они вошли в историю.

Если мы хотим понять суть славы, нам тоже нужна аэродинамическая труба.

Многие аспекты славы сложно измерить. Утрату анонимности. Давление, связанное с постоянным вниманием со стороны. Психологические последствия, связанные с угасанием звездного статуса.

Но что можно сказать относительно величины славы – ощущения того, что Иисус более знаменит, чем Леннон, который более знаменит, чем Болдуин, который более знаменит, чем Кобаяси? Важным аспектом величины славы является то, как часто вас упоминают другие люди, в том числе в книгах. А когда речь заходит об упоминаниях людей в книгах, нам на помощь приходят n-грамы.

Разумеется, с помощью n-грамов мы измеряем не славу саму по себе, а упрощение, некое факсимиле славы. Давайте пока что назовем это словом «флава». Нам предстоит ответить на вопрос, достаточно ли четко «флава» отражает подлинную славу, чтобы служить нам в качестве аэродинамической трубы?

Давайте начнем изучение этого вопроса со взгляда на Чарльза Диккенса, одного из самых знаменитых английских писателей. Его первое произведение, «Записки Пиквикского клуба», начиналось в 1836 году как сериал – то есть книга, публиковавшаяся по частям в периодических изданиях. После начала публикации «Записок» 2-грам «Чарльз Диккенс» начинает появляться все чаще. Подобно знаменитому самолету братьев Райт, «флава» Диккенса начала стабильно набирать высоту по мере того, как он последовательно создавал бестселлер за бестселлером, в том числе «Оливера Твиста» (1837), «Рождественскую песнь» (1843), «Дэвида Копперфильда» (1849), «Повесть о двух городах» (1859) и «Большие надежды» (1860). Влияние этих работ на культуру было огромным. Считается, что именно «Рождественская песнь» сделала популярным поздравление «Веселого Рождества», и это вполне соответствует данным n-грамов.

Как и в случае с Дикинсон, смерть Диккенса в 1870 году не привела к угасанию его «флавы». Вместо этого она взвилась до небес, а новости о его уходе из жизни заставили людей вновь восхититься его гением. За несколько десятилетий после смерти частота упоминания его имени достигла пика. Однако к 1900 году 2-грам «Чарльз Диккенс» начал медленное снижение. Несмотря на свою невероятную «популярность» даже в наши дни, интенсивность научного изучения его творчества и включение книг Диккенса в школьную программу, «флава» Диккенса начала плавно угасать в течение последнего столетия.

Добавив выражение «Чарльз Диккенс» в нашу аэродинамическую трубу, мы получили интересные результаты, позволяющие вполне точно измерить степень общественного интереса, возникшего к работам Диккенса.

Однако все не так просто. Наш пример также помогает определить расхождения между «флавой», измеренной с помощью книг, и славой, отраженной в наших интуитивных представлениях о культурной важности. Все измерительные приборы допускают ошибку. Чтобы лучше понять происходящее, нужно узнать больше о теории анализа ошибок, хорошо развитой области статистики, изучающей ошибки и проблемы измерений.

Статистики различают два типа ошибок, которые может совершить измерительный прибор. Первый тип называется случайной ошибкой и связан с колебаниями, которые возникают даже в случаях, если объект измерения не меняется. Такие ошибки видны в форме небольших пиков и долин в расчетах «флавы» (несмотря на их частое появление, они порой не имеют никакого смысла). Хорошая новость относительно случайных ошибок заключается в том, что, несмотря на все колебания, значение обычно остается близким к истинному.

Сложнее дело обстоит с так называемыми систематическими ошибками. Обычно они приводят к перекосу измерений в одном направлении (увеличивая или уменьшая результат). Например, наша процедура для измерения «флавы» основана на поиске имени человека. Однако это позволяет выявить лишь часть всех упоминаний. К примеру, отслеживая частоту фразы «Чарльз Диккенс», мы упускаем из внимания случаи, когда люди описывают его как «Диккенса», «Чарли» или «этого зануду». Не будут включены в результаты и описания Диккенса как автора «Записок Пиквикского клуба» или «мужа Кэтрин Хогарт». И, разумеется, мы не сможем добавить туда и случаи, когда кто-то хочет почтить память Диккенса, цитируя любимую строчку из его книги, описывая трюк иллюзиониста Дэвида Копперфильда или просто используя фразу «Веселого Рождества».

Отличной иллюстрацией проблемы, связанной с выявлением каждого упоминания Диккенса, был случай, когда Майкла Стила, кандидата на пост руководителя национального комитета Республиканской партии, попросили во время телевизионных дебатов 2011 года назвать свои любимые книги. Ответ Стила был на редкость неловким: «„Война и мир“… это было самое прекрасное время, это было самое злосчастное время». Цитата принадлежит Диккенсу, и с нее начинается «Повесть о двух городах». Однако «Война и мир» написана Львом Толстым. Так имел ли Стил в виду Диккенса или нет? [123]

Подобная ситуация – когда мы пренебрегаем чем-то, что в идеале хотели бы включить в расчет, – носит название «систематической ошибки» или, выражаясь профессиональным языком статистиков, ситуации «ложного отрицания». В результате действия этого ложного отрицания показатель «флавы» обычно оказывается значительно меньше, чем истинная частота упоминаний о человеке.

Существует и еще один тип систематической ошибки, называемый «ложноположительной». Она возникает, когда мы включаем в расчеты то, чего включать не должны. К примеру, слова «Чарльз Диккенс» могут относиться и к старшему сыну Диккенса – писателю Чарльзу Диккенсу-мл.; его внуку Джеральду Чарльзу Диккенсу; двум из его правнуков – Седрику Чарльзу Диккенсу и Питеру Джеральду Чарльзу Диккенсу или же к актеру Джеральду Чарльзу Диккенсу (праправнуку писателя). С точки зрения расчета «флавы», все это будет относиться к патриарху семьи. Однако статистики знают, что тут-то и кроется опасность. Никакой статистик не понимает этого лучше, чем преподаватель Университета штата Калифорния в Беркли по имени Майкл И. Джордан. Чтобы понять, почему это так, вбейте в Google поисковый запрос «Майкл Джордан статистика» (Michael Jordan statistics).

Однако нам предстояло заняться еще более сложными статистическими проблемами, связанными с нашим измерительным прибором.

Обратимся к 1936 году. В этом году родились многие знаменитые люди, например Роберт Рэдфорд и Вацлав Гавел.

Рэдфорд – настоящая голливудская звезда. За последние пятьдесят лет он сыграл массу известных ролей в таких фильмах, как «Из Африки», «Афера» и «Вся президентская рать». Его внешность, почти не меняющаяся с годами, превратила его в одного из самых любимых и известных во всем мире деятелей культуры.

Вацлав Гавел представляет собой иной тип знаменитости. Он был тихим драматургом, который увел Чехословакию прочь от коммунизма, во времена «бархатной революции». Через четыре года он возглавил процесс мирного разделения Чешской и Словацкой республик. Гавел – одна из самых знаменитых политических и литературных фигур XX века.

Оба они входят в число 10 людей, родившихся в 1936 году и обладающих самым высоким уровнем «флавы». При этом ни один из них не занимает лидирующей позиции. Кто же оказался человеком с наибольшим показателем «флавы» из родившихся в 1936 году? Женщина по имени Кэрол Гиллиган[124].

Гиллиган – психолог и знаменитая феминистка, которая после проведения своих революционных исследований стала преподавать в Гарварде, Кембридже, а теперь еще и в Университете Нью-Йорка. Как и Пинкер, она входит в список самых влиятельных американцев, составленный журналом Time. Кэрол – настоящая интеллектуальная суперзвезда. И книг с упоминанием Кэрол Гиллиган написано много, значительно больше, чем о Вацлаве Гавеле или Роберте Рэдфорде. Если бы «флава» и слава были одним и тем же, то именно эта ученая дама была бы самым прославленным представителем своего поколения.

Но давайте будем реалистами. Кэрол Гиллиган знаменита не больше, чем Роберт Рэдфорд. О ней больше говорят в книгах, поскольку она представляет тип личности, интересный для создателей книг, – научная знаменитость и социальный критик. Однако она совсем не тот человек, события из жизни которого могли бы ежедневно освещаться в прессе. Ее портрет вряд ли будет висеть на рекламных щитах, и перед ней вряд ли будут преклоняться девочки-подростки.

Проблема состоит в том, что «флава» не отражает более масштабную картину. Если бы мы приняли во внимание упоминания в выпусках телевизионных новостей, рассказы в таблоидах и на интернет-сайтах, посвященных знаменитостям, или беседы в офисах во время перекуров, то было бы очевидно, что Гавел и Рэдфорд смогут затмить Гиллиган, причем с большим перевесом. Гиллиган занимает лидирующие позиции благодаря тому, что статистики называют ошибкой выборки, – аспект культуры, который мы измеряем с помощью «флавы», дает ей несправедливое преимущество. Это не подлинная слава.

Наша аэродинамическая труба не лишена своих недостатков. Однако они не уникальны. Они вполне вписываются в классическую ошибку, присущую любым измерительным инструментам, с которой ученые и статистики имели дело в течение десятилетий. Помня об этом несовершенстве, мы наверняка сможем разработать более качественные инструменты в будущем.

Связь между «флавой» и подлинной славой отлично иллюстрирует наш общий подход. Привычное для повседневной жизни понятие славы слишком сложно и слишком неточно, чтобы подчиняться количественному анализу. Поэтому мы ищем что-то, что можем измерить (например, «флаву»), и стараемся оставаться максимально близко к изначальной концепции. Результатом становится компромисс – мы создаем своего рода имитатора знаменитости, которого используем в роли подопытного кролика и подвергаем тщательно продуманным экспериментам. Как только в нашем распоряжении появятся более обширные массивы данных, включающие информацию из таблоидов, журналов и научных статей, измеряемая нами «флава» станет уже ненужной и вместо нее будут использоваться более изощренные альтернативы. Аэродинамическая труба Райтов не выдерживает никакого сравнения с турбинами LenSx, создающими поток ветра со скоростью 30 М для тестирования новых космических аппаратов.

Но пока что «флава» вполне подходит для наших целей. И теперь для упрощения давайте больше не будем говорить об этом различии, а станем просто использовать в дальнейшем рассказе слово «слава», ведь «почти знаменитый» – это «достаточно знаменитый».

Итак, что же мы, вооружившиеся новой аэродинамической трубой, можем узнать об аэродинамике взлета личности и механике приземления обратно?

Начав изучать славу с помощью данных n-грамов, мы быстро поняли, что каждая история отличалась от других. Мы попытались найти общие закономерности, однако результаты оказывались довольно противоречивыми и не поддающимися объяснению. По сути, мы просто застряли в бездонной яме с данными.

Чтобы понять, почему это произошло, нам нужно совершить путешествие во времени в 1930 год и попасть в небольшой норвежский городок под названием Кристиансанн. Живший там доктор по имени Кристиан Андворд пытался победить эпидемию, преследовавшую его пациентов и всю страну в целом. Андворд изучал туберкулез, от которого Норвегия страдала в невиданных для наших дней масштабах. К примеру, в норвежском городе Тронхейм более 1% детей, родившихся между 1887 и 1891 годами, умерло от туберкулеза на первом же году жизни. Туберкулез стал причиной смерти половины детей в возрасте между 11 и 15 годами.

При этом стала заметной довольно примечательная тенденция. От десятилетия к десятилетию средний возраст жертв туберкулеза в Норвегии увеличивался. В чем же была причина?

У Андворда (или, по другой версии, у работавшей с ним медсестры) возникла идея. Вместо того чтобы изучать протекание болезни по всей совокупности населения, он разбил его на «когорты», то есть группы людей, родившихся примерно в одно время[125]. Преимущество этого подхода состояло в том, что, учитывая год рождения, Андворду легче было отсекать различные вводящие в заблуждение факторы, такие как голод, от которого могло страдать лишь одно поколение детей. Основной недостаток этого подхода состоял в том, что он требовал значительно большего объема данных, чем те, которые можно было собрать в небольшом городке Кристиансанн.

Андворд, как и Ципф, отправился на поиски данных. К счастью для него и всей истории медицины, норвежское правительство прилагало серьезные усилия для ведения статистики по смертности. Андворд смог получить правительственные данные, охватывавшие период с 1896 по 1927 годы. Он дополнил результаты по Норвегии массивами данных из Англии, Уэльса, Дании и Швеции. Вооружившись всей этой информацией, Андворд стал задавать простые вопросы, волновавшие его прежде, и получать на них ответы. Например, в каком возрасте чаще умирали от туберкулеза люди, родившиеся в 1900 году (когорта 1900 года)? Как это соотносилось с данными когорты 1910 или 1920 года?

Полученные им ответы поражали. Судя по ним, жертвы заболевания могли (вне зависимости от своего года рождения) столкнуться с туберкулезом в возрасте между 5 и 14 годами или в период от 20 до 24 лет. Проведенный Андвордом анализ когорт показал, что туберкулез – это прежде всего болезнь молодых.

Но почему же, если взглянуть на все население, средний возраст жертв туберкулеза увеличивался? Ответ на этот вопрос был получен после того, как Андворд изучил общие данные по заболеваниям – точнее, вероятность того, что член определенной когорты (молодой или старый) в какой-то момент своей жизни умрет от туберкулеза. Когда Андворд принялся изучать все более молодые когорты, он обнаружил, что количество смертельных случаев стабильно уменьшалось. Норвежцы, рожденные в 1920 году, имели меньше шансов столкнуться с туберкулезом в течение своей жизни, чем норвежцы, родившиеся в 1910-м (у которых, в свою очередь, было меньше шансов заболеть, чем у норвежцев, родившихся в 1900 году, и так далее).

Это открытие заставило его взглянуть на возраст по-новому. Дело было не в том, что болезнь распространилась на людей старшего возраста. Андворд сделал вывод о том, что люди, родившиеся раньше, были более уязвимы к заболеванию туберкулезом в течение своей жизни. Немедленным последствием его выводов стала настоящая медицинская «бомба» – молодые норвежцы все лучше противостояли туберкулезу от поколения к поколению. По сути, эпидемия действовала, как убийственная, но очень эффективная кампания по вакцинации. Хотя вывод Андворда был неожиданным и поразительным, он оказался при этом совершенно верным. Но его наследие не ограничилось этим. Метод исследования когорт Андворда превратился в важнейший научный инструмент в области эпидемиологии и общественного здоровья. Идеи Андворда успешно срабатывают каждый раз, когда у нас появляется возможность изучить обширные массивы данных, касающихся состояния здоровья общества. Благодаря Андворду (или, возможно, его медсестре) мы узнали о связи между высоким кровяным давлением и сердечно-сосудистыми заболеваниями, курением и раком легких, уровнем сахара в крови и диабетом, а также о десятках тысяч других корреляций, заставляющих нас испытывать чувство вины при любом нарушении режима питания.

Подобно исследованиям туберкулеза, исследования славы пронизаны массой фактов и идей, связанных с различиями между поколениями. Например, изобретение Интернета оказало огромное влияние на то, как люди становятся знаменитыми. В нашем изначальном исследовании подобные факторы практически не позволяли увидеть, что же происходит на самом деле.

Наконец мы сделали то, что сделал бы любой хороший ученый, ищущий данные. Мы спросили себя: WWAD (What Would Andvord Do – «Что бы сделал Андворд»)? Внезапно нам стало понятно – мы должны использовать метод когорт, то есть относиться к славе как к болезни.

В то время мы только что познакомились с Адрианом Вересом[126]. Этот по-настоящему талантливый старшекурсник кое-что знал о мировой славе – он получил первый приз на международной научной и инженерной выставке, проводившейся при поддержке компании Intel, после чего в его честь была названа одна малая планета (921758 Adrianveres).

