Czy Ukraina w 1991 r. dysponowała potencjałem ekonomicznym wyższym czy niższym od ówczesnej Polski? Jeśli chcemy uzyskać szybką i pewną odpowiedź na to pytanie, zapewne sprawdzimy historyczne dane dotyczące PKB dla obu krajów. Co jednak, jeśli podobnie zapytamy o wolność prasy? Prawdopodobnie znalezienie odpowiedzi wyda się nam trudniejsze, ale niedługa kwerenda w internecie szybko zaproponuje nam konfrontację z innym miernikiem – Indeksem Wolności Prasy.
Intuicyjnie czujemy, jak sądzę, że wielkość gospodarki lepiej nadaje się do liczbowego oszacowania (jako wskaźnik ekonomiczny) niż wolność mediów. Niemniej to mierniki drugiego typu – te nieoczywiste – otaczają nas na każdym kroku. Otwieramy gazetę, gdzie recenzje filmów, spektakli i książek podsumowane są ocenami na punktowej skali, podobnie jak występy piłkarzy w meczach poprzedniej kolejki, okraszone powodzią statystyk i danych. Gdy szukamy restauracji w nieznanym sobie mieście, również kierujemy się liczbami – ocenami poprzednich gości.
Życie codzienne opisywane jest ogromną ilością policzalnych zmiennych i archiwizowanych danych. Antropolodzy mówią nawet o „życiu napędzanym danymi”, rośnie w siłę ruch Quantified Self.
Opaski lub zegarki zbierające biometryczne dane są powszechne, spięte z nimi aplikacje wyliczają zagregowane wyniki stanu zdrowia wtłoczone w jedną liczbę. W sukurs idzie przemysł meblarski, inwestując w „inteligentne łóżka”, które podadzą „wynik snu” jeszcze lepiej i precyzyjniej, utrzymując reżim obliczeń prawie 24 godz. na dobę. Dane nie tylko kochamy zbierać i przez ich pryzmat postrzegać coraz więcej elementów otaczającej rzeczywistości – uwielbiamy też na ich podstawie decydować. „Przepraszam, które danie ma najwięcej punktów rankingowych?” – dowcipkował już wiele lat temu internetowy komiks.
Dyskretny urok kalkulacji
W dyskusjach publicznych powtarzane są frazy o eksplozji danych, o zagrożeniach związanych z ich prywatnością, algorytmicznym podejmowaniu decyzji czy o tzw. sztucznej inteligencji. Pomimo przykładów osaczenia liczbami na każdym niemal kroku sama świadomość zjawiska, a przede wszystkim jego przyczyny i konsekwencje zdają się umykać naszej uwadze i poważniejszej refleksji. Jeśli przyjrzymy się jednak szerzej panoramie, zauważymy szybko, że naszą epokę definiuje kompulsywny ciąg do gromadzenia danych i wyciągania na ich podstawie wniosków. Stoi za tym potężna obietnica epistemologiczna: wierzymy, że dopiero dzięki analizie statystycznej jesteśmy w stanie dostrzec więcej – odkryć ukryte wzorce rzeczywistości, które umykają „gołemu oku”. W tym paradygmacie wiedza uzyskana z tabeli staje się z definicji solidniejsza i bardziej wiarygodna niż ta oparta na kruchych fundamentach jednostkowego doświadczenia, zawodnej intuicji i lokalnej tradycji.
Jednak głód wiedzy nie jest bezinteresowny. Przede wszystkim pożądamy liczb jako narzędzi perswazji i efektywności. Chcemy podejmować decyzje „optymalne”, a pojęcia takie jak data-drivenness, algorithmic decision-making czy benchmarking (słynne już w korporacyjnych klechdach indeksy KPI) służą nam jako drogowskazy. Używamy ich, by nadać naszym poglądom, decyzjom i wyborom certyfikat transparentności i obiektywizmu, ucinając w ten sposób spory. Jeśli „dane tak mówią”, dyskusja wydaje się zakończona.
Historyczka nauki Lorraine Daston wraz z innym badaczem, Peterem Galisonem, nazwali ten fenomen „mechaniczną obiektywnością” – ideałem wiedzy, w którym zaufanie przenosi się z osądu eksperta na bezosobowość procedury. Prawda ma wynikać nie z doświadczenia czy mądrości, lecz z powtarzalnego procesu pomiaru, który teoretycznie eliminuje ludzką skłonność do błędu i stronniczości.
