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”.
Efekt był piorunujący. W ciągu dwóch tygodni sprzedano 1 tys. egzemplarzy – nakład w tamtych czasach niespotykany dla pozycji o tematyce ekonomicznej. Liczby Szczepanowskiego zadziałały dokładnie tak, jak przewidział to Dominik Krysiński w 1814 r.: „Prawdy liczbami objaśnione uderzają i przekonywają umysł (…), gdy ujrzy błędy swoje w okropnych wyrażone liczbach, zadrży i struchleje”. Abstrakcyjne pojęcie „zacofania” zostało zamienione w konkretny, policzalny skandal, którego tak Kraków, jak i Wiedeń nie mogły już zignorować.
Pomimo mocnego odbioru politycznego profesjonalni statystycy szybko stwierdzili, że Szczepanowski dość niechluj-nie poczyna sobie z danymi. Tadeusz Piłat, ówczesny dziekan wydziału prawa na Uniwersytecie Lwowskim i ekspert od statystyki, natychmiast wytknął mu błędy metodologiczne: zaokrąglanie danych (75,49 mieszkańców zamieniał na 80, by podbić dramaturgię), opieranie się na niewiarygodnych szacunkach czy błędy w rachunkach sięgające milionów.
Szczepanowski nie podawał też źródeł swoich danych, a porównanie z innymi publikacjami wykazywało rozbieżności. Nie osłabiło to jednak efektu książki.
Trudno powiedzieć, czy Szczepanowski bałamucił dane celowo czy w dobrej wierze. Tak czy owak: stał się w polskiej historii kwantyfikacji pierwszym superspreaderem „matematycznych” fake newsów albo innymi słowy pionierem skutecznego – jak pisze Darrell Huff – „kłamania statystykami”. Retoryczna siła zmiażdżyła prawdę naukową i metodologiczny rygor. Kilka pamiętnych liczb i rzekoma precyzja wyliczeń zostały wzięte nie tylko za odkrycie, ale i za niezbity dowód. Ponad 100 lat później Charles Seife w swojej książce nazwie taki zabieg proofiness (trudno przekładalny termin, który możemy oddać jako „dowodziarstwo” albo „matematactwo”) – niepoprawny argument upudrowany na niemal matematyczne twierdzenie, korzystający z powabu rzekomo precyzyjnych i niepodważalnych miar.
Szczepanowski stworzył mit „nędzy galicyjskiej”, który stał się faktem społecznym. Jego wątpliwe wyliczenia zmobilizowały działania – zainspirowały przemysłowców naftowych (np. Wacława Wolskiego, który twierdził, że książka stała się jego programem). Praca wymusiła też realne reformy infrastrukturalne po 1890 r. Stała się także bezpośrednią inspiracją do powstania monumentalnej Galicji Franciszka Bujaka (w 1909 r.), potężnego i niezwykle rzetelnego studium socjologicznego rzeczywistej sytuacji w Galicji, zleconej mu bezpośrednio przez Ignacego Daszyńskiego. Zadanie to było zresztą podyktowane chęcią oparcia strategii politycznej socjalistów na pewnej i sprawdzalnej wiedzy, uzyskanej w efekcie statystycznych ankiet, które miały dać wierny obraz sytuacji w regionie.
Na galicyjskim gruncie pierwszy raz w historii Polski tak silnie objawiła się prawda, że liczba jest jedną z najpotężniejszych form argumentu politycznego i społecznego; nie tylko opisu rzeczywistości, lecz również jej kreowania. Nauka ta bardzo szybko przyjęła się i przydała – stała się podstawowym orężem w walce przy negocjacyjnym stole w trakcie ustaleń pokojowych po I wojnie światowej, o czym pisze Maciej Górny w swojej Wielkiej Wojnie Profesorów. Udowadnia w niej, że w trakcie konferencji w Wersalu statystycy i kartografowie (idealny mariaż danych z wizualizacją to temat na od-dzielną historię) awansowali z roli technicznych skrybów na pozycję politycznych arbitrów, których „obiektywny” autorytet legitymizował nowe granice państw. Wykorzystali bezwzględnie retoryczną potęgę liczb, gdzie odpowiednio dobrana skala barw czy zagęszczenie kropek na mapie (pokazujących rozmieszczenie różnych narodowości) stawały się argumentem silniejszym niż historyczne sentymenty.