Работая с Адрианом, мы занялись созданием когорт, состоявших из представителей каждого поколения, серьезно прославившихся, – людей уровня Марка Твена, Ганди или Рузвельта. Мы решили заняться изучением людей, рожденных в промежутке между 1800 и 1950 годами. Взяв более ранний период, мы столкнулись бы с ситуацией низкого качества данных. А взяв более поздний период, мы не смогли бы отслеживать славу в течение достаточно длительного времени – зачастую человек, рожденный в 1950 году, становился знаменитым лишь в 80-е или даже 90-е, так что у нас было бы слишком мало данных для анализа по годам. Адриан проанализировал данные сотен тысяч людей, изучая частоту упоминания их полных имен (к примеру, «Марк Твен»). Для каждого года за период между 1800 и 1950 годами он составил список из пятидесяти самых знаменитых людей, родившихся в том же году. Это была крайне впечатляющая работа с учетом того, что на родной планете Адриану исполнилось всего шесть лет[127]. Если приравнять известность к болезни, то списки Адриана содержали 7500 наиболее пострадавших жертв недуга[128].

Группы представляли собой крайне интересную выборку людей, шедших к славе совершенно разными путями[129]. Возьмем, к примеру, когорту или класс 1871 года. Пятьдесят самых знаменитых людей, родившихся в 1871 году, включали в себя Орвилла Райта, нашего вдохновителя, ставшего знаменитым после того, как научился летать. Эрнест Резерфорд стал знаменитым за свои выдающиеся научные эксперименты, доказавшие существование атомного ядра. А Марсель Пруст стал знаменитым благодаря своему писательскому таланту.

Чемпионом класса 1871 года – то есть самым знаменитым человеком, родившимся в 1871 году, – был Корделл Халл. Никогда не слышали этого имени? В наши дни он почти неизвестен, однако в дни своей славы Халл считался поистине титанической фигурой. Этот сенатор США со временем стал госсекретарем и прослужил на этом посту дольше, чем кто-либо другой. Его 11 лет работы с президентом Франклином Делано Рузвельтом совпали, помимо прочего, с годами Второй мировой войны. Халл играл огромную роль в создании ООН и получил за свои усилия Нобелевскую премию мира. Рузвельт называл Халла «отцом Организации Объединенных Наций». Да, у этого класса был по-настоящему крупный чемпион.

Практически в каждом классе можно встретить примеры потрясающих биографий. Так, в класс 1904 года входят чилийский поэт Пабло Неруда, художник-сюрреалист Сальвадор Дали и Роберт Оппенгеймер, лидер «Манхэттенского проекта», создавшего первую атомную бомбу. Его чемпион – китайский лидер Дэн Сяопин. Чемпионом 1899 года был Эрнест Хэмингуэй; но кроме него в классе были аргентинский писатель Хорхе Луис Борхес, актеры Фред Астер и Хамфри Богарт, легендарный режиссер Альфред Хичкок и гангстер Аль Капоне. Думается, что вы бы вряд ли отказались от предложения пойти на званый ужин с представителями этого класса.

В списке ниже перечислено 150 чемпионов. Давайте посмотрим, много ли имен вы сможете узнать. Это можно считать самым объективным тестом по истории, какой только бывает. Имена в списке никак не отражают ни нашего мнения о том, кого вы должны знать, ни мнений преподавателей мировой истории или научных авторитетов. Вместо этого они отражают совокупное мнение всех, кто когда-либо писал книгу на английском языке, начиная с 1800 года[130].

1800 Джордж Бэнкрофт

1801 Бригам Янг

1802 Виктор Гюго

1803 Ральф Уолдо Эмерсон

1804 Жорж Санд

1805 Уильям Ллойд Гаррисон

1806 Джон Стюарт Милль

1807 Луи Агассис

1808 Наполеон III

1809 Авраам Линкольн

1810 Лев XIII

1811 Хорас Грили

1812 Чарльз Диккенс

1813 Генри Уорд Бичер

1814 Чарльз Рид

1815 Энтони Троллоп

1816 Расселл Сейдж

1817 Генри Дэвид Торо

1818 Карл Маркс

1819 Джордж Элиот

1820 Герберт Спенсер

1821 Мэри Бэйкер Эдди

1822 Мэттью Арнольд

1823 Голдвин Смит

1824 Стоунволл Джексон

1825 Бейярд Тейлор

1826 Уолтер Бэджет

1827 Чарльз Элиот Нортон

1828 Джордж Мередит

1829 Карл Шульц

1830 Эмили Дикинсон

1831 Сидящий Бык

1832 Лесли Стивен

1833 Эдвин Бут

1834 Уильям Моррис

1835 Марк Твен

1836 Брет Гарт

1837 Гровер Кливленд

1838 Джон Морли

1839 Генри Джордж

1840 Неистовый Конь

1841 Эдуард VII

1842 Альфред Маршалл

1843 Генри Джеймс

1844 Анатоль Франс

1845 Элиу Рут

1846 Буффало Билл

1847 Эллен Терри

1848 Грант Аллен

1849 Эдмунд Госсе

1850 Роберт Льюис Стивенсон

1851 Оливер Лодж

1852 Брэндер Мэттьюз

1853 Сесил Родс

1854 Оскар Уайльд

1855 Джосайя Ройс

1856 Вудро Вильсон

1857 Пий XI

1858 Теодор Рузвельт

1859 Джон Дьюи

1860 Джейн Аддамс

1861 Рабиндранат Тагор

1862 Эрвард Грей

1863 Дэвид Ллойд Джордж

1864 Макс Вебер

1865 Редьярд Киплинг

1866 Рамсей Макдональд

1867 Арнольд Беннетт

1868 Уильям Аллен Уайт

1869 Андре Жид

1870 Фрэнк Норрис

1871 Корделл Халл

1872 Шри Ауробиндо

1873 Эл Смит

1874 Уинстон Черчилль

1875 Томас Манн

1876 Пий XII

1877 Айседора Дункан

1878 Карл Сэндберг

1879 Альберт Эйнштейн

1880 Дуглас Макартур

1881 Пьер Тейяр де Шарден

1882 Вирджиния Вульф

1883 Уильям Карлос Уильямс

1884 Гарри Трумен

1885 Эзра Паунд

1886 Ван Вик Брукс

1887 Руперт Брук

1888 Джон Фостер Даллес

1889 Джавахарлал Неру

1890 Хо Ши Мин

1891 Ху Ши

1892 Рейнгольд Нибур

1893 Мао Цзэдун

1894 Олдос Хаксли

1895 Георг VI

1896 Джон Дос Пассос

1897 Уильям Фолкнер

1898 Гуннар Мюрдаль

1899 Эрнест Хэмингуэй

1900 Эдлай Стивенсон

1901 Маргарет Мид

1902 Толкотт Парсонс

1903 Джордж Оруэлл

1904 Дэн Сяопин

1905 Жан-Поль Сартр

1906 Ханна Арендт

1907 Лоренс Оливье

1908 Линдон Джонсон

1909 Барри Голдуотер

1910 Мать Тереза

1911 Рональд Рейган

1912 Милтон Фридман

1913 Ричард Никсон

1914 Дилан Томас

1915 Ролан Барт

1916 Чарльз Райт Миллс

1917 Индира Ганди

1918 Билли Грэм

1919 Дэниел Белл

1920 Ирвинг Хау

1921 Реймонд Уильямс

1922 Джордж Макговерн

1923 Генри Киссинджер

1924 Джимми Картер

1925 Роберт Кеннеди

1926 Фидель Кастро

1927 Габриэль Гарсия Маркес

1928 Че Гевара

1929 Мартин Лютер Кинг-мл.

1930 Жак Деррида

1931 Михаил Горбачев

1932 Сильвия Платт

1933 Сьюзан Зоннтаг

1934 Ральф Нейдер

1935 Элвис Пресли

1936 Кэрол Гиллиган

1937 Саддам Хусейн

1938 Энтони Гидденс

1939 Ли Харви Освальд

1940 Джон Леннон

1941 Боб Дилан

1942 Барбра Стрейзанд

1943 Терри Иглтон

1944 Раджив Ганди

1945 Даниэль Ортега

1946 Билл Клинтон

1947 Салман Рушди

1948 Кларенс Томас

1949 Наваз Шариф

Нам стало интересно, насколько хорошо сумеют узнать этих самых знаменитых людей прошлого, поэтому мы провели совершенно ненаучный опрос. Мы спросили об этом преподавателя истории в Гарварде, и он узнал 116 из 150. Знакомый нам студент-старшекурсник узнал 123; журналист – 103; недавний выпускник колледжа – 73; русский физик-теоретик – 58; студент-сингапурец младшего курса – 35.

И хотя люди сильно отличались по тому, чьи имена они узнавали, некоторые чемпионы, такие как чемпион 1868 года Уильям Аллен Уайт, влиятельный газетный редактор и важный деятель прогрессивного движения, или чемпион 1886 года Ван Вик Брукс (историк, лауреат Пулитцеровской премии и один из первых биографов Марка Твена), оказались не знакомыми никому. Вы еще помните, кто такой Корделл Халл? К сожалению, это имя вспомнил лишь преподаватель истории.

Тот факт, что мы узнаем не все из перечисленных имен, по-своему весьма примечателен[131]. Изучая историю в школе, мы узнаем о тысячах личностей. Однако их список отражает выбор, мнение составителя учебника о том, кто важнее. К примеру, Дикинсон пошло на пользу принятое уже после ее смерти мнение литературных критиков о том, что ее труд заслуживает признания (несмотря на то, что в годы ее жизни так почти никто не считал). Мы наделяем людей, принимающих подобные решения, огромными полномочиями – правом формировать наше видение истории. И порой мы не до конца понимаем, как велика их власть.

С другой стороны, даже беглого взгляда на этот список достаточно, чтобы понять, что он вряд ли может быть основой для рассказов нашим детям о массе исторических событий. Из 150 чемпионов лишь 12 – это женщины; подавляющее большинство – это белые мужчины. У списка есть свои собственные глубокие искажения.

Кто в этом виноват? Вовсе не создатели списка. У него есть свои недостатки, но личная предвзятость точно к ним не относится. Мы всего лишь обработали цифры. Скорее, искажение, которое мы наблюдаем, связано с коллективной ответственностью подлинных авторов списка – всех, кто когда-либо написал книгу. Это – искажение исторического плана. И на каком-то уровне оно должно отражаться не только в нашем списке, но и во всех исторических исследованиях. Историки читают книги десятками, а мы – миллионами, но мы все делаем выборки из одной и той же огромной коллекции. Никто не обладает иммунитетом против ошибки выборки. У статистики, в отличие от истории, нет своих любимчиков.

Разумеется, в утверждении, что исторические данные сильно искажены, нет ничего нового. Но вот что помогают сделать данные n-грамов, так это проводить измерения этого искажения и понемногу показывать нам, в чем мы ошибались. А если мы будем знать о том, какие искажения были у нас прежде, то, возможно, не допустим тех же ошибок вновь.

Энди Уорхол как-то раз сделал остроумное наблюдение об ускользающей природе славы. Однако мы полагаем, что он ошибся с цифрами.

Давайте воспользуемся для выявления его ошибки нашим Залом славы. При ближайшем рассмотрении каждая из этих знаменитостей выглядит совершенно непохожей на остальных. Некоторые из них росли вундеркиндами. Взлет других пришелся на поздние годы. У кого-то было несколько талантов, а кто-то делал то, что удавалось ему лучше остального. У одних карьера была долгой и полной достижений, а другим удавалось создать всего один «хит». Однако в перспективе все эти различия стираются и четче проступают общие черты. В этом и состоит великая сила метода когорт Андворда.

Глядя на усредненное поведение пятидесяти самых знаменитых людей, родившихся в 1871 году (класс Корделла Халла), мы видим общие черты, позволяющие лучше нарисовать типизированный портрет класса 1871 года. То же самое можно сделать для класса 1872 года. Мы вновь видим общую форму. Примечательно, что, хотя класс 1872 года состоит из 50 совершенно разных людей, форма средней кривой славы выглядит почти одинаковой. Фактически кривая выглядит почти одинаково для каждого из 150 изученных нами классов. Она типична для стиля жизни знаменитых людей. Если бы слава была физикой, это можно было бы назвать Единой теорией величия (или другим выражением со словом «теория»).

Давайте посмотрим на это внимательно.

Сначала ничто не указывает на будущее положение дел: в течение длительного периода времени члены класса почти никогда не упоминаются в книгах. В этом нет ничего удивительного. Когда 12-летний Орвилл Райт катался на велосипеде, никто не писал книг о его фантазиях на тему того, что когда-нибудь он полетит.

Потом, через несколько десятилетий после своего рождения, члены класса дебютируют на социальной сцене. Под дебютом мы имеем в виду то, что средняя частота их упоминания начинает превышать 1 на миллиард слов, – в предыдущей главе мы уже говорили, что, начиная с такой частоты употребления, слово может претендовать на включение в словарь. С нашей точки зрения, если кто-то знаменит, то он вполне заслуживает включения своего имени в словарь.

Однако это не просто дебютанты. Появление этих людей на сцене не сопровождается резким всплеском интереса, после которого следует еще более быстрое падение. Вместо этого класс 1871 года, как и любой другой класс знаменитых людей, врывается на сцену с невероятной энергией. Слава его членов растет с огромной скоростью. Каждые несколько лет средняя частота упоминаний удваивается и за период нескольких десятилетий достигает колоссальных высот. Выражаясь языком математиков, рост происходит по экспоненте – подобно эпидемии или вирусному видео. Этот класс исполняет бравурный марш по великой сцене истории.

Наконец, в возрасте 75 лет класс 1871 года достигает своего пика. С точки зрения цифр он преодолевает вершину. А затем в его жизни наступает совершенно новый и незнакомый этап – бывшая молодежь вступает в период медленного снижения, которое будет продолжаться в течение столетий.

Эта форма: дебют, рост по экспоненте, пик и медленное снижение – универсальна для всех изученных нами классов. Однако между классами имеются значительные отличия, которые можно описать с точки зрения трех параметров: возраста на момент дебюта, скорости их экспоненциального роста и скорости снижения после достижения пика. С математической точки зрения для описания этой кривой нужен и четвертый параметр – возраст, в котором класс проходит через пик. Однако, как показали наши измерения, различия здесь незначительны. Все классы достигают пика примерно через три четверти столетия после своего рождения.

Давайте поговорим о возрасте совершения дебюта, когда класс становится настолько знаменитым, что половина его членов обсуждается так же часто, как типичное слово в словаре. Для класса 1800 года это произошло в возрасте 43 лет. «Неплохо, – подумали мы, вспомнив о собственном возрасте, – у нас еще есть время».

Однако дальше возраст дебюта становится все меньше и меньше. По сути, к середине XX века он снизился до 29 лет.

Этот факт заставляет задуматься: ко времени достижения 29-летнего возраста половина класса 1950 года достигла (в книгах, написанных на английском языке) частоты упоминания словарного уровня. И это сделало их очень и очень знаменитыми.

Большинство из нас это должно отрезвить. Например, на момент описываемого открытия Жану-Батисту было 29 лет. Иными словами, у него еще оставалась надежда стать знаменитым, хотя время уже поджимало. А вот Эрецу уже стукнуло 30. И он уже опоздал.

Эта информация особенно важна, если ваша цель состоит в том, чтобы стать одним из самых знаменитых людей вашего поколения. Для наших амбициозных читателей – подростков и двадцатилетних – это должно послужить мягким напоминанием о том, что пора приниматься за дело. Читатели в возрасте за 30 должны помнить, что они уже опаздывают. Читателям старше 40 уже может потребоваться помощь со стороны. Мы обсудим этот вопрос в следующем разделе (не расстраивайтесь раньше времени – существуют специальные стратегии для достижения славы и в золотые годы).