Tkwimy w tym paradygmacie tak głęboko, że stał się on dla nas przezroczysty. Współcześnie sam pomysł, by coś zmierzyć i policzyć, aby naprawdę zrozumieć problem, wydaje się czymś instynktownym i bezalternatywnym.
Nie pytamy, „czy” mierzyć, ale „jak”. Rzucane lekceważąco stwierdzenie, że „uczenie maszynowe to tylko statystyka”, nabiera zupełnie nowej wagi. Sztuczna inteligencja nie jest „tylko”, ale „aż” statystyką. Dlatego nadejście AI trzeba rozumieć głębiej – nie jako nowinkę techniczną, lecz jako punkt kulminacyjny i industrializację procesu, który formatował nasz umysł od co najmniej 300 lat.
Paradoksalnie ważniejsza od samej wszechobecności cyfr jest nasza głęboka, wewnętrzna zgoda na „obliczeniowe myślenie”. To pojęcie, używane przez technokratów bez cienia ironii, oznacza wiarę w nadrzędną racjonalność takiego trybu funkcjonowania. Realizuje się w nim słynna diagnoza Maxa Webera wygłoszona w trakcie I wojny światowej o nowoczesnym „popędzie do opanowania wszystkiego przez kalkulację”.
Jak ekonomia i statystyka nauczyły się liczyć
Aby zrozumieć, jak głęboko zakorzeniony jest w nas odruch „obliczeniowego myślenia”, spróbujmy przeprowadzić prosty eksperyment myślowy. Wyobraźmy sobie współczesnego ekonomistę, który publikuje artykuł naukowy bez ani jednego wykresu, modelu czy równania. Wyobraźmy sobie statystyka, który nie liczy, lecz opisuje słowami kondycję państwa. Brzmi to jak absurd, umysł buntuje się przeciwko takiej wizji, podpowiadając, że ekonomia jest nauką o liczbach, statystyka zaś matematyką danych. A jednak to klasyczny przykład pozornej, zinternalizowanej oczywistości, która nie wytrzymuje historycznej krytyki. To, co dziś wydaje nam się naturą tych dziedzin, jest w rzeczywistości efektem stosunkowo niedawnego, ale gwałtownego podboju.
Najbardziej uderzający przykład tej transformacji stanowi ekonomia. Jeszcze w połowie XIX w. dziedzina ta, znana wówczas jako „ekonomia polityczna”, była domeną filozofów moralnych, historyków i myślicieli społecznych. Ojciec założyciel, Adam Smith, pisząc Bogactwo narodów (1776), nie użył ani jednego równania matematycznego. Dla Smitha i Davida Ricardo ekonomia była nauką o sprawiedliwości, dystrybucji dóbr i organizacji społeczeństwa, opartą na argumentacji jakościowej i historycznej, a nie na rachunku różniczkowym.
Zmiana paradygmatu, która nastąpiła w latach 70. XIX w., była nagła i brutalna. Przeszła do historii jako „rewolucja marginalistyczna”. Badacze tacy jak William Stanley Jevons, Carl Menger i Léon Walras, powodowani zazdrością o sukcesy fizyki, postanowili przeszczepić aparat matematyczny na grunt nauk społecznych.
Zamiast o moralnych dylematach rynku zaczęli mówić o „optymalizacji”, „równowadze” i „użyteczności krańcowej”, importując narzędzia wprost z mechaniki newtonowskiej.
Symbolicznym domknięciem tego procesu była zmiana samej nazwy. W 1879 r. Jevons postulował porzucenie przymiotnika „polityczna” na rzecz samej „ekonomii”, by brzmiała ona bardziej naukowo, na wzór fizyki czy matematyki. Był to semantyczny zamach stanu: ekonomia stała się abstrakcyjną „nauką o implikacjach subiektywnej teorii wartości”. W ciągu zaledwie 50 lat niemal całkowicie wyrugowano z dyskursu podejście nieilościowe. Dziś opublikowanie w czołowym piśmie ekonomicznym tekstu czysto jakościowego okazuje się w zasadzie niemożliwe. Matematyzacja stała się tak kompletna, że zapomnieliśmy, iż kiedykolwiek istniała alternatywa.
Równie fascynująca, a może nawet bardziej zaskakująca jest trajektoria dziejów samej statystyki. Etymologicznie niemiecki termin Statistik (wywodzący się od Staatenkunde) nie miał nic wspólnego z matematyką w dzisiejszym rozumieniu. Oznaczał on „wiedzę o państwie” – opisowy, często słowny zbiór informacji o ludności, handlu i zasobach, służący władcy do sprawnego zarządzania. Była to nauka administracyjna, forma „państwoznawstwa”, w której liczby stanowiły jedynie dodatek do opisu, mająca swoje początki co najmniej w XVII w.