Koszty wiary w liczby
Jednak ta imponująca skuteczność ma swoją cenę. Uwiedzeni potęgą predykcji i retoryczną siłą wykresów, łatwo zapominamy, że każda kwantyfikacja jest nie tylko zyskiem, ale i redukcją – aktem wciskania wielowymiarowej rzeczywistości w jednowymiarowe ramy modelu.
Wśród tych, którzy w pochodzie cyfr widzieli zagrożenie dla istoty człowieczeństwa, znajdziemy Mickiewicza i jego romantyczne żądanie, by „cyrkla, wagi i miary do martwych użyć brył”, odmawiając im prawa do mierzenia żywego ducha. Podobną opinię w realiach rewolucji przemysłowej wyrażał Dickens, który w Ciężkich czasach sportretował utylitarystę Gradgrinda, redukującego uczennicę do bezimiennej „Dziewczyny numer 20” – wymiennego trybiku w maszynie statystyki. Był to powszechny lęk epoki, która w mechanicznym zarządzaniu opartym na nowo powstałym pojęciu efektywności upatrywała dehumanizacji, a w kwantyfikacji – jej nośnika. Podobny egzystencjalny bunt znajdziemy u Dostojewskiego w Notatkach z podziemia, w których pomstuje przeciwko perfekcyjnej kalkulacji, gdzie „dwa razy dwa to cztery” nie jest życiem, lecz „początkiem śmierci” i końcem ludzkiej wolności.
Podobne lęki znalazły też swoje echo w literaturze science fiction, która w kwantyfikacji trafnie wytypowała twardy rdzeń postępu technicznego. Już w 1920 r. Jewgienij Zamiatin w antyutopii My wykreślił wizję świata, gdzie obywatele zostają zredukowani do numerów i żyją w żelaznym kieracie matematycznej „Tablicy Godzin”. Miała to być ostra satyra na możliwość „obliczenia” optymalnego ułożenia życia jednostek – idea, która zaczynała władać wtedy Związkiem Radzieckim. Z kolei Eugene Burdick w powieści The 480 (1964 r.) z imponującą dalekowzrocznością przewidział erę Cambridge Analytica, opisując kampanię, w której komputer dzieli elektorat na 480 typów, by manipulować wyborcami nie za pomocą argumentów, lecz chłodnej analizy danych i „ukrytego projektu”.
Te literackie przeczucia to jednak zaledwie wstęp do zderzenia z twardą rzeczywistością. Prawdziwą cenę abstrakcji płacimy bowiem tam, gdzie źle urodzone uliczbowienie próbuje uporządkować żywy chaos.
Gdy miara staje się celem
Największym grzechem nowoczesnej kwantyfikacji nie jest jednak to, że bywa niedokładna czy niewygodna. W momencie gdy zamieniamy złożoną rzeczywistość na prosty wskaźnik i podpinamy pod niego system nagród (pieniądze, awans, prestiż), uruchamiamy mechanizm autodestrukcji, kanibalizując wartości, jakim miała służyć obliczalność. Ekonomiści nazywają to prawem Goodharta: „Kiedy miara staje się celem, przestaje być dobrą miarą”. W praktyce oznacza to, że ludzie przestają optymalizować rzeczywistość (np. lepiej leczyć, lepiej uczyć, wygrywać wojny), a zaczynają optymalizować wskaźnik.
Zanim pojęcie to zyskało naukową nazwę, jego mechanizm objawił się groteskowo we francuskich Indochinach. Władze kolonialne w Hanoi, walcząc na początku XX w. z plagą szczurów roznoszących dżumę, wyznaczyły nagrodę pieniężną za każdy szczurzy ogon dostarczony urzędnikom. Cel był jasny: eksterminacja, zaś metryka: liczba ogonów. Reakcja „rynku” była natychmiastowa. Ulice zalały tysiące ogonów, a urzędnicy gratulowali sobie sukcesu na papierze. Szybko jednak zauważono na ulicach miasta masę żywych, bezogonowych szczurów. Łowcy, zamiast zabijać gryzonie, odcinali „miarę” i wypuszczali je z powrotem do kanałów, by te mogły się dalej rozmnażać i „produkować” kolejne metryki. Co gorsza, na obrzeżach miasta powstały regularne farmy hodowlane szczurów.