Дело не ограничивается тем, что люди становятся знаменитыми в более молодом возрасте, – их слава еще и быстрее растет. В случае класса 1800 года для удвоения славы потребовалось около 8 лет – иными словами, между их дебютом в возрасте 43 лет и пиком в возрасте 75 лет проходило четыре удвоения. Для класса 1950 года время удвоения шло значительно быстрее и составляло около трех лет.

В результате, хотя форма кривой остается той же самой, более молодые классы становятся значительно более знаменитыми, чем старые. Иными словами, слава представляет собой нечто обратное туберкулезу. Кривая выглядит одинаковой для каждой когорты, однако более молодые когорты оказываются не более устойчивыми к славе, а, наоборот, быстрее ее добиваются. Самые знаменитые люди из ныне живущих значительно более знамениты, чем их предшественники.

Чтобы оценить, насколько знаменитыми могут стать эти классы, стоит сравнить их с объектами, с которыми мы сталкиваемся каждый день. Давайте взглянем на обычный прилавок с овощами. На своем пике 2-грам «Билл Клинтон» встречался почти так же часто, как слово «латук», в два раза чаще слова «огурец» и почти на 50% чаще слова «помидор». Клинтон успешно обставил такие овощи из второй лиги, как репа и цветная капуста. Мы даже не говорим о печальной судьбе брюквы и кольраби.

Третий параметр изучает, насколько быстро слава снижается после пика. Подобно радиоактивному элементу или неправильному глаголу, слава знаменитости имеет период полураспада, то есть период времени, в течение которого она снижается вполовину. Короче становится и временная шкала для этого параметра. В 1800 году этот период полураспада составлял 120 лет. К 1900 году период полураспада снизился до 71 года. Люди становятся более знаменитыми, но их быстрее забывают. Так что забудьте о том, что говорил какой-то уже забытый нами парень, – на самом деле в современном мире у любого человека будет лишь семь с половиной минут на то, чтобы получить свою толику славы.

К счастью, в высшей степени знаменитым людям беспокоиться не о чем. Им стоит помнить историю о человеке, который, услышав на научной конференции о том, что Солнце погаснет через 4,5 миллиарда лет, облегченно выдохнул и воскликнул на весь зал: «Слава Богу! Я думал, что это будет через 4,5 миллиона». К тому моменту, как сокращение периода полураспада славы приведет к серьезным последствиям, все в высшей степени знаменитые люди будут в высшей степени мертвы.

Возможно, кое-кто из вас достаточно молод и еще не принял судьбоносное решение: «Кем я хочу стать, когда вырасту». Стоит ли вам стать писателем, вдохновляющим аудиторию силой слова? Актером, создающим новую жизнь с помощью мастерской имитации эмоций? А может быть, вам стоит стать певцом? Танцором? Учителем? Офицером полиции? Политиком? Рок-звездой? Хотите ли вы стать первым космонавтом, который пройдется по поверхности Марса, или новым Пабло Пикассо? Вам открыты любые пути.

Одна из основных проблем при выборе карьеры связана с отсутствием серьезных данных, позволяющих понять, как будет выглядеть ваша жизнь при выборе того или иного варианта. Именно поэтому, когда вы спрашиваете людей, что вам стоит сделать в своей жизни, их ответы часто звучат крайне расплывчато.

Но мы привыкли работать с цифрами. Все эти советы вроде «следуй за свои счастьем» совсем не в нашем стиле. Вместо этого мы поделимся с вами холодной и жесткой статистикой – количественными данными, которые помогут вам принять сложное решение.

Разумеется, при этом мы предполагаем, что ваша единственная цель состоит в том, чтобы стать очень и очень знаменитым.

Мы собрали «фокус-группы», состоявшие из знаменитостей, родившихся между 1800 и 1920 годами и разделенных по роду занятий. Мы изучили шесть возможных вариантов карьеры: актер, писатель, политик, ученый, художник и математик. В каждом случае в фокус-группу было включено 25 самых знаменитых представителей профессии. Если вы собираетесь стать фондовым брокером, бариста или персонажем комикса, то, увы, вам не повезло – на нашем графике на них не хватило места.

Разумеется, вы хотите не просто знать, насколько знаменитым можете стать в каждой профессии. Известность ничего не значит, если вы уже мертвы или слишком стары, чтобы ею насладиться. Это все равно что согласиться на высокооплачиваемую работу, при которой первая зарплата придет к вам через несколько столетий. Чтобы принять взвешенное решение, вам нужно знать, насколько знаменитым вы будете в течение своей жизни (предполагая, что все идет как надо и что вам удается стать одним из самых знаменитых людей в своей области). И мы подготовили для вас график, на котором изображен ответ именно на эти вопросы.

График очень вам поможет при принятии решения.

Если вы хотите стать молодым и знаменитым, вам стоит стать актером. Зачастую актеры становятся знаменитыми ближе к 30 годам или чуть позже, и на то, чтобы наслаждаться славой, у них остается вся жизнь. Однако изученные нами актеры жили до эпохи такого СМИ, как телевидение (способного резко раскрутить их карьеру), и никогда не становились столь же знаменитыми, как некоторые представители других групп.

Если же вы хотите немного отсрочить свой взлет, то вам имеет смысл стать писателем. Обычно писатели становятся знаменитыми ближе к сорока годам, но лучшие из них – те, чьи произведения считаются великой классикой, – со временем стали куда более знаменитыми, чем актеры. Особенно это заметно на примере книг – писателям очень нравится писать о других писателях (и вновь ошибка выборки – n-грамы создают для них своего рода эквивалент «игры на своем поле»).

В противовес тому, что вы, возможно, думали, успешная политическая карьера не может принести быструю славу. Обычно политики становятся знаменитыми после 40, 50, а то и 60 лет – именно к этому возрасту самые знаменитые политики могут стать президентом Соединенных Штатов (в одиннадцати из 25 случаев) или стать главой другого государства (еще в девяти случаях), а степень их славы затмевает славу двух других групп. Так что если вам за 50 и вы еще не решили удалиться от дел, политика открывает для вас перспективы.

Затем мы взглянули на ученых. Со временем самые знаменитые ученые стали почти такими же знаменитыми, как актеры, однако на это им потребовалось значительно больше времени. Они пришли к славе не к 20, а к 60 годам. Меньше славы, дольше ждать. Иными словами, быть звездой телесериала «Теория Большого взрыва» и изображать ученого куда лучше, чем изучать саму эту теорию.

Еще хуже – рисовать картины теории Большого взрыва или чего-либо еще. Художники из нашего списка проявили себя неудачниками. Они ждали славы так же долго, как ученые, но степень их славы оказалась вполовину меньше.

Если вы хотите стать знаменитым, то худшее, что вы можете сделать, – это пойти по нашим стопам и заняться изучением математики.

Вам может показаться, что это не так. В конце концов, говорят, что математики добиваются больших успехов в юном возрасте, а потом могут задрать ноги на стол и расслабиться. Например, Карл Фридрих Гаусс в возрасте 19 лет изобрел модульную арифметику, доказал закон квадратичной взаимности, сформулировал теорему простых чисел (одно из глубочайших и самых фундаментальных открытий в области математики), а также много работал над темой глубокого разложения целых чисел на треугольные. И он не просто сделал все это к 19 годам. Все это – плод его работы всего за три месяца. Вот же выскочка!

К сожалению, проблема состоит в том, что публике в целом безразлично, что делают математики наподобие молодого Карла Фридриха. Ко времени, когда математики в нашей фокус-группе смогли достичь более-менее приемлемого уровня славы, большинство из них уже умерло. Математика не сделает вас знаменитым. ЧТД.

Мы знаем, насколько быстро происходит превращение обычного человека в знаменитость, как быстро его потом могут забыть и даже какая именно карьера приводит к славе. Но невозможно завершить обсуждение славы и n-грамов, не задавшись очень простым вопросом: кого же в конечном итоге можно считать самыми знаменитыми людьми, рожденными в последние два столетия?

Для изучения самых знаменитых людей нам было нужно немного изменить метод. Использованная нами до сих пор стратегия – отслеживание упоминания их полных имен – отлична для изучения одного человека или нескольких людей с течением времени. Однако при сравнении различных людей между собой возникает целый ряд эффектов, из-за которых частота полного имени перестает быть хорошим инструментом.

Рассмотрим, к примеру, следующий, совершенно неудивительный факт. Описывая человека, авторы склонны использовать его фамилию чаще, чем полное имя. Если вы видите слово «Эйнштейн», то шансы на то, что предыдущим словом было «Альберт», составляют лишь один из десяти.

Однако если имя и фамилия человека представляют собой односложные слова, люди будут писать их полные имена значительно чаще. Если вам встретилось слово «Твен», то шансы на то, что предыдущим словом было «Марк», составляют выше 50%.

Самый простой способ решить эту проблему состоит в том, чтобы перестать отслеживать упоминания полного имени человека и начать вместо этого отслеживать лишь фамилии. Дополнительное преимущество этого метода состоит в том, что вы (по уже указанным выше причинам) можете выловить значительно больше упоминаний. Основной же недостаток состоит в том, что некоторые невероятно знаменитые люди, такие как Франклин Делано Рузвельт и Тедди Рузвельт, имеют одну и ту же фамилию. Оба они влияют на частоту появления фамилии «Рузвельт» в наших данных, что не позволяет нам однозначно оценить вклад каждого из них.

Следует отметить и еще одну важную вещь – наш подход не делает различий между доброй и дурной славой. Данные n-грамов не дают нам должного контекста, должного количества слов, появляющихся до или после имени, чтобы понять, упоминалось ли оно в положительном или отрицательном смысле.

Но, увы, насколько бы интересными ни казались нам эти вопросы, придется пока что их отложить на потом. На данном этапе игры списки вроде нашего могут считаться промежуточным решением – наподобие аэродинамической трубы в стиле Райтов и уж точно не турбиной LenSx.

Итак, вот список десяти наиболее знаменитых людей, родившихся в последние два столетия:

Спутник, запущенный СССР в 1957 году, захватил воображение всего мира и провозгласил начало космической гонки. Эту гонку Соединенные Штаты Америки выиграли 21 июля 1969 года, когда два американца приземлились на поверхности Луны и отправились на прогулку.

Точнее, космическую гонку выиграл Нил Армстронг, пролетевший 239 000 миль, чтобы стать первым человеком, прошедшим по поверхности внеземного мира. Возможно, вы о нем слышали.

Скорее всего, вы гораздо меньше слышали о другом американском герое, Баззе Олдрине. Олдрин также прошелся по поверхности Луны, тем самым исполнив мечту человечества, существовавшую десятки тысяч лет. И он также сделал это 21 июля 1969 года. Но он не был первым – Олдрин проделал свой «небольшой шаг» через 19 минут и одну сотую секунды после Армстронга.

В результате он знаменит примерно в 5 раз меньше[134]. Мораль этой истории – если вы планируете сделать нечто легендарное, то сделайте это до своего 29-минутного перерыва на кофе.

Миллионы голосов, отраженных в книгах, рассказывают долгие и невероятно интересные истории о нашей культуре и истории. Но далеко не каждый голос хранится на наших книжных полках. И иногда молчание недостающих голосов может быть услышано и звучать громче всего остального.

Одним из людей, голос которых оказался почти не услышанным в нашей культуре, оказалась Хелен Келлер. Эта женщина, родившаяся в 1880 году, была глухой и слепой вследствие болезни, перенесенной в возрасте 19 месяцев. Келлер росла в эпоху, когда подобные болезни практически лишали людей возможности получить образование. Однако ей это удалось. Будучи первым слепым и глухим человеком, которому удалось получить степень бакалавра, Келлер постепенно стала влиятельной писательницей, политическим деятелем и защитницей прав инвалидов. В итоге она превратилась в героиню для миллионов, подлинный символ триумфа человеческого духа над серьезными трудностями.

Но в один из самых темных моментов в человеческой истории Келлер пришлось противостоять еще одной попытке лишить ее (как и множество других) голоса.

В 1933 году в Германии нацисты постепенно пришли к власти, стремясь к контролю над правительством, людьми и даже культурой страны. Одной из практикуемых ими мер была борьба с книгами, которые, по мнению властей, придерживались «антигерманского духа». По призыву нацистских лидеров банды студентов силой изымали такие книги из библиотек и магазинов и сжигали их по всей Германии. В число авторов, вошедших в черный список, попала и Хелен Келлер.

Ответ Келлер – открытое письмо, опубликованное на первой странице газеты New York Times и множества других, – был и остается вечным образцом крика души[136]:

Страстный аргумент Келлер: «Если вы считаете, что можете убить идеи, то история вас ничему не научила» – нашел отклик по всему миру. Он вызвал настоящий международный фурор, постепенно вынуждая нацистскую пропагандистскую машину говорить о книгосожжении как о неофициальных «спонтанных действиях германской студенческой ассоциации».

Келлер выразила мнение мирового сообщества, но была ли она на самом деле права? Действительно ли можно убить идею? Наши поиски ответа на этот вопрос заставляют изучить темную сторону интеллектуального выражения человечества – мир цензуры, подавления и забвения[137]. И мало что позволяет проникнуть в эту темную реальность больше, чем жизнь одного из самых знаменитых мастеров XX столетия, художника Марка Шагала.

Этот ответ на вопрос, как научиться рисовать, данный соучеником, запустил невероятную карьеру Мойше Шагала[139], превратившую сына торговца селедкой из белорусского города Витебск в «важнейшего еврейского художника XX столетия» Марка Шагала[140].

Шагал, первопроходец модернистского движения, был одним из ведущих художников середины XX века. Он знаменит прежде всего своими витражами. Его работа «Окна Иерусалима», представляющая собой уникальное слияние цвета, стекла и света, является национальным памятником Израиля – она даже изображалась на почтовых марках страны. Витражи Шагала украшают здания ООН и освещают множество соборов по всей Европе. «Когда умрет Матисс, – сказал однажды Пабло Пикассо, – Шагал останется единственным художником, который по-настоящему разбирается в цвете» [141].

Как и многие другие люди, о которых шла речь в предыдущей главе, Шагал стал знаменитым в молодом возрасте. После революции 1917 года в России, когда Шагалу было всего 30 лет, ему предложили должность комиссара по делам искусств Советской России[142]. Однако война и голод сделали свое дело. Вскоре Шагал уехал на запад, в Париж, несмотря на то, что был одним из самых знаменитых молодых художников в России.

На момент своего прибытия в Париж в 1923 году Шагал еще не был хорошо известен, и ему пришлось много работать для того, чтобы прославиться. Он отлично понимал, как скажется на его славе и репутации выбор в пользу эмиграции. В письме Павлу Эттингеру, коллекционеру и критику, жившему в России, он признавался:

Пытаясь быть кратким, Шагал суммировал свой недавний опыт, говоря, что «начинают меня замечать здесь, во Франции», но в то же самое время высказывая опасения, что его образ, сформировавшийся на родине, понемногу «исчезает». Эта озабоченность, центральный элемент доверительного письма между старыми товарищами, может найти довольно четкое количественное выражение – как часто люди думают, говорят и пишут о Шагале?

Разумеется, Шагалу недоставало точного способа измерения своей известности и понимания того, в каком направлении развивалась его слава. Однако нам довольно несложно изучить этот вопрос (по крайней мере в той степени, в которой его слава отражается в виде упоминаний в книгах).

Оценка ситуации Шагалом была совершенно точной. Мы уже видим, что он готовится принять решение об эмиграции и почти готов рассказать об этом Эттингеру.

Однако совсем скоро на известность Шагала повлияли события, ему неподвластные. На другом берегу Рейна росла и усиливалась коричневая армада. Оставалось совсем немного времени до того, как авангардные художники типа Шагала получат ярлык «антигерманских». Ситуация Шагала усугублялась еще одним обстоятельством – он был евреем.