Jednak na przełomie XIX i XX w. statystyka przeszła to, co możemy nazwać „wtórną matematyzacją”. Z narzędzia opisu państwa przeistoczyła się w uniwersalną logikę wnioskowania naukowego. Kluczową rolę odegrali tu najwięksi: Ronald Fisher i Karl Pearson (ale i nasz Jerzy Spława-Neyman), którzy stworzyli fundamenty wnioskowania statystycznego (w przeciwieństwie do wcześniejszej czysto deskryptywnej roli). Pearson i Fisher nazywani są często ojcami statystyki – dość nietuzinkowy tytuł dla reprezentantów dziedziny, która istniała już od bez mała 200 lat. W konsekwencji bardzo późno w historii swojej dyscypliny statystycy przyjęli rolę, którą Fisher określił mianem „chłopców z zaplecza”. Przestali być oni jedynie skrybami władzy albo zbieraczami danych, stali się natomiast najwyższymi audytorami nauki. Statystyka zaczęła pełnić funkcję służebną, ale kluczową: dostarcza certyfikatu „naukowości” dla wszystkich innych dziedzin eksperymentalnych. To statystycy wymyślili procedury – takie jak testy istotności, p-wartości czy randomizowane próby kontrolne które często są kluczem do decyzji o tym, czy dany wynik jest „prawdą” czy tylko szumem.
Statystyka stała się „uniwersalną gramatyką” racjonalności. Dziś lekarz nie może wprowadzić leku, a psycholog ogłosić odkrycia, dopóki „chłopcy z zaplecza” nie przystawią pieczątki z napisem „istotne statystycznie”. Wnioskowanie statystyczne stało się obowiązującym standardem prawdy w naukach przyrodniczych i społecznych. Fakt, że tak trudno nam sobie wyobrazić naukę bez tego matematycznego stempla, dowodzi tylko, jak skutecznie „historia tego, co oczywiste”, zatarła własne ślady.
To nie Bóg gra w kości
Doskonałymi przykładami problemów, które podlegały postępującej matematyzacji, są losowość (pierwotnie gry losowe) i ryzyko, a za nimi nieoczekiwany spadkobierca – rynek ubezpieczeń. Przyszłość przez wieki postrzegano jako domenę boskiej opatrzności; w XVII i XVIII stuleciu została ona jednak skolonizowana jako domena kalkulowanego ryzyka.
Historycy nauki (przede wszystkim Ian Hacking) określają ten pierwszy krok w liczbowym podboju „ujarzmieniem przypadku” – przekształceniem niepewności z problemu teologicznego w możliwy do opanowania zasób. Ta ontologiczna zmiana rozpoczęła się od Pascala i Fermata, którzy, zainspirowani problemami hazardzistów, opracowali teorię prawdopodobieństwa w połowie XVII w. Ich prace wykazały, że chaos pojedynczych zdarzeń, ujęty w odpowiednio dużą skalę, ujawnia stabilne, matematyczne prawidłowości.
Matematyczna intuicja znalazła swoje najpotężniejsze zastosowanie w handlu, a konkretnie: w przejściu od postrzegania katastrofy jako pechowego „losu” do wpisania jej w „koszty działalności”. Jak zauważył Peter Bernstein w książce Przeciw bogom, epoka ta oznaczała transformację, w której ludzkość przestała być bierną ofiarą bóstw i stała się zarządczynią własnej przyszłości. Losowość została skwantyfikowana, wtłoczona w liczbową formę – wyliczeń prawdopodobieństw.
Najbardziej spektakularnym triumfem tej logiki stały się ubezpieczenia na życie. John Graunt i Edmund Halley, analizując londyńskie i wrocławskie rejestry zgonów, dokonali swoistego aktu transmutacji: śmierć przestała być tajemnicą, a stała się statystyczną stałą. Halleyowskie tablice trwania życia nie tylko opisywały przeszłość, ale z powodzeniem prognozowały przyszłość biologiczną populacji, udowadniając, że nawet tak kapryśna materia jak ludzkie życie podlega rygorowi stacjonarności – założeniu, że jutro będzie statystycznie podobne do wczoraj. Dobrym przykładem tej zmiany jest ewolucja handlu morskiego, gdzie żegluga – niegdyś domena przygody i wyczynu, całkowicie zależna od ślepych kaprysów morza – przekształciła się w racjonalne przedsięwzięcie dzięki ubezpieczeniu. Obliczając prawdopodobieństwo straty, kupcy mogli przekształcić przerażającą niepewność związaną z rozbiciem statku w stałą składkę, skutecznie komercjalizując ryzyko i umożliwiając długoterminowe planowanie. Dzięki tym odkryciom aktuariusz, wyliczając składkę według precyzyjnego wzoru (prawdopodobieństwo śmierci razy kwota wypłaty), mógł dokonać wyceny wcześniej niewycenialnego. Lęk przed śmiercią został zamieniony w „koszt”, a ryzyko w „aktywo”. Abstrakcyjne pojęcie niepewności stało się towarem, którym można handlować, spekulować i zabezpieczać się przed nim, tak jak handluje się zbożem czy drewnem.