To samo zjawisko widzimy dziś w edukacji pod hasłem „uczenia pod test”.
Gdy finansowanie szkoły zależy od wyników standaryzowanych egzaminów, nauczyciele przestają uczyć tego, na czym im realnie zależy, a zaczynają trenować rozwiązywanie testów. Wiedza (terytorium) zostaje poświęcona dla wyniku (mapy).
Jeszcze bardziej wyrafinowaną formę zdrady metodologicznej obserwujemy w historii pojęcia „śladu węglowego”. Oryginalna intencja była czysto naukowa. Koncepcja ta wywodzi się z „ekologicznego śladu”, opracowanego w latach 90. przez Williama Reesa i Mathisa Wackernagela. Ich celem było stworzenie makroekonomicznego wskaźnika, który pokazywałby, w jakim stopniu ludzkość jako całość przekracza możliwości regeneracyjne planety. Było to narzędzie oskarżenia systemowego, skierowane przeciwko niezrównoważonej gospodarce. Jednak w 2004 r. metryka ta została zawłaszczona. Koncern BP, współpracując z agencją marketingową Ogilvy & Mather, uruchomił kampanię „It’s time to go on a low carbon diet”. BP spopularyzowało osobisty kalkulator śladu węglowego, dokonując semantycznego majstersztyku: przesunięcia odpowiedzialności z producenta na konsumenta.
Zamiast patrzeć na gigatonowe emisje z szybów naftowych, opinia publiczna zaczęła obsesyjnie liczyć gramy CO2 w swoich kanapkach i podróżach. Korporacja wykorzystała autorytet liczby, by stworzyć tarczę, za którą mogła kontynuować biznes. To dowód na to, jak elastyczna politycznie jest kwantyfikacja – to samo narzędzie może służyć do diagnozy problemu lub do jego maskowania.
Wojna w Excelu
W XX w. ten sam mechanizm przeniósł się z ulic Hanoi do gabinetów Pentagonu, prowadząc do jednej z największych strategicznych klęsk w historii USA.
Robert McNamara, sekretarz obrony i fanatyk „zarządzania przez twarde liczby”, uznał, że postępy w wojnie w Wietnamie da się zmierzyć tak, jak mierzy się wydajność montowni samochodów Forda, którą współzarządzał przed wojną w Detroit. Wymyślił więc metrykę body count (liczby zabitych wrogów).
Logika była tak prosta, jak okrutna: jeśli zabijamy więcej ich żołnierzy, niż oni mogą zrekrutować, wygrywamy. Ale wietnamska dżungla to nie linia produkcyjna. Dowódcy polowi, wiedząc, że od słupków zależy ich awans, zaczęli raportować zabijanych cywilów jako partyzantów i zawyżać raporty. Ameryka wygrywała wojnę tylko na wykresach w Waszyngtonie.
Co ciekawe, otoczenie McNamary widziało szaleństwo tego podejścia. Generał Edward Lansdale, ekspert od wojny psychologicznej, próbował ostrzec szefa, że jego modele są niekompletne. Podczas jednej z odpraw Lansdale miał rzucić:
„Czegoś tu brakuje. Można by to nazwać czynnikiem X”.
„Co to jest?” – zapytał McNamara, wpisując szybko nową zmienną do arkusza.
„Odczucia Wietnamczyków” – odpowiedział Lansdale.
Odpowiedzią McNamary było wykreślenie dopiero co wpisanego czynnika z notatnika. Nie zapytał, jak inaczej go zbadać. Kierował się założeniem, że skoro nie można czegoś zmierzyć, to nie jest to realna „zmienna”. Nie można na niej operować ani nią zarządzać. W efekcie ten element rzeczywistości dla systemu nie istnieje.