В 1920-х годах Германия была настоящей колыбелью искусств. Именно здесь зародились такие направления, как дадаизм, Баухауз, экспрессионизм и кубизм. Однако Адольф Гитлер очень противился этим стилям. Сам он был неудавшимся художником с консервативными вкусами. Кроме того, свободная природа этих новых движений противоречила его плану использовать культуру как некую форму социального контроля.

Для оправдания драконовского контроля над германской культурой, который хотел установить Гитлер, рейх взял на вооружение теории критика по имени Макс Нордау, работавшего на рубеже веков[144]. Нордау утверждал, что многие аспекты современной культуры, такие как авангардное искусство, представляли собой проявление еще не изученных ментальных заболеваний, таких как дисфункция зрительной коры головного мозга[145]. Руководствуясь этой идеей, нацисты полагали необходимым избавить германскую культуру от влияния, которое они называли «еврейским», невзирая на тот факт, что сам Нордау был евреем и к тому же заметной фигурой сионистского движения. В сентябре 1933 года Гитлер позволил Йозефу Геббельсу, рейхсминистру пропаганды, создать Имперскую палату культуры. Миссия этого ведомства состояла в реализации планов Гитлера по очищению германской культуры.

Имперская палата под руководством Геббельса стала одним из самых важных учреждений в области германской культуры. По словам Геббельса, «в будущем лишь члены палаты смогут заниматься продуктивной деятельностью в нашей культурной жизни. Членство открыто лишь для тех, кто соответствует входным критериям» [146]. Помимо прочего, членство в палате требовало предъявления сертификата об арийском происхождении и демонстрации готовности разделить идеологию нацизма. Это давало Геббельсу основания утверждать, что «таким образом все нежелательные и разрушительные элементы будут исключены». Нацисты ограничивали участников не только требованиями в духе Кафки. В июне 1937 года Геббельс назначил Адольфа Циглера, одного из любимых художников Гитлера, на должность главы новой комиссии в составе Имперской палаты. Задача комиссии состояла в конфискации всех предметов искусства, которое нацисты считали дегенеративным, из частных и государственных собраний по всей стране. Будучи еврейским экспрессионистом-сюрреалистом, Шагал оказался под ударом, и вскоре его работы стали исчезать из Германии. Та же судьба ждала тысячи других «дегенеративных» объектов искусства, включая работы многих знаменитых теперь художников – Жоржа Брака, Поля Гогена, Василия Кандинского, Анри Матисса, Пита Мондриана и Пабло Пикассо. Некоторые из конфискованных работ были уничтожены, кое-какие хранились у нацистских лидеров, а многие были спрятаны в тайных убежищах типа соляных копей Альтаусзее. Влияние этих действий на мир искусства сложно переоценить (когда картина Эдварда Мунка «Крик» была выставлена в Нью-Йоркском музее современного искусства в 2012 году, наследники немецкого банкира еврейского происхождения, которому когда-то принадлежала эта работа, настойчиво просили, чтобы сотрудники музея разместили рядом с картиной информацию о том, что их отец был вынужден продать ее после прихода нацистов к власти[147]).

Дело не ограничилось конфискацией предметов авангардного искусства и запретом на деятельность его создателей. Геббельс и Циглер не просто хотели уничтожить современное искусство в Германии, они хотели дискредитировать его. И для этого они решили организовать две выставки в Мюнхене. На первой были представлены работы художников, получивших одобрение режима. На второй были представлены работы, которые Циглер и его подручные повсюду безжалостно конфисковали. В своей речи 1937 года, произнесенной на открытии выставки, Циглер заявил: «Немецкий народ, приходи и суди сам!»

Первая выставка, получившая название «Большая германская художественная выставка», была одной из самых масштабных художественных экспозиций в современной истории. По сути, выставлялись не только сами произведения – выставка проводилась в Доме искусства, новом монументальном музейном здании, представлявшем собой шедевр нацистской архитектуры. На выставке были представлены работы одобренных нацистами художников, таких как Арно Брекер, создававший физически безупречные обнаженные фигуры в неоклассицистическом стиле.

Вторая выставка, названная «Дегенеративное искусство», представляла собой собрание множества знаменитых работ, конфискованных Циглером[148]. Там были работы Шагала, Кандинского, Макса Эрнста, Отто Дикса, Макса Бекманна, Пауля Клее и Ласло Мохой-Надя. Однако отношение к этим картинам было совсем не таким, как на Большой германской художественной выставке.

Для начала выставка проводилась не в монументальном новом музее. Вместо этого картины были развешаны в небольшом помещении на втором этаже здания, где когда-то размещался германский Институт археологии. Попасть туда можно было только по узкой лестнице. Сами картины висели очень близко друг к другу, криво и порой даже без рам. Зачастую рядом с ними висел ярлык, показывавший, сколько заплатил музей за их приобретение. Поскольку многие картины были куплены в 1920-х годах, когда в Германии была гиперинфляция, эти цифры казались невообразимыми.

Развеска была хаотической за исключением разделов, посвященных работам, которые, по мнению нацистов, оскорбляли религию или немецкие военные и семейные устои. Стены пестрили лозунгами, напоминавшими граффити: «Сознательный саботаж национальной обороны», «Идеал – кретин и шлюха», «Так душевнобольные видят природу», «Надругательство над немецкой женщиной» и «Еврейское стремление к безумию находит свое выражение – в Германии негр становится расовым идеалом дегенеративного искусства». Из 110 авторов выставленных картин лишь шестеро были евреями, и их работы помещались в отдельном «еврейском» зале. Тем не менее главная мысль выставки состояла в том, что все современное искусство представляет собой «иудео-большевистский» заговор против немецких ценностей.

Короче говоря, выставка «Дегенеративное искусство» не была выставкой в привычном смысле слова. Скорее, это было идеологическое действо, финансировавшееся правительством. Это был элемент пропаганды, цель которого состояла в критике современного искусства, представлении его как морального банкрота, жадного до денег и напрасно расходующего средства налогоплательщиков.

Выставка оказалась невероятно популярной – за первые четыре месяца ее посетило свыше двух миллионов человек, или почти 17 000 людей в день. Она привлекла в пять раз больше посетителей, чем Дом искусства, и эта цифра была и остается рекордной для художественной выставки.

Чтобы понять, насколько высока была посещаемость, стоит напомнить, что самая популярная художественная выставка 2011 года – «Магический мир Эшера» в культурном центре Банка Бразилии – привлекала 9677 людей в день, то есть немногим более половины посетителей «Дегенеративного искусства». В том же 2011 году Нью-Йоркский музей современного искусства организовал крупную выставку «Нью-Йорк абстрактных экспрессионистов», идея которой перекликалась с «Дегенеративным искусством», поскольку это была выставка современных художников региона. Она также оказалась одной из крупнейших в том году и привлекла за 7 месяцев 1,1 миллиона человек, около 5600 человек в день – иными словами, все равно значительно меньше, чем «Дегенеративное искусство».

Факт популярности выставки – это не просто статистика. Огромные толпы усиливали восприятие происходящего, сами становясь частью экспозиции. Вот как описывал это событие один из посетителей:

Таким образом, «Дегенеративное искусство» представляло собой гибрид визуального и актерского действа, в котором работы современных художников выставлялись безвкусным и вводящим в заблуждение образом для того, чтобы вызвать чувство гнева и циничное отношение у каждого из посетителей. Вскоре эта популярная выставка начала путешествовать из города в город, транслируя свой издевательский месседж по всей Германии. Всего ее посетило от 5 до 10% жителей Германии. Как это ни трагично, но именно «Дегенеративное искусство» оказалось самой популярной художественной выставкой всех времен[150].

После проведения «Дегенеративного искусства» современные художники практически не могли больше работать в Германии. Бекманн, Эрнст, Клее и несколько других художников покинули страну. Оставшимся же было запрещено заниматься искусством. Эмиль Нольде, столкнувшийся с таким запретом, тайно продолжил писать акварелью, чтобы его не мог выдать запах краски[151]. Эрнст Людвиг Кирхнер завершил работу, которую начали нацисты, – он покончил с собой.

А что же произошло с Шагалом? Хотя его имя быстро исчезло из германской культуры, Шагал, живший во Франции, поначалу не подвергался угрозе физического насилия. Однако после падения страны в 1940 году Шагал понял, что его жизнь оказалась в опасности. С помощью поддельных виз его семья уехала в США.

Наши n-грамы, рассчитанные на основе книг, опубликованных на немецком языке, позволяют четко увидеть, как развивалось преследование Шагала и его современников нацистами. Между 1936 и 1943 годами полное имя Марка Шагала появляется в германских книгах лишь однажды. Нацисты не смогли убить Шагала. Однако они нашли способ «стереть» его.

Совершавшееся нацистским режимом манипулирование германской культурой не ограничивалось современным искусством, предпринимались попытки изменить каждый аспект немецкой мысли. Мишенью становилась любая концепция, которую режим считал неприемлемой. В этой кампании против идей очередное неминуемое поле битвы было связано с книгами. Менее чем через 10 недель после того, как Гитлер принес присягу канцлера, началась новая война.

Влияние нацизма на германское общество оказалось настолько сильным, что первый залп был сделан даже не правительством. В апреле 1933 года главный студенческий союз в Германии, имевший название «Германское студенчество», инициировал национальную кампанию по очищению немецкой культуры от нежелательных идей.

Всего через несколько дней студенты, сознательно имитировавшие действия Мартина Лютера, развесили по всей Германии плакаты с перечислением «12 тезисов против негерманского духа» [152]. Вот как выглядел тезис номер 7: «Мы хотим обращаться с евреем как с чужим, а нашу народность [Volk] принимать всерьез. Поэтому мы требуем от цензуры: пусть еврейские произведения выходят только на еврейском языке. Если они выходят на немецком языке, то их надо рассматривать как переводы. Строжайше запретить евреям употреблять готический шрифт. Готический шрифт только для немцев. Ненемецкий дух должен быть искоренен из немецкой книжной торговли». Плененный идеями нацистского движения, союз «Германское студенчество» был убежден, что корни проблем Германии кроются (помимо прочего) в библиотеках, в текстах, отражавших «антигерманский дух». Однако у студентов возникла проблема – как мы уже знаем, прочитать все книги в библиотеке практически невозможно. Как узнать, какие книги неправильны?

Для решения этой задачи им понадобился Вольфганг Херрманн, библиотекарь, вступивший в нацистскую партию в 1931 году. Этот малозаметный прежде, часто оказывавшийся безработным человек провел многие годы над составлением списка книг, которые считал упадническими. В своей одержимости Херрманн был дотошен. Он создавал отдельные списки для авторов совершенно разных книг, включая политиков, авторов художественных произведений, философов и историков.

Эти усилия ни к чему бы не привели, если бы не приход Гитлера к власти, благодаря чему карьера Херрманна пошла в гору. Возглавив «комитет по очищению», надзиравший за библиотеками Берлина, он внезапно получил возможность начать свою личную кампанию против того, что сам называл «литературными борделями» Германии. «Германское студенчество» обратилось к Херрманну и попросило поделиться своими кропотливо составленными списками. Тот с готовностью согласился. В течение всего нескольких месяцев никому не известный библиотекарь получил в свое распоряжение целую армию, а под контроль – библиотеки всей Германии.

10 мая 1933 года кампания достигла своего пика. Вооружившись факелами и списками Херрманна, студенты вышли на улицы большинства университетских городов Германии, прошлись по книжным магазинам, библиотекам и школам, предав огню десятки тысяч книг. В Берлине их возглавил сам Геббельс, заявивший, что «эре экстремального еврейского интеллектуализма приходит конец… Будущий немец будет не человеком книг, а человеком характера». К концу мая книги горели в кострах по всей Германии. Гестапо конфисковало 500 тонн книг. Они включали в себя труды Карла Маркса, Фрэнсиса Скотта Фитцджеральда, Альберта Эйнштейна, Герберта Уэллса, Генриха Гейне и, разумеется, Хелен Келлер.

Тем не менее даже это масштабное майское сожжение книг стало всего лишь началом затяжной атаки нацистов на книги в Германии. Херрманн продолжал обновлять свои списки, и они расширились с 500 авторов в 1933 году до нескольких тысяч к 1938 году. Они легли в основу постоянно расширявшегося черного списка, составленного режимом[153]. Эта атака оказала невероятно последовательной. Маргарет Стит Далтон, библиотекарь и историк библиотечного дела, подсчитала, что к 1938 году из публичной библиотеки Эссена, нацистского промышленного центра, исчезло до 69% книг, хранившихся там до установления гитлеровского режима[154]. К их числу относились многие из книг с огромными тиражами. В мире без Интернета сложно даже представить себе глубину влияния, которое оказало исчезновение из публичной сферы столь масштабных объемов информации.

Хотя нам сложно представить себе созданный нацистами мир, в котором многие важные для нас идеи были попросту исключены из национального дискурса, мы можем тем не менее оценить статистическую эффективность цензурных кампаний с помощью n-грамов. Приведенный ниже график показывает уровень известности авторов, перечисленных в различных черных списках Херрманна. Для сравнения мы включили и список нацистов.

Контраст между славой интеллектуалов в черном списке и славой людей, связанных с нацистским режимом, вряд ли может быть более очевидным. И мы своими глазами видим, насколько ужасающе эффективным было нацистское подавление.

Можно сделать и еще одно наблюдение. Как ни странно, но кампания Херрманна показала разные результаты в различных дисциплинах. Например, слава авторов философских и религиозных книг, включенных в его черный список, снизилась во времена Третьего рейха в четыре раза. Слава авторов, писавших о политике, снизилась наполовину – меньше, чем у философов, но все равно заметно. Как ни странно, но для историков включение в черный список не имело практически никакого эффекта: снижение составило лишь около 10%. Используя n-грамы, мы можем куда более четко представить себе очертания нацистской кампании, нацеленной против враждебных идей.

Нацистский режим, вне всякого сомнения, представляет собой самый хорошо задокументированный пример широкомасштабного политического и культурного подавления. Но, хотя это и довольно экстремальный пример, он вряд ли может считаться единственным. Большие данные способны, подобно мощному прожектору, выявить примеры цензуры по всему миру[155].

Некоторые из них произошли достаточно недавно, ближе, чем нам хотелось бы думать.

Через несколько лет после того, как Ленин возглавил революцию в России, в результате которой был создан СССР, с ним случился удар, поставивший под сомнение его способность оставаться лидером. Тут же началась борьба за власть. Ожидалось, что его преемником станет Лев Троцкий, один из лидеров большевиков наряду с Лениным. Однако трое других героев революции: Иосиф Сталин, Григорий Зиновьев и Лев Каменев – сформировали политический альянс, призванный подорвать позиции Троцкого. Стратегия тройки оказалась поистине успешной. Она привела к официальному отстранению Троцкого на XIII партийной конференции, что позволило тройке распределить его прежние должности. После нейтрализации Троцкого Сталин обрушился на своих партнеров по заговору. К 1925 году тройка была распущена и Сталин стал единоличным лидером СССР.

Однако Сталин не был удовлетворен простым карьерным продвижением. В своем стремлении к абсолютной власти он начал систематическую кампанию по подавлению каждого потенциального соперника. Он принялся с одинаковой тщательностью избавляться от старых врагов и недавних друзей. Зиновьев и Каменев были изолированы, изгнаны из партии, предстали перед судом и в 1936 году казнены в ходе так называемого «Большого террора». Уже находясь в изгнании в Мексике, Троцкий был заочно приговорен к смерти в ходе тех же судебных разбирательств. Его дни были сочтены: в 1940 году Сталин отправил убийцу Рамона Меркадера для приведения приговора суда в исполнение. Троцкий, герой революции, умер в Мехико после удара ледорубом по голове.

Однако даже эта история не в полной мере отражает то влияние, какое имел Сталин на своих соперников. Его цель состояла не просто в том, что устранить их. Он хотел уничтожить любые упоминания об их вкладе в революцию, стереть их из памяти соотечественников и остаться единственным главным героем революции. И Сталин во многом преуспел[156].