Tę samą logikę, tyle że w skali planetarnej, widzimy dzisiaj w nauce o klimacie. To tutaj objawia się w pełni potęga kwantyfikacji.
Klimat, rozumiany jako globalny, mierzalny system, musiał bowiem zostać dosłownie „skonstruowany” przez modele matematyczne – to przykład gałęzi nauki stworzonej praktycznie od zera dzięki znalezieniu odpowiednich liczbowych ekspresji dla problemu.
Dopiero redukcja nieskończonej złożoności biosfery do modeli matematycznych i kodu komputerowego pozwoliła nam nie tylko zajrzeć w przyszłość, ale też zarządzać scenariuszami kontrfaktycznymi: symulować światy, które jeszcze nie istnieją („co się stanie, jeśli zredukujemy emisję o X?”), porównywać je i oceniać.
Handel uprawnieniami do emisji dwutlenku węgla to zatem współczesne lustro rewolucji ubezpieczeniowej, w którym mechanizmy predykcji i urynkowienia posuwają się o krok dalej. Musieliśmy zredukować biosferę do jednej uniwersalnej metryki: „tony ekwiwalentu CO2”. Bez tej kwantyfikacji zanieczyszczenie było co najwyżej problemem moralnym lub zdrowotnym, lecz nie ekonomicznym. Dopiero gdy niewidzialny gaz został policzony, mógł wkroczyć mechanizm urynkowienia. System cap and trade przekształcił „prawo do zanieczyszczania” w zbywalny papier wartościowy. Podobnie jak w XVIII w. ubezpieczyciele zamienili „strach przed śmiercią” w polisę, tak dzisiaj rynki finansowe zamieniły „strach przed katastrofą klimatyczną” w derywat. Stworzono nowy, abstrakcyjny towar – „kredyt węglowy” – który pozwala korporacjom kupować i sprzedawać prawo do emisji, czyniąc z ochrony planety kolejną rubrykę w księdze rachunkowej.
Jednak liczby nie tylko pomagają nam rozumieć, przewidywać i handlować. Co być może najważniejsze – pomagają nam niezwykle sugestywnie przekonywać.
Galicyjskie matematactwo
W 1888 r. Galicja cierpiała w większości po cichu. Austriacka biurokracja, uzbrojona w sążniste raporty i urzędowy optymizm, twierdziła, że prowincja rozwija się „normalnie”. Bieda była powszechnie znaną jakością – odczuwalną, widoczną, ale w debacie publicznej rozmytą anegdotami i subiektywnymi wrażeniami. Władza miała monopol na narrację, bo miała monopol na dane. Dyskusji wśród nielicznych intelektualistów nie zauważano szerzej i pozostawały bez echa. Wtedy do gry wkroczył Stanisław Szczepanowski – baron naftowy i reprezentant Galicji w parlamencie austriackim. Zrozumiał instynktownie to, co polskie środowisko dopiero odkrywało: liczby robią wrażenie, przekonują i zapewniają autorytet skuteczniej niż cokolwiek innego.
Jego Nędza Galicyi w cyfrach… nie była po prostu książką; była swoistym aktem oskarżenia spisanym w języku liczb. Szczepanowski nie pisał o „trudnej sytuacji”, lecz wyliczył, że w Galicji z głodu umiera rocznie 50 tys. osób. Zestawił spożycie mięsa: przeciętny Galicjanin zjadał go 10 kg rocznie, podczas gdy Anglik – 50 kg. Ukuł przy tym metaforę, która weszła do ówczesnego języka i stała się politycznym sloganem: wykazał mianowicie, że z powodu niedożywienia i zacofania technologicznego galicyjski robotnik „pracuje za ćwierć, a je za pół człowieka”….