В течение полувека после казни Троцкого, Зиновьева и Каменева их вклад в революцию (как и вклад множества других людей) полностью игнорировался или сводился к минимуму. Как показывают n-грамы, уровень славы всех трех резко снизился после «Большого террора». Ни смерть Сталина, ни публичное осуждение «Большого террора» Никитой Хрущевым в 1956 году не помогли им занять соответствующее их заслугам место в истории. Со временем произошла их частичная реабилитация. Однако для этого потребовалось несколько поколений – измерения на n-грамах незаметны до начала перестройки и гласности, инициированных Михаилом Горбачевым в конце 1980-х годов.

Сталин не был единственным, кто боялся старых большевиков и их влияния. В Америке после Второй мировой войны резко возросло беспокойство, связанное с распространением идей коммунизма. Были ли коммунисты в США? И если да, то где они жили и что собирались делать? Для изучения этого вопроса палата представителей создала в 1945 году специальный постоянный комитет по расследованию антиамериканской деятельности.

Комиссия, опасавшаяся, что киноиндустрия может стать тайным источником иностранной пропаганды, сфокусировала внимание на возможном влиянии коммунистов на Голливуд. Для начала на слушаниях в 1947 году она ознакомилась с показаниями одобренных ею свидетелей – представителей Голливуда, которых конгрессмены посчитали несомненными патриотами. Несколько из них, в том числе Уолт Дисней и Рональд Рейган (в то время он был президентом гильдии киноактеров), говорили о смертельной опасности коммунизма для киноотрасли. Затем комиссия обратилась к недружественным свидетелям, подозревавшимся в связях с коммунистами. Она надеялась, что эти люди расскажут все, что знают, и назовут имена. В условиях сильного давления многие из них согласились дать показания. Однако десять человек отказались это делать: Алва Бесси, Герберт Биберман, Лестер Коул, Эдвард Дмитрык, Ринг Ларднер-мл., Джон Говард Лоусон, Альберт Мальц, Сэмюел Орниц, Адриан Скотт и Далтон Трамбо. Многие из них были весьма успешны в своем ремесле, а кое-кто даже получил «Оскара». В наши дни эта группа известна под названием «голливудской десятки» [157].

Из-за отказа давать показания «голливудская десятка» была обвинена в неуважении к Конгрессу. Более того, 48 известных продюсеров (включая таких значимых для мира кино людей, как Сэмюел Голдвин и Луис Б. Майер) внесли свою лепту, стремясь лишний раз продемонстрировать свою лояльность. Продюсеры опубликовали заявление, что никому из «голливудской десятки» не будет позволено работать в их студиях до тех пор, «пока эти люди не будут оправданы или не очистят свое имя и не поклянутся под присягой, что не являются коммунистами» [158].

После такого заявления продюсеры создали черный список, не позволявший «голливудской десятке» (а затем и многим другим) найти работу в Соединенных Штатах. Имя участников «голливудской десятки» в течение десяти лет не упоминалось в фильмах, созданных крупнейшими студиями. Влияние на их жизнь и карьеру было немедленным и разрушительным.

Власть Комиссии по расследованию антиамериканской деятельности начала уменьшаться только после падения сенатора Джозефа Маккарти в середине 1950-х годов (хотя цели самого Маккарти часто совпадали с целями комиссии, важно отметить, что он сам не играл в ней никакой роли). Бывший президент Гарри Трумэн поставил точку в этом процессе, заявив в 1959-м, что Комиссия по расследованию антиамериканской деятельности была «самой антиамериканской организацией в стране в наше время» [159]. Лишившись общественной поддержки, черный список оказался обречен на забвение. Наконец в 1960 году он был полностью отменен после того, как Далтон Трамбо был указан в качестве сценариста фильма с красноречивым названием «Исход» [160]. Голливудские изгнанники вернулись обратно на землю обетованную.

Наша история настолько переполнена примерами политического давления, что можно легко переходить от одного к другому. Однако подавление и преследования происходят и сейчас – и возможно, даже сильнее, чем прежде. Один из лучших примеров – наследие пекинской площади Тяньаньмэнь.

Во второй половине XX века на площади произошло два весьма печальных инцидента.

В 1976 году правившая в Китае «банда четырех» расправилась с протестным и траурным митингом на площади Тяньаньмэнь. На площадь пришло около десяти тысяч человек, чтобы выразить свою скорбь по поводу смерти уважаемого в народе премьер-министра Чжоу Эньлая. Хотя площадь и очистили силой, обошлось без человеческих жертв. Инцидент 1976 года оставил сильный отпечаток на китайских n-грамах со значительным скачком при упоминании Тяньаньмэнь («V€А»).

Но другим, гораздо более трагическим и известным событием – в глазах Запада – стала бойня на площади Тяньаньмэнь в 1989 году[161]. На этот раз на площади оказались студенты, собравшиеся из-за известия о смерти важного официального лица, генерального секретаря КПК и сторонника реформ Ху Яобана. И вновь публичное выражение скорби переросло в протесты, в которых, по некоторым оценкам, участвовало до миллиона человек. В ответ на это правительство объявило военное положение и направило в столицу 300 тысяч военнослужащих. 4 июля 1989 года войска вышли на площадь и устроили там невероятно жестокую расправу. Количество смертей точно неизвестно до сих пор, однако многие верят, что оно составляет тысячи.

По всем приметам бойня 1989 года на площади Тяньаньмэнь должна была привлечь внимание всех китайских инакомыслящих и найти свое отражение в китайской культуре.

Но этого не происходит.

После бойни официальные представители китайского правительства приступили к решительным действиям, начав кампанию по цензуре и подавлению информации – удивительную по своей скорости и результативности. В течение года было закрыто более 10% китайских газет, а также целый ряд издательств. По сей день все печатные СМИ, описывающие бойню, должны сверяться с линией правительства. Также мониторингу подвергаются цифровые медиа в рамках масштабной кампании по цензуре в Интернете (часто называемой «Великим китайским файрволом») [162]. Все, кто ищет в Интернете данные на тему «Тяньаньмэнь», видят тщательно отредактированные результаты (в период с 2006 по 2010 г. Google согласилась участвовать в блокаде, инициированной Китаем, хотя затем отказалась от совместных действий с правительством). В результате многие молодые люди в Китае в наши дни почти ничего не знают о событиях 4 июня 1989 года. Во время одного опроса старшекурсники Пекинского университета не смогли распознать образ неизвестного бунтаря, противостоявшего колонне танков и ставшего настоящим символом протестов на площади Тяньаньмэнь.

На Западе упоминания о Тяньаньмэнь не умолкают и после 1989 года. В Китае же был заметен небольшой скачок интереса (даже не приблизившийся к уровню 1976 года) – после чего все вернулось к прежнему состоянию.

Бойня на площади Тяньаньмэнь представляет собой одно из центральных событий в современной истории Китая. Однако ее никто не обсуждает (по крайней мере в печати). Многие о ней даже не знают. Душераздирающий график на стр. 181 представляет собой яркое свидетельство жестокой эффективности цензуры в современном Китае.

Вне зависимости от того, где возникают цензура и подавление, они часто оставляют характерную отметку: внезапное исчезновение определенных слов и фраз. Статистическая подпись этого лексического пробела зачастую выглядит настолько явно, что мы можем использовать цифры – большие данные, чтобы понять, что именно стало объектом цензуры.

Давайте вернемся к нацистской Германии и посмотрим, как это работает. Наша цель состоит в том, чтобы найти людей, слава которых, как и слава Шагала, исчезала во времена Третьего рейха, с 1933 по 1945 год. Мы можем измерить величину этого падения, сравнивая славу человека во времена Третьего рейха со славой до и после этого времени. Если во времена нацистского режима человек упоминался в одном случае на 100 миллионов, а в 20-х и 50-х годах один раз на 10 миллионов, то можно говорить о десятикратном падении. С другой стороны, если частота употреблений в годы нацистского режима вырастает в 10 раз, то можно сказать, что человек был особенно знаменитым именно в этот период и, возможно, извлекал определенную пользу из правительственной пропаганды. Таким образом, мы можем выбирать любое имя и присвоить ему показатель подавления, отражающий величину падения или роста. А это, в свою очередь, помогает нам определить, кто подвергался подавлению со стороны окружавшего общества.

Мы применили этот автоматический детектор в отношении тысяч имен знаменитых людей, живших во времена Второй мировой войны, и создали два совмещенных графика. Первый график, показывает показатель подавления для английского языка. Большинство линий близки к единице – никаких взлетов или падений. Менее чем у 1% изменение в том или ином направлении составило более пяти единиц. В графике нет ничего особенного – результаты для английского языка вполне типичны и очень напоминают то, что мы видели почти во всех языках и почти во все периоды времени.

Второй график, показывает результаты для немецкого языка во времена нацистского режима. Он выглядит совершенно иначе. Прежде всего он не отцентрирован, а смещен немного влево. Большинство людей в той или иной степени подавлялись режимом, у них произошло значительное падение уровня славы. Однако центр сместился не поэтому. Распределение значительно шире и включает в себя куда больше крайних значений. Лишь немногие из них располагаются справа, где мы ожидаем увидеть сторонников правительственной пропаганды. Большинство оказывается далеко слева – свыше 10% людей в нашем списке столкнулись с падением славы в пять и более раз.

Имена слева принадлежат Пикассо и Вальтеру Гропиусу, основателю движения «Баухауз» в изобразительном искусстве, архитектуре и дизайне. Продвинувшись еще левее, вы найдете имя Германна Мааса, протестантского священника, публично осуждавшего нацистов и помогавшего евреям получать визы на выезд из Германии. За эти усилия Рейх начал против него адресную кампанию. Разумеется, мы не первые, кто заметил невероятный героизм Мааса, – в 1964-м Яд ва-Шем, национальный израильский музей холокоста, признал Мааса одним из «Праведников мира».

Нарисовав этот график, мы попросили одну знакомую из Яд ва-Шем самостоятельно решить, руководствуясь инструментами обычного историка, какие имена должны появиться на каждом конце кривой. Мы не предоставили ей доступа к нашим данным или результатам, а также не объяснили ей, почему задаем такие вопросы. Все, что она от нас получила, был список имен. Тем не менее ее ответы в большинстве случаев соответствовали нашим.

Таким образом, наша техника статистического выявления цензуры обеспечивает результаты, идентичные качественным инструментам и традиционным методам традиционного историка[163]. Однако, в отличие от традиционных методов, наш анализ при помощи компьютера может занимать считаные мгновения.

Автоматизированные методики наподобие этой обладают огромным потенциалом для нашей повседневной жизни. Мы все хотим понимать, как влияют цензура, подавление и даже обычные искажения на информацию, которую мы потребляем каждый день. В наши дни целый ряд организаций, обеспокоенных проблемами цензуры, изучают СМИ в определенной области или регионе и заявляют об имеющихся в информации пробелах и упущениях. Однако вследствие того, что сейчас производится все больше информации, становится невозможным прочитать все или даже часть всего. Нам нужны альтернативы, и одной из них вполне могут стать большие данные.

Интересно, что «Википедия» начала не так давно применять присущий большим данным подход к выявлению искажений. На протяжении довольно долгого времени шли споры насчет «антиженского» перекоса в «Википедии» (вследствие того факта, что большинство редакторов «Википедии» – мужчины). Основная часть дискуссии базировалась на неофициальных свидетельствах. Однако теперь мы можем использовать в этом обсуждении статистические методы и данные n-грамов. Цель этой работы состоит в выявлении проблемных тенденций и статей, что дает возможность скорректировать ситуацию.

В будущем такие методы не будут ограничены веб-сайтами, на которых работают в основном волонтеры, на общественных началах. Эти методы заставят правительства вести себя более честно и помогут людям свободно выражать свои мысли.

Всего за несколько коротких лет нацисты прошли огромный путь в деле уничтожения множества великих идей. Им не нравилось современное искусство, поэтому они заставили многие шедевры исчезнуть, сделав исключение лишь ради унизительной выставки «Дегенеративное искусство». Модернисты типа Шагала покинули пределы Европы, перестали заниматься своим делом или были убиты. Современное искусство на тот момент практически исчезло из Германии.

Так стоит ли нам соглашаться с мнением Келлер о том, что «если вы считаете, что можете убить идеи, то история вас ничему не научила»?

С одной стороны, идеи выжили – и мы разговариваем о них прямо сейчас. С другой же стороны, было бы глупо притворяться, что так бы случилось в любом случае. Гитлер проиграл войну. Если бы история приняла другой оборот, то, возможно, его кампания против идей привела бы к их полному забвению.

Однако любая дискуссия на тему цензуры будет неполной, если бы мы не поговорили о непреднамеренных последствиях тактики, использованной подавляющими режимами. Представьте себе, что вы – молодой художник, живущий в Германии и сохраняющий интерес к современному искусству, несмотря на невероятное социальное давление. В этом случае вы наверняка захотели бы посетить выставку «Дегенеративное искусство», где выставлялись многие работы ваших кумиров. Это можно представить себе как своего рода учебную аудиторию (правда, огромную и не всегда дружелюбную).

И это не просто наша фантазия. В 1936 году Шарлотте Саломон удалось поступить в Берлинскую академию художеств, где она оказалась единственной еврейкой из всех учащихся. Она даже получила там премию, хотя та была впоследствии отозвана «по расовым соображениям». Саломон очень интересовалась современным искусством. Когда в ее родной город приехала выставка «Дегенеративное искусство», это стало для нее уникальной возможностью. В конце концов, нацистский режим собрал множество важнейших произведений современного искусства в мире и привез эту коллекцию чуть ли не к ее крыльцу. Более того, изучать их можно было в течение нескольких месяцев – и за это время Саломон научилась игнорировать издевательства толпы.

Картины с выставки «Дегенеративное искусство» произвели на Саломон сильнейшее впечатление и многому ее научили. Позднее она использовала многие из техник современного искусства для создания одной из самых примечательных автобиографий XX столетия. Мать, тетушка и бабушка Саломон покончили жизнь самоубийством. В ее мемуарах – рассказанных от третьего лица в виде печальной сказки о девочке по имени Шарлотта – двойник Саломон мучается над душераздирающим решением: «Покончить ли с собой или сделать что-нибудь другое, совершенно необычное».

Книга много рассказывает о ее борьбе за жизнь и об изучении искусства в тени Третьего рейха. Примечательно, что эта история рассказана посредством 769 изображений. К концу работы над картиной «Жизнь? Или театр?» Саломон смогла найти ответ на свой вопрос. Она пришла к выводу, что необычная и даже дикая жизнь всегда лучше, чем ее отсутствие. К сожалению, условия нацистского режима оказались слишком жестокими – в 1943 году беременная Саломон погибла в Освенциме.

Однако ее труд не умер вместе с ней. Книга «Жизнь? Или театр?» постепенно оказалась у ее отца и мачехи, укрывавшихся во время войны в Нидерландах. Почти сразу ее признали шедевром. Ее даже называли «изобразительным аналогом дневника Анны Франк» [164].

Возможно, что идеи современного искусства не смогли в полной мере противостоять нацистам и победить их, как предполагала Келлер. Но Келлер была по крайней мере отчасти права. Несмотря на все усилия нацистов по подавлению современного искусства – запреты, конфискации, издевательства и убийства авторов, – идеи оказались бессмертными. Они действительно смогли «просочиться через миллионы каналов», таких как визиты Саломон на выставку «Дегенеративное искусство». И хотя сама Саломон погибла, ее работы со временем смогли «вдохновить другие умы». Ее завет – завет современного художника, погруженного в работы великих мастеров современного искусства и говорящего на языке этого искусства, – пережил нацистский режим и сыграл свою роль в том, что нацисты стали самыми «ненавидимыми и презираемыми из всех людей» [165].

Шагал и Саломон – учитель и ученица – никогда не встречались лично. Однако через много лет после смерти Саломон Шагалу представилась возможность увидеть ее работу на одном художественном фестивале. Он был глубоко тронут увиденным. Шагал «отнесся к этим работам с бесконечной нежностью. Они его растрогали, и он все время повторял, как они хороши» [166].

После вторжения нацистов в Венгрию в 1944 году началось истребление еврейского населения страны. Каждый день более десяти тысяч венгерских евреев отправлялись на поездах в лагерь смерти Освенцим. Чтобы избежать этой участи, дедушка, бабушка, отец и тетушка Эреца Эйдена стали скрываться. Однако каждое утро его дедушка выбирался из убежища для молитвы и надевал пару тфилин, маленьких коробочек, в которых хранились тексты из Еврейской Библии. И он делал это, несмотря на то, что рисковал расстаться с жизнью, если бы его поймали за чтением еврейской молитвы.

В то время как мы писали эту главу, отец Эреца – последний из них четверых – покинул этот мир. Он оставил Эрецу драгоценный дар – тфилин своего отца, которые тот надевал каждый день войны. Они идеально сохранились – каждая буква столетнего пергамента осталась в первозданной целостности.

И ведь правда, миллион голосов.

Идеи, подобно биологическим видам, могут воспроизводиться и развиваться. Они также способны мутировать. Одним примером этого может служить понятие «прав».

Идея гражданских прав имеет долгую историю; само выражение представляет собой прямой перевод латинского ius civis – «права граждан». После падения Римской империи эта идея на некоторое время ушла в подполье, пока не нашла нового воплощения в английском праве в конце XVII века. Дальнейшее ее развитие привело к ряду инноваций, таких как британский Билль о правах (1689) и американский Билль о правах столетием позже (1789). В Соединенных Штатах идея гражданских прав была связана в первую очередь с правами чернокожего населения, и это стало тестом для того, как будет относиться новая нация к этническим меньшинствам[167].

Воодушевившись достижениями движения за гражданские права, свою деятельность начали и другие группы. Так, движение за права женщин, начавшееся в США после гражданской войны в 1860-е годы, набрало популярность во времена движения за гражданские права через столетие. В недавние десятилетия популярной стала борьба за права детей и животных. Даже в наши дни из двух неправд не сложить одной правды. Но, к счастью, огромное количество ошибок и неправильных действий способно привести к движению в правильном направлении, движению за гражданские права.

Перед тем как двинуться дальше, мы хотим рассказать вам еще об одном движении, направленном на избавление от идей.

Это движение сильно отличается от того, что мы описывали в предыдущей главе. Оно не направлялось правительством. Не было пролито крови, хотя в ходе одного знаменитого противостояния один из руководителей движения угрожал оппоненту каминными щипцами. И это движение зародилось не в Германии, а через границу – в Австрии, в 1920-х годах.

Группа философов, известная как «Венский кружок», устала от обычного человеческого языка, который, по ее мнению, представлял собой ужасный беспорядок[168]. Согласно принятому «Венским кружком» подходу, часто называемому логическим позитивизмом, единственными заявлениями, имевшими смысл, были те, которым можно было дать эмпирическое подтверждение, а единственными осмысленными словами считались те, которые можно было измерить. Все остальное приводило к «развитию предрассудков», чего стоило избегать. Как можете догадаться, это сразу же привело к множеству вопросов. Можно ли измерить любовь? Как дать эмпирическую оценку правильному или моральному? Члены кружка утверждали, что это невозможно, а поскольку эти слова относятся к тому, что нельзя измерить, то они вообще не должны принадлежать к нашему языку.

Одним из любимых примеров кружка было слово Volksgeist – «дух народа». Этот термин относился к коллективному сознанию и памяти народа, к тому, что он собой представляет и о чем думает. То, что концепция Volksgeist была неточной и неизмеряемой, раздражало участников кружка, и поэтому группа уделила этому термину особое место в своем манифесте 1929 года, надеясь полностью исключить его из языка[169].

Однако идея «Венского кружка» была скорее не вопросом политической цензуры, а философского отношения к границам науки.

Возможно, в то время члены кружка и были правы. Идеи вроде коллективной памяти довольно долго находились вне пределов научного изучения. Однако, получив в свое распоряжение n-грамы, мы можем заняться исследованием подобных концепций. Можно ли измерить ее так же, как мы тестируем память отдельно взятого человека?

Но если мы собираемся заняться измерениями коллективной памяти, нам стоит для начала понять, как выглядит наука о памяти индивидуальной. Для этого мы обратимся к другому философу, жившему в Германии в XIX веке, – Герману Эббингаузу[170]. Он исследовал принципы работы мышления, то есть работал в области, которую мы сейчас называем психологией. Однако в его время психология была лишь подразделом философии, а не самостоятельной наукой. Люди были склонны выдвигать различные теории относительно мышления, но редко проводили эксперименты.

Эббингауз работал еще до времен «Венского кружка», однако он тоже полагал, что в основе человеческого знания лежит опыт, измерения и эмпирические подтверждения. Он был не особенно упертым фанатиком своих идей и не считал, что большинство концепций психологии, неизмеренных и, возможно, неизмеримых, представляет собой лексический мусор. Вместо этого он задумался над тем, как придать исследованиям мышления более эмпирический характер. Для этого он решился на небывалый шаг: изучение собственной памяти с помощью исключительно экспериментальных методов.

Он тут же столкнулся с проблемой, напоминавшей ту, с которой мы столкнулись при изучении славы. Концепция памяти была достаточно расплывчатой. Эббингаузу нужно было сузить ее фокус, заменив масштабную и расплывчатую область памяти небольшим количеством четко определенных и подлежащих изучению свойств. Он решил ограничиться двумя вопросами – как быстро мы учимся новому и как быстро забываем.

Но, даже сузив масштаб исследований, Эббингауз столкнулся с другими серьезными проблемами. Наиболее успешные эксперименты проходят в условиях изолированной и контролируемой среды. Человеческая память таковой не является. Каждый элемент информации в нашем мышлении включен в целую сеть концепций. Мы выстраиваем ассоциации с известными нам фактами, идеями, людьми, эмоциями, местами и событиями. Эти комплексные отношения оказывают огромное влияние на процесс запоминания. В результате становится довольно сложно изучить способность к запоминанию конкретного факта в отрыве от всего остального. Мы уже видели, как благодаря определенным ассоциативным связям неправильные глаголы типа burn – burnt, learn – learnt, spell – spelt и spill – spilt могут успешно выживать в течение столетий. И подобные эффекты памяти представляют собой не исключения, а правила.

Чтобы обойти эту проблему, Эббингауз придумал довольно элегантное решение. Он понял, что большинство ассоциаций связано либо со звучанием, либо со смыслом того, что вы пытаетесь запомнить. Для того чтобы минимизировать нежелательные ассоциации, он решил запоминать случайные последовательности букв. Для этого он создал специальный словарь, состоящий из 2300 буквенных последовательностей. Каждая последовательность состояла из трех букв, согласной-гласной-согласной, типа CUV и KEF.

Он убедился в том, что ни одна из последовательностей не напоминала слово. В этом холодном новом мире не было места для любви (LUV – созвучно слову love – «любовь»), времени для объятия (HUG – «объятие») и места для смысла.

Для измерения своего процесса обучения Эббингауз брал случайные бессмысленные последовательности из своего словаря, выстраивая из них списки. Таким образом он мог измерить количество времени, необходимое на озвучивание списка и его безошибочное воспроизведение. Для измерения забывания Эббингауз добавил в процедуру еще один шаг. После изучения списка он ждал какое-то время, а затем проверял, какую часть списка помнит. Многим потенциальным участникам тестирования идея запоминания длинных последовательностей случайных словосочетаний изо дня в день могла бы показаться скучной, однако Эббингауз имел колоссальное влияние на одного добровольца – самого себя. И в 1878 году Эббингауз начал изучать память, используя себя как единственного подопытного кролика.

В течение двух лет он придерживался болезненно жесткого распорядка, ежедневно посвящая много времени запоминанию случайных и бессмысленных словосочетаний. Он учил список за списком, следуя графику и повторяя их в постоянном ритме, диктуемом тиканьем механических часов. Он систематически исследовал множество комбинаций переменных – длины списка, времени дня, продолжительности времени, проведенного за запоминанием, места конкретных словосочетаний в списке, временного интервала между повторениями и так далее. Эббингауз был одним из самых упорных исследователей в истории психологии.

И природа вознаградила его целым рядом поразительных открытий. Например, Эббингауз узнал, что при изучении одного списка за другим огромную роль играет время обучения. Эта связь между количеством словосочетаний, которые ему удалось запомнить, и временем называется в наши дни кривой обучения, а когда люди говорят о «наклоне кривой обучения», то вольно или невольно обращаются к выводам Эббингауза. Также Эббингауз сделал несколько важных открытий относительно забывания. Он заметил, что спустя всего 20 минут, как правило, забывал почти половину слов из списка. Однако скорость забывания, по всей видимости, замедлялась; даже месяц спустя он помнил примерно пятую часть списка. Открытая Эббингаузом связь между забыванием и временем называется «кривой забывания».

В совокупности кривая обучения, кривая забывания и процедуры, использованные для их выявления, заложили основу для современных научных исследований человеческой памяти. Идея бессмысленных словосочетаний оказалась настолько эффективной, что она остается основным методом в области психолингвистики и по сей день. На самом деле работа Эббингауза стала поворотной точкой для современной психологии как таковой. И, разумеется, его личная готовность изучать самого себя не имеет аналогов. Уильям Джемс, отец-основатель психологии, говорил об удивительной самоотверженности Эббингауза, превознося его за «героизм, проявленный в поиске истинных средних значений». Также Джемс назвал исследования памяти «самым блестящим исследованием в истории экспериментальной психологии».

Поначалу казалось, что дать количественную оценку коллективной памяти невероятно сложно, однако история Эббингауза вселила в нас оптимизм. Вещи, которые ему удалось измерить, – обучаемость и забывание – имеют близкие аналоги в человеческой культуре, становящиеся очевидными при изучении n-грамов.

Некоторые вещи сложно забыть.

Даже через десять лет после того, как два самолета врезались в здания Центра международной торговли в Нью-Йорке, память об этом дне продолжает преследовать американцев. Йон Ли Андерсон, журналист из журнала New Yorker, так вспоминал пережитое:

Такое сравнение возникает нечасто, и для этого есть свои причины. Примерно за 60 лет до 11 сентября американцы столкнулись с первой за многие десятилетия атакой на своей территории. Утром 7 декабря 1941 года сотни японских самолетов устремились к военно-морской базе Перл-Харбор на Гавайях, сбрасывая бомбы и торпеды и оставляя за собой дым, огонь и смерть. Всего за час японцы уничтожили множество самолетов и кораблей, нанеся огромный ущерб тихоокеанскому флоту. В результате атаки на Перл-Харбор было убито 2400 и ранено 1000 американцев. Эти шокирующие новости изменили ход истории, подтолкнув США к участию во Второй мировой войне.

Однако несмотря на всю важность этого события, со времен Перл-Харбора прошло больше полувека, и разговоры об этой атаке уже нечасто фигурируют в повседневном общении. Сейчас это сложно себе представить, однако то же самое постепенно происходит и с 11 сентября[171].

Как это происходит? Каким образом наша коллективная память стирает даже самые болезненные события?

В процессе проверки этой идеи мы столкнулись с проблемой в стиле Эббингауза – забывание зависимо от того, какие идеи мы связываем с другими, что значительно затрудняет проведение точного эксперимента.

Представьте себе потопление океанского лайнера «Лузитания», после которого Америка вступила в Первую мировую войну. Через несколько десятилетий после трагедии она начинает забываться (как мы и предполагали), а затем ненадолго вспоминается перед Второй мировой войной – возможно, из-за беспокойства, что события, предшествовавшие первой войне, могут повториться еще раз. Память такого рода, связанная с эффектом ассоциации, представляет собой большую проблему – ее невозможно учесть и невозможно предсказать.

Не менее сложная проблема связана с тем, что со временем меняющиеся ассоциации заставляют людей вспоминать одни и те же события различным образом, используя разные слова. И вновь в пример можно привести мировые войны. Первая мировая война поначалу называлась «Великой войной», поскольку до определенного момента была самой кровопролитной войной в истории западной цивилизации. Однако после начала Второй мировой войны в конце 1930-х термин «Великая война» быстро исчез, а на его место пришел термин «Первая мировая война». И дело не в том, что люди перестали думать о «Великой войне». Эти события продолжали храниться глубоко в их коллективной памяти. Однако они начали думать о войне иначе, в более широком контексте обоих конфликтов, поэтому стали использовать другой язык. И вновь эффект такого рода было невозможно ни учесть, ни предсказать.

Для того чтобы эффективно измерить забывание, нам нужно было пройти по пути Эббингауза, то есть минимизировать эффект всех этих ассоциаций с помощью тщательно отобранного словаря.

Для этого мы решили протестировать коллективную память с помощью одних лишь чисел, соответствовавших годам, например 1816 и 1952. Определяя, насколько часто люди упоминают тот или иной год, мы можем почувствовать, в какой степени в их мышлении присутствуют события этого года. Ни один год не имеет каких-либо уникальных недостатков или внешних связей, делающих этот подход менее достоверным.

Но вы можете возразить – что, если фраза, из которой мы взяли число, звучит как «1876 устриц и бокал вина»? В этом случае число представляет собой отсылку к количеству заказанных устриц.

Судя по всему, это довольно малозначительная проблема. Прежде всего, было бы довольно странным заказывать 1876 устриц (особенно с одним только бокалом вина). Но что более важно, было бы крайне странно заказывать, просить или записывать данные о 1876 единицах чего-либо. Число 1876 возникает крайне редко – за исключением случаев, когда люди имеют в виду 1876 год[172]. Даже названия книг, вроде «1984» Джорджа Оруэлла, и фильмов, вроде «2001: Космическая Одиссея» Стэнли Кубрика, совершенно незначительно влияют на общее количество соответствующих чисел.

201 число, располагающееся между 1800 и 2000, может сыграть такую же роль в изучении коллективного забывания, какую сыграл придуманный Эббингаузом словарь для изучения индивидуального забывания. Чему могут научить нас эти цифры?

Позвольте рассказать вам историю про 1950 год.

На протяжении почти всей человеческой истории 1950 год никого не беспокоил. Это не было интересно в 1700 году, никто не думал о нем в 1800-м и не интересовался им в 1900-м. Та же апатия царила и в 20-е, 30-е и в начале 40-х годов XX века.

Однако после этого началась какая-то мания – люди поняли, что 1950 год настанет и что в нем вполне может произойти что-нибудь значительное.

При этом ничто не интересовало людей, живших в 1950 году, так же сильно, как сам этот год.

Внезапно он превратился в какое-то наваждение. Казалось, что люди просто не могут перестать говорить о том, что произойдет в 1950 году, что они планируют в нем сделать и от чего избавиться.

По сути, 1950 год оказался настолько увлекательным, что в течение нескольких последующих лет люди никак не могли остановиться. Они продолжали говорить о множестве потрясающих вещей, случившихся в 1950 году, и в 1952, и в 1952, и в 1953. Наконец в 1954 году кто-то – возможно, любитель всего нового и модного – вдруг проснулся и понял, что 1950 год уже как-то устарел.

И в этот момент пузырь взорвался.

Несмотря на всю свою трагичность, история 1950-х совсем не уникальна. Она вполне соответствует истории каждого года, по которому мы проводили исследование, – парень встречает год X, влюбляется в год X, потом бросает год X ради новой подружки и затем вспоминает о годе X все меньше и меньше.

Подобные истории с одним и тем же процессом можно создать для каждого года. Описанная нами история любви и утраты заметна на каждом из графиков, однако в этом нет ничего удивительного. Более неожиданными оказываются другие свойства этих графиков.

Одним из них является общая форма кривых забывания. Судя по всему, процесс забывания состоит из двух этапов – интерес к определенному году сначала быстро падает в первые несколько десятилетий, а затем темп падения замедляется. Сходные вещи возникают и в отношении коллективного и индивидуального вспоминания – общество имеет как краткосрочную, так и долгосрочную память.

Мы можем задаться количественным вопросом. Например, при изучении краткосрочной памяти общества мы можем спросить: насколько быстро лопается пузырь? Иными словами, как быстро люди теряют интерес к определенному году после его завершения?

Простое решение этой проблемы заключается в подсчете времени, которое требуется для снижения до половины пикового значения частоты упоминания года, – то есть сколько времени составляет период полураспада коллективной памяти. Это значение сильно различается от года к году. Частота упоминаний 1872-го снизилась до половины своего пикового значения в 1896 году, то есть через 24 года. Напротив, частота упоминаний 1973-го снизилось до величины половины пика к 1983 году, всего лишь через 10 лет.

Более быстрое снижение 1973-го представляет собой симптом более общего порядка – с течением времени период полураспада коллективного забывания становится все короче и короче. Это наблюдение говорит нам об изменении отношения общества к прошлому. Мы все быстрее и быстрее теряем интерес к давно случившимся событиям.

Что привело к такому изменению? В точности неизвестно. Пока что у нас есть лишь примеры голой корреляции – то есть того, что мы открываем, глядя на коллективную память через цифровую линзу нашего нового «скопа». Возможно, для того чтобы разобраться с механизмом работы, нам потребуется некоторое время.

Это – крайняя граница науки. У нас нет карт, нам приходится идти наугад, и перед нами множество тупиков, но мы не променяли бы это место ни на какое другое.

Разумеется, наше коллективное сознание способно не только забывать. Если мы хотим понять смысл коллективной памяти, нам нужно разобраться и с другой стороной медали. Каким образом новая информация проникает в общество?

Мы думаем о нынешней эпохе как об информационной – о периоде, отмеченном поразительной скоростью перемещения информации от человека к человеку и из одного места в другое. Однако мы часто не замечаем, насколько быстро передавалась чистая информация в прошлые столетия с помощью механизмов, возможности которых кажутся нам теперь скудными[173]. К примеру, в Лондоне XVII и XVIII веков обычная почта могла поступать к адресату до пятнадцати раз в день. Письма, отправленные утром, прибывали в течение четырех часов. Конечно, это не так быстро, как электронная почта в наши дни, но и не так медленно, как оставшаяся в наши дни традиционная почта (к XIX столетию лондонцы могли отправлять посылки по всему городу на скорости до 25 миль в час с помощью заброшенной в наши дни системы пневматической почты). На протяжении столетий люди находили массу способов распространять серьезные новости достаточно быстро.

Книги – это нечто другое. Конечно, они представляют собой важный источник информации, однако работа над большинством книг – это серьезное предприятие, а для создания и публикации книги могут потребоваться многие годы. Книги – слишком медленный источник для важных и срочных новостей.

Зачастую это не вызывает проблем. Поскольку коллективное забывание – как минимум забывание самых важных вещей – происходит сравнительно медленно, на протяжении многих лет, десятилетий и столетий, мы вполне можем создавать на основе данных из книг свои n-грамы.

Однако множество вещей входит в коллективное сознание быстро – за считаные дни, недели, месяцы или немногие годы. Для того чтобы n-грам 1872 года перешел от «никакого» состояния до пика популярности, потребовался всего год. Для Перл-Харбора этот срок составил один день. Проблема состоит в том, что n-грамы, связанные с книгами, не особенно полезны при оценке столь быстрых процессов. Для того чтобы сфотографировать быстро летящий мяч, нужна специальная фотокамера. Поэтому если мы хотим использовать n-грамы для того, чтобы что-то узнать о процессе обучения, нам нужно посмотреть на что-то, что перемещается медленнее крупных новостей.

Авива, жена Эреца Эйдена, начала изучать подход к коллективному обучению, который показался нам особенно многообещающим. Она принялась изучать изобретения. Успешные изобретения представляют собой подлинное воплощение коллективного обучения. Они отражают способность общества создавать новое знание о мире и адаптировать передовые научные и инженерные разработки для преодоления повседневных сложностей. Именно по этим причинам для распространения изобретений требуется больше времени, чем для обычных новостей.

Важнейшее отличие состоит в том, что изобретение – это не просто информация в чистом виде, которую можно легко сообщить в электронном письме или отправить с курьером. Для того чтобы общество восприняло новую технологическую идею, нужны и инженерное ноу-хау, позволяющее создать изобретение, и технические навыки для его применения, и экономическая модель для продаж и распространения, и инфраструктура, позволяющая перевозить изобретение. В отличие от слов о заслуживающем внимания событии, для распространения изобретения могут потребоваться десятилетия.

Исследовать эти длинные временные шкалы с помощью n-грамов довольно легко. Отличным примером может служить факсимильный аппарат.

В 1980-х годах почти моментально выскакивает «факс-машина», сразу же достигая пика популярности. Кажется, что это – стопроцентная новинка. Когда же, если судить по n-грамам, был изобретен факс?

80-е, правильно? Нет. 70-е? Нет. 60-е? 50-е? 40-е?

Да, факс-машина была изобретена в сороковых. Но первый патент на факс-машину был выдан шотландскому изобретателю Александру Бейну в 1843 году. К 1865 году между Парижем и Лионом уже существовала коммерческая служба – так называемый телефакс[174].

Одна из самых поразительных технологий 1980-х годов получила поддержку Наполеона III, императора Франции. Крупные новости путешествуют быстро – в отличие от больших идей.

Для того чтобы понять, сколько времени требуется на распространение изобретения, нам нужно начать с длинного списка и вычислить, когда в действительности было изобретено каждое из новшеств.

Поначалу эта задача может показаться простой. Правительства столетиями выдавали патенты на новые изобретения, обеспечивая их изобретателям эксклюзивные права на плоды их ума. Как сказал Авраам Линкольн – единственный президент США, владевший патентом, «патентная система добавляет топлива интереса пламени гения». Патентное законодательство поощряет изобретателей на раскрытие своих новых технологий при первой же возможности. Поэтому все, что нам нужно для того, чтобы понять дату изобретения, это узнать, когда на него был выдан патент.

Но заявить об этом легче, чем сделать.

Возьмем, к примеру, телефон. В Соединенных Штатах Америки изобретение телефона приписывается Александру Грэму Беллу. 10 марта 1876 года Белл написал в своем блокноте:

Позднее Белл коммерциализировал эту технологию, создав несколько компаний, потомки и отпрыски которых до сих пор доминируют в телекоммуникационной отрасли. Для американцев Белл является настоящим героем мира технологии, который заложил множество основ, сделавших возможной появление современной информационной эпохи.

Но в Италии эту историю рассказывают совсем иначе. Итальянцы считают изобретателем телефона Антонио Меуччи. Этот американец итальянского происхождения заявлял о том, что изобрел telettrofono примерно в 1854 году и продолжал совершенствовать его конструкцию до 1870 года, когда ему удалось наконец передать голос по проводам на расстояние выше одной мили. Уотсон, работавший с Беллом в 1876 году, сидел в соседней комнате[176].

А что насчет Элиши Грея? Грей основал в 1872 году компанию Western Electric Manufacturing Company, снабжавшую Western Union телеграфическим оборудованием. Заинтересовавшись этой технологией, Грей изобрел микрофон с переменным сопротивлением. Это устройство позволило кодировать многотональные звуки, например человеческие голоса, для дальнейшей передачи по проводам. В сущности, и Грея можно считать изобретателем телефона.

Список великих умов, которые изобрели (или не изобрели) телефон, напоминает перечень лучших новаторов конца XIX века. У многих из них имелись патенты, описывавшие их вклад в это изобретение. Меуччи подал патентную заявку – своего рода предварительный патент – в 1871 году, назвав свою технологию «говорящим телеграфом». Но значит ли это, что Меуччи может считаться полноценным владельцем патента? Как ни странно, через несколько лет он отказался от заявки, и она так и не стала полноценным патентом. Кроме того, не до конца понятно, удалось ли Меуччи действительно сконструировать то, о чем он заявлял. 14 февраля 1876 года, через пять лет после подачи заявки Меуччи, адвокат Грея вошел в офис патентного ведомства в Вашингтоне, чтобы подать свою заявку на изобретение телефона. Получается, что полноценным изобретателем стоит считать Грея. Однако чуть раньше ту же контору посетил и адвокат Белла. Он подал заявку на – совершенно верно! – изобретение телефона.

И даже не просите нас рассказать историю изобретения электрической лампочки[177]!

Однозначно определить, когда и что было изобретено, невозможно. Нам был необходим компромисс. Один вариант состоял в том, чтобы изучить все изобретения типа телефона одно за другим и принять наилучшее решение на основании имеющихся свидетельств. Однако такой подход опасен. На результат могли повлиять наши сознательные или несознательные искажения. Поэтому Авива сделала самое разумное, что только могла в тот момент, – она сдалась и воспользовалась «Википедией».

В «Википедии» перечислены даты возникновения множества значительных изобретений. Мы знаем, что некоторые из них не вполне точны. Однако поскольку эти данные предложили не мы, они не отражали наши собственные искажения и поэтому вряд ли могли систематически влиять на качество нашего эксперимента. В общем, иногда свидания вслепую значительно лучше.

Авива проверила каждый элемент данных, чтобы убедиться в его правдоподобии – иными словами, что на определенный момент, как минимум, была подана хотя бы одна из патентных заявок на определенное изобретение и что – судя по n-грамам – технология не использовалась до этой даты ни под одним названием (ни как «факс-машина», ни как «телефакс»). Если дата не казалась правдоподобной, Авива просто исключала изобретение из нашего небольшого реестра. В остальных случаях изменения не вносились.

В конечном итоге у Авивы остался список из 147 больших идей и 147 дней их рождения. Он включает в себя всевозможные хитроумные устройства[178]. Одно из них – это пишущая машинка, запатентованная в 1843 году Шарлем Турбером (забавно, что сам изобретатель думал о ней как о чем-то особенно полезном для «слепых… и нервных»). Еще одним выдающимся участником списка является бюстгальтер, запатентованный в 1913 году Зигмундом Линдауэром. Список включает в себя молекулы (морфин и тиамин), материалы (пирекс и бакелит), методы транспортировки (вертолет и эскалатор) и уничтожения (динамит и автомат), а также массу полезных изобретений (степлер, резиновая лента, безопасная бритва) и методов (пастеризация). В нем, как в хорошем супермаркете, можно было найти все необходимое – и пару джинсов, и лампочку. А также – опять же как в хорошем супермаркете – там можно было найти массу вещей, которые, скорее всего, никогда вам не понадобятся, – например, канатную дорогу и нефтяную вышку.

С помощью этого списка мы смогли изучить историю жизни многих великих изобретений. В некоторых случаях (таких как джинсы Ливая Стросса) история только начинается – даже в наши дни их роль продолжает расти. Другие изобретения, типа целлофана, уже прошли пик своего влияния. Они чему-то нас научили; мы продолжаем их время от времени использовать; а их наследие было передано новому поколению идей. Однако с точки зрения нашей коллективной памяти это уже пройденный этап.

Разумеется, самое поразительное в этом списке то, что, подобно бессмысленным словосочетаниям Эббингауза, он помогает нам лучше понять суть обучения – на этот раз в масштабе целых обществ. В главе 4 мы задались вопросом, в каком возрасте самые знаменитые люди начинают оказывать влияние на развитие культуры. Теперь давайте зададимся тем же вопросом, но уже в отношении технологий. Сколько времени требуется тому или иному изобретению, чтобы дойти до определенного уровня своего культурного влияния (а именно четверти от максимума), измеренного с помощью n-грамов?

Посмотрим на револьвер. Он был запатентован в 1835 году Сэмюелом Кольтом. В 1918 году это шестизарядное оружие достигло пика своего влияния при частоте шесть упоминаний на каждый миллион слов (это в три раза больше, чем сочетание «Билл Клинтон» на его пике). Отметки полтора упоминания на миллион – четверти от максимума – слово достигло в 1859 году. Длина периода между 1835 и 1859 годами (24 года) позволяет нам оценить, сколько времени потребовалось револьверу, чтобы зажечь наш коллективный энтузиазм. Этот показатель позволяет определить, насколько быстро общество в целом узнает о новой идее.

Судя по всему, этот показатель варьируется для изобретений значительно сильнее, чем для знаменитостей. Плееру Walkman, изобретенному компанией Sony в 1978 году, потребовалось лишь десять лет для достижения четверти от максимума своего влияния. Не меньшим хитом был и iPod компании Apple – судя по всему, если вы хотите, чтобы ваше изобретение оказало свое влияние максимально быстро, вам стоит заняться портативными музыкальными плеерами. Как и револьверу, целлофану понадобилось около четверти столетия для достижения той же отметки. Для печатной машинки этот процесс занял 45 лет, а для джинсов – 103 года. При таких темпах Стросс мог бы добиться гораздо большего, займись он математикой.

Однако эти цифры – сто лет для распространения новой технологии – кажутся слишком большими. В наши дни новые технологии меняют повседневную жизнь значительно быстрее. С чем это связано? Не происходит ли ускорение процесса коллективного обучения?

И найти ответ на этот вопрос мы можем с помощью n-грамов.

Для этого мы совместили свой вдохновленный Эббингаузом список изобретений с методом когорт Андворда. Мы распределили 147 технологий по датам изобретения, начиная с жаккардового ткацкого станка (1801) и заканчивая терменвоксом, одним из первых электронных музыкальных инструментов (1920). После этого мы разбили список на три периода – изобретения начала XIX столетия, изобретения середины XIX столетия и изобретения более позднего периода.

Различия в коллективном обучении со временем оказались вполне очевидными. Изобретениям начала XIX века потребовалось 66 лет на достижение отметки четверти влияния. А для изобретений конца XIX и начала XX века – всего 27 лет. Кривая коллективного обучения становилась все короче и короче, ужимаясь примерно на 2,5 года в течение каждого десятилетия. Общество обучается все быстрее и быстрее.

Почему так происходит? Как и в случае с коллективным забыванием, дать точный ответ сложно. Однако стоит поразмышлять о потенциальных последствиях.

Одна из самых интригующих перспектив, связанных с постоянно ужимающейся кривой коллективного обучения, была сформулирована в разговоре между физиком Станиславом Уламом и эрудитом Джоном фон Нейманом[179]. Улам отлично разбирался в серьезных изобретениях – ведь он изобрел водородную бомбу. Нейман был знаменитым математиком, физиком и основателем теории игр, а также считается отцом-основателем компьютерных наук. Также Нейман высказал идею «взаимного гарантированного уничтожения» (Mutually Assured Destruction) и его сокращения MAD (буквально: «безумный»). Думается, что разговоры Неймана и Улама были невероятно увлекательными. Несмотря на свою неспособность дать точную количественную оценку, Нейман чувствовал, что скорость технического развития постоянно возрастает. В общении с Уламом он заметил:

Постоянно ускоряющийся прогресс в области технологий и изменения в человеческой жизни… создают ощущение того, что мы приближаемся к некоей значительной сингулярности в истории человечества, за пределами которой развитие цивилизации в прежнем виде уже не может продолжаться.

Эта идея была популяризирована футурологом Рэймондом Курцвейлом[180], заметившим, что скорость, с которой компьютерные чипы обретают все большую мощность, – знаменитая закономерность, известная под названием «закона Мура», – приведет к тому, что к 2045 году обычный компьютер будет иметь больше вычислительной мощности, чем мозги всего человечества, слитые воедино. Согласно его предсказанию, в этот момент мы обретем возможность закачивать свои мысли на диск и тем самым обретем вечную жизнь в мире машин. Именно это Курцвейл и называет «технологической сингулярностью».

Подобная концепция может показаться довольно странной, однако Курцвейл – далеко не сумасшедший. Он продал свою первую компанию, будучи еще студентом Массачусетского технологического, и изобрел множество широко применяющихся технологий. Билл Гейтс называл Курцвейла «лучшим из известных предсказателей будущего искусственного интеллекта», а журнал Forbes наделил его титулом «идеальной думающей машины». В 2001 году Курцвейл получил награду Lemelson-MIT в размере 500 000 долларов – крупнейший в мире приз для изобретателей, – а также национальную медаль в области технологий от Билла Клинтона, человека более знаменитого, чем большинство ингредиентов в вашем салате. Так что не приходится сомневаться в том, что Курцвейл знает свое дело. Но прав ли он?

Это пока непонятно. n-грамы рассказывают нам о прошлом. К сожалению, они не предсказывают будущего. Пока что.

Наши довольно грубые расчеты, связанные с памятью, заставляют верить, что мы совсем скоро сможем достичь того, что «Венский кружок» считал невозможным еще сто лет назад. Мы сможем дать количественную оценку духу народа с помощью эмпирического измерения аспектов коллективного бессознательного и коллективной памяти.

Однако мы до сих пор не говорили вам о том, что это путешествие может оказаться крайне опасным.

«Дух народа» – это вовсе не безвредная концепция. Изначально она была предложена немецким философом Иоганном Готфридом Гердером в XVIII веке[181]. Сам Гердер был человеком широких взглядов, отвергавшим рабство, колониализм и саму идею о наличии фундаментальных биологических различий между расами. Он верил, что между народами имеются различия – и эти различия формируют то, что он назвал «дух народа», – однако он не верил, что они как-то связаны с главенством одного из них.

Однако если смешать понятие «духа народа» с агрессивным национализмом, легко заметить, что идея Гердера может стать фиговым листком для расизма – я лучше потому, что у моего народа выше уровень «духа».

В некоторых случаях именно так и произошло. Давайте еще раз вспомним, о чем говорили студенты в 12 тезисах, приведших к сожжению книг по всей Германии. Они хотели «уважать традиции народа», отвергая при этом все, что отражало антигерманский дух. И когда мы говорим о расизме в XIX и XX столетиях, концепция «духа народа» оказывается тут как тут.

Однако существуют и более здоровые подходы к «духу народа». Немецко-американский ученый Франц Боас[182], которого часто называют отцом современной антропологии, говорил в своей работе об историческом определении «духа народа». Однако он категорически отказывался смешивать «дух народа» и ультранационалистическую идеологию, понимая, что это опасное слияние приведет к интеллектуальному и моральному обеднению[183].

Вместо этого он попытался выявить «дух народа» эмпирическими методами (теми же самыми, которыми руководствовался Эббингауз). С точки зрения Боаса, культура постоянно меняется, однако при этом всегда допускает наблюдения и описание ее фактов. Объединив две традиции, Боас заложил основы научного исследования культуры и создал то, что мы в наше время называем антропологией.

И когда мы в разговоре с учеными называем свои занятия словом «культуромика», мы каждый раз вспоминаем о Боасе.

«-омика» предполагает работу с большими данными в современной биологии и не только[184].

«Культура» – это культура в понимании Боаса, эмпирически познаваемая и многогранная, основанная на бесконечной любознательности и искреннем восхищении.

Прошла еще минута, на экране появилось несколько строк программы, и вдруг командная строка сменилась графиком. Мы увидели, как через плавную и тонкую линию с нами начинают говорить миллионы голосов через столетия. Кривая, возникшая из океана данных, нарисовала нам простую, но впечатляющую историю, понять которую мог бы каждый.

Поднялся одобрительный гул. Увиденное представляло собой вполне наглядный пример действия эволюции.

И тут же в комнате раздался еще один звук – звук откупориваемой бутылки вина.

В прошлом мы активно пытались убедить людей из Google, что создание общедоступного инструмента для изучения n-грамов (который мы предложили назвать Bookworm, то есть «Книжный червь») представляет собой хорошую идею. Нас быстро ставили на место, задавая вопросы типа «Кто будет его использовать? Преподаватели. Теперь представьте себе, что каждый преподаватель в мире пользуется Bookworm и таких людей 100 тысяч. В масштабах Google 100 тысяч пользователей не способны ни на что повлиять».

Спорить с этим было сложно.

Однако как только у нас оказались данные и мы начали с ними играть, тут же стало происходить нечто странное: n-грамы занимали в нашей жизни все больше места. Не смотреть на них было просто невозможно. Мы начали работу со слова «эволюция». А что, если посмотреть на неправильные глаголы? А как насчет президентов? Или Эйнштейна? Иногда на вечеринке нам могли задать вопрос: когда появился термин «сексизм»? Мы вытаскивали компьютер и отвечали: в начале 1970-х. Когда люди начали писать donut вместо doughnut («пончик»)? Мы вновь доставали ноутбук и отвечали: в 50-х, сразу же после создания компании Dunkin’ Donuts.

Мы стали встречаться и обсуждать научное исследование, в котором бы описали наши самые интересные открытия. Мы думали, что написание научной работы поможет нам сделать следующий шаг вперед. Но каждый раз, когда мы начинали писать на эту тему, нас отвлекал от работы новый набор n-грамов. Закуски! Компании! Динозавры! К концу каждой встречи мы понимали, что любые наши предыдущие открытия меркли в сравнении с тем, что мы проверили только что. Ситуация казалась попросту невозможной. Мы никак не могли понять, как же нам справиться с этой одержимостью.

Нам стало ясно, что для того, чтобы собраться с мыслями, потребуется помощь других. Поэтому мы взяли четыре ноутбука, имевших доступ к базе данных n-грамов, – единственные четыре ноутбука в мире, способные работать с нашим прототипом интерфейса Bookworm, – и раздали их. Один отправился к Пинкеру, который принялся быстро создавать с его помощью графики для включения в книгу, которую писал в то время. Другой ушел Авиве, жене Эреца. Она тут же сообщила о новых открытиях – проверка n-грама для фамилии Мендельсон заставила ее углубиться в изучение темы цензуры. Теперь на этот наркотик подсела и она.

Третья машина отправилась к Мартину Новаку. Как-то раз, вернувшись домой, он показал Bookworm своему сыну Себастьяну, которому в то время было 16 лет. Себастьян ввел запрос. На экране появился график. Заинтересовавшись, он попробовал еще; а после еще двух запросов он забрал машину у Мартина и удалился. Уже через несколько минут работы он позвонил другу: «Ты должен сейчас же прийти и увидеть, что у меня есть». Друг пришел, и они отправляли запрос за запросом до глубокой ночи.

Последняя машина отправилась на Библиотечный саммит 2010 года, проводившийся компанией Google. Нас пригласили сделать на этом мероприятии доклад. Именно на этом саммите Google обычно рассказывала главам многих библиотек мира о последних новостях своего проекта по оцифровке.

Наверное, вы считаете библиотекарей тихими и спокойными людьми. Мы столкнулись с обратной картиной.

После того как мы объяснили базовую концепцию того, чем занимаемся, уровень энтузиазма в зале резко возрос – никто и никогда не слышал ни о чем подобном (по крайней мере в таких масштабах). Мы смогли привлечь внимание каждого человека, находившегося в переполненном зале. Ко времени, когда мы стали показывать примеры, комната наполнилась удивительной энергией. Наконец, после 45 минут общения мы перестали разговаривать и загрузили Bookworm.

Мы поинтересовались у аудитории: «А теперь… какие мы отправим запросы?» В ответ раздались бурные аплодисменты, подобных которым мы не слышали никогда в жизни. Но библиотекари еще и принялись кричать, не в силах сдержать эмоции:

– Сравните слова «он» и «она»!

– Давайте попробуем «глобальное потепление»!

– «Пираты» против «ниндзя»!

Комната буквально взорвалась от восторга, любопытства и ликования.

N-грамы очаровывали, манили и моментально вызывали привыкание. Казалось, будто мы открыли новую разновидность героина для «ботаников».

Сидевший в первом ряду Дэн Клэнси понимал, что наше странное изобретение будет интересным не только для нас самих и кучки библиотекарей, но и для множества пользователей Google. Он пообещал, что Google займется адаптацией нашего прототипа и выпустит его в свет в рамках проекта Google Books. Мы были в восторге.

Внезапно наш проект превратился из черепахи научного метода в стремительного кролика, работающего на энергии Google. Ровно через две недели потрясающие программисты из Google Йон Орвант, Мэттью Грей и Уильям Брокман создали прекрасную веб-версию Bookworm. Чтобы избежать длительного процесса согласования новых торговых марок внутри компании, мы были вынуждены сменить прежнее название на более простое и технологичное – Ngram Viewer. В 14:00 16 декабря 2010 г. журнал Science опубликовал нашу статью с описанием исследования, и одновременно с этим Google выпустила Ngram Viewer в свет.

За первые же 24 часа на сайт зашло три миллиона посетителей. Тут же стали появляться сообщения в Twitter. Обзоры Ngram Viewer варьировались от «вызывает привыкание» (@gbilder) до «вызывает тотальное привыкание» (@paulfroberts) и «божежтымой google ngram viewer вызывает привыкание, с каким я никогда прежде в жизни не сталкивался» (@rachsyme). Журнал Mother Jones окрестила его «возможно, величайшим расточителем времени в истории Интернета» [185]. Прочитав на следующее утро газету New York Times, мы с удивлением увидели рассказ о нашей работе на первой полосе.

Проблема была решена: раз уж мы не могли избавиться от парализующей волю тяги к n-грамам, то мы решили подсадить на них весь мир.

В сентябре 1610 года Галилей начал серию наблюдений планеты Марс. К декабрю того же года он заметил нечто примечательное – казалось, что Марс становится все меньше и меньше, и теперь его размер составлял всего треть от сентябрьского[186]. Галилей пришел к выводу, что за несколько месяцев планета удалилась от Земли на огромное расстояние, – и это стало одним из важнейших доказательств того, что Земля не находится в центре Вселенной. Однако, помимо этого, Галилей не мог увидеть практически ничего другого. Его телескоп был слишком примитивен, чтобы что-то рассказать о поверхности планеты.

Через несколько столетий Джованни Скиапарелли навел на Красную планету значительно более мощный телескоп[187]. Он увидел совершенно потрясающую вещь – поверхность планеты была испещрена массивными линиями. Рассказы Скиапарелли настолько вдохновили человека по имени Персиваль Лоуэлл, что в 1894 году тот решил выстроить свой собственный телескоп, чтобы увидеть эту же картину своими глазами. И он действительно увидел те же линии из своей обсерватории, созданной в городе Флагстафф, штат Аризона. Другие люди, работавшие в обсерватории Лоуэлла, подтвердили его открытия. На основе прямых наблюдений команда смогла создать подробные карты с указанием линий, формировавших на поверхности планеты плотную сеть.

Чем же могли быть эти протяженные линии на поверхности Марса?

Объяснение Лоуэлла базировалось на знании, широко распространенном уже сто лет назад. Ученым было известно, что на Марсе практически нет воды, за исключением ледяных шапок на полюсах планеты. Лоуэлл считал, что линии представляли собой масштабную систему ирригационных каналов, созданных жителями умиравшей планеты для доставки воды из полярных регионов. Рассматривая систему линий в свой телескоп, Лоуэлл пришел к заключению, что на Марсе есть разумная жизнь[188]. Мы не одиноки.

В ученой среде разгорелись ожесточенные споры по поводу работы Лоуэлла. Многие из ученых выражали сомнение. Но были и энтузиасты. Генри Норрис Рассел, которого называют иногда «отцом» американских астрономов[189], говорил о марсианских каналах: «Возможно, лучшая из существующих ныне и наиболее активно стимулирующая наше воображение теория была предложена мистером Лоуэллом и его коллегами из обсерватории в Аризоне» [190].

Эмоциональный заряд идей Лоуэлла произвел впечатление не только в научных кругах. Эти идеи, популярно изложенные в трех книгах, захватили весь мир. Тут же появились и другие новости. Один наблюдатель даже обнаружил в переплетенной сетке каналов, описанной Лоуэллом, трехбуквенное имя Бога на иврите (йгщ). К 1898 году Герберт Уэллс уже написал «Войну миров» [191]. Задолго до того, как на открытиях Лоуэлла осела пыль, марсиане захватили Землю – или, по крайней мере, наше воображение.

Научный энтузиазм по отношению к идеям Лоуэлла стих к 1910-м годам, когда для наблюдений стали использоваться более качественные телескопы. Тем не менее период полураспада идеи (особенно столь увлекательной) достаточно долог, и утверждения Лоуэлла, а также его карты ирригационной системы долго сохраняли свое влияние. Когда НАСА отправило первые непилотируемые аппараты для того, чтобы сделать изображения Красной планеты, глобус Марса, использовавшийся для планирования миссии, сопровождался детальными аннотациями и отметками, взятыми из работ Лоуэлла[192]. В 1964 году, когда аппараты «Маринер» пробились через глубины космоса к конечной точке своего путешествия, энтузиазм относительно жизни на Марсе достиг новых высот[193].

Изображения, присланные аппаратом «Маринер-4» при первом облете планеты, принесли немало разочарований. На планете не было каналов. Не было там и имени Бога. Никаких очевидных признаков разумной жизни. Ни одной из указанных Лоуэллом линий. Все, что было видно на фотографиях, – это масса обезвоженной красной почвы, на которой возвышались редкие кратеры.

Великая сила нового «скопа» состоит в том, что он может отправить нас в неизведанные миры. Однако его великая опасность состоит в том, что, увлекшись, мы склонны быстро переходить от того, что видим, к тому, что хотим увидеть. Даже самые серьезные данные уступают под натиском интерпретатора. Марсиане не прибыли к нам с Марса – они возникли благодаря воображению человека по имени Персиваль Лоуэлл.

Через всевозможные «скопы» мы смотрим на самих себя. Каждая новая линза представляет собой и новое зеркало.

Графики в этой книге были созданы под впечатлением от великолепного визуального стиля веб-комикса xkcd авторства Рэндалла Манро (http://xkcd.com/). Идея автоматизации создания графиков в стиле xkcd была предложена Дэймоном Макдугаллом. Графики в самой книге создавались в программе Python, с использованием модифицированной версии программы Джейка Вандерпласа. Эти n-грамы можно создавать интерактивно на сайте Google Ngram Viewer: http://books.google.com/ngrams/, а в стиле xkcd – по адресу http://xkcd.culturomics.org. Мы надеемся, что Манро не будет на нас в обиде (см. http://xkcd.com/1007/ и http://xkcd.com/1140/). Некоторые из его любимых n-грамов можно найти по адресу: http://xkcd.com/ngram-charts/.

Обратите внимание, что данные приводятся с учетом регистра, а вид графиков n-грамов зависит от нескольких параметров. Если в заметках не указано иное, то все графики n-грамов, приведенные в тексте книги, в точности соответствуют результатам работы Google Ngram Viewer, при использовании корпуса English 2012 и трехлетнего сглаживания. Также, если не указано иное, текст запроса приводится полностью в нижнем регистре, за исключением имен собственных, которые пишутся как обычно. Все соответствующие массивы данных для работы можно загрузить по адресу: http://goo.gl/3IIA9.

При упоминании конкретных n-грамов, таких как Marc Chagall и Kubismus в корпусе на немецком языке, они указываются в виде NV: «Marc Chagall, Kubismus»/German. В случае если корпус не указан (например, NV: «cubism»), использовался корпус English 2012. В ряде случаев мы указываем диапазон лет или значение параметра сглаживания.