Upór McNamary w kierowaniu się tym, co postrzegał za żelazną precyzję niezbędną do maksymalnej efektywności, zazwyczaj przypisuje się jego doświadczeniom w zarządzaniu fabryką przed wojną. To zapewne prawda, ale amerykański generał kierował się ideałem, który odnajdujemy w kryształowej formie już u lorda Kelvina w 1883 r., kiedy z pasją do-wodził: „Gdy potrafisz zmierzyć to, o czym mówisz, i wyrazić to w liczbach, wiesz o tym coś; ale gdy nie potrafisz tego zmierzyć, gdy nie potrafisz wyrazić tego w liczbach, twoja wiedza ma charakter ubogi i niezadowalający: może to być początek wiedzy, ale w swoim myśleniu ledwie zbliżyłeś się do etapu nauki, jakikolwiek byłby przedmiot rozważań”.
Centrum zarządzania wszechświatem
Aby błyskawicznie zrozumieć esencję logiki kwantyfikacji, wystarczy spojrzeć na jedno zdjęcie z Santiago de Chile z 1973 r. Przedstawia ono Opsroom, serce socjalistycznego projektu Cybersyn. Wygląda nieco jak scenografia ze Star Treka: siedem foteli w kręgu, geometryczne ekrany i panele z „wielkimi guzikami”, by jego nieliczna obsługa mogła sterować gospodarką bez pośrednictwa biurokracji. Ten pokój to coś więcej niż centrum obliczeniowe – to wizualny dowód na to, jak uwiodła nas iluzja „widoku znikąd”. Został zbudowany pod kierownictwem cybernetyków (przede wszystkim Stafforda Beera), naukowców wówczas cieszących się sławą matematycznych czarodziejów zdolnych do operacjonalizacji dowolnego problemu. To kokpit rzeczywistości, którego design celowo eliminuje szum życia, zostawiając tylko wydestylowaną esencję liczby. Co ciekawe, gdybyśmy z tego pokoju usunęli portret jego inicjatora, lewicowego prezydenta Salvadora Allendego i wstawili logo General Motors albo Pentagonu, niewiele by się zmieniło. Robert McNamara w Waszyngtonie i Stafford Beer w Santiago śnili ten sam sen: o pokoju kontrolnym, w którym świat zredukowany do parametrów na ekranie daje złudzenie boskiej wszechmocy. Liczby są bowiem ideologicznie puste – służą każdemu, kto marzy o pełnej czytelności społeczeństwa. Jak zauważył James C. Scott, każda władza dąży do uproszczenia złożonego świata, aby uczynić go zarządzalnym.
Dziś, gdy myślimy o dominacji cyfr, uciekamy w dystopijne scenariusze rodem z Czarnego lustra. Z grozą przyglądamy się chińskiemu Systemowi Zaufania Społecznego, widząc w nim orwellowski koszmar. Jednak ta fiksacja na fantastyce naukowej ułatwia nam przymykanie oka na naszą własną „kwantastykę naukową”. Na Zachodzie zbudowaliśmy równie gęstą sieć kwantyfikacji – od scoringów kredytowych po algorytmy behawioralne.
Nasza „miarokracja” nie jest aberracją, ale logiczną konsekwencją postawienia na wiarę w liczby jako domyślnego trybu dowiadywania się i decydowania.
Co możemy zatem zrobić w konfrontacji z miarokracją? Na pewno nie chodzi o to, by rozbijać serwery w odruchu neoluddyzmu. Sami potrzebujemy liczb. Mieliśmy rację, ciesząc się, że Halley policzył ryzyko śmierci, uwalniając nas od paraliżującego strachu przed losem. Podobnie Szczepanowski miał poprawną i piorunującą intuicję, używając wyliczeń jako broni, by krzyczeć o nędzy i zacofaniu w Galicji. Bez jego nawet „podgotowanych” liczb cierpienie tysięcy pozostałoby prawdopodobnie niewidzialne. Modele klimatyczne są nam niezbędne, by zobaczyć przyszłość, której nie widać za oknem. Są jeszcze bardziej potrzebne, by przez statystyczny teleskop wyraźnie widzieć przyszłość: projektować długofalowe odpowiedzi i wyznaczać rzetelne, transparentne i dokładne sposoby interpretacji ich skuteczności.
Historia nauki pokazuje nam jednak, że to, co dziś bierzemy za „naturalne”, „matematyczne” czy „optymalne”, jest w istocie przygodne – to efekt konkretnych decyzji, sporów i procesów, które naprawdę mogły potoczyć się inaczej. Kwantyfikacja nie jest prawem przyrody, lecz historycznym konstruktem. Nie ujmuje jej to wcale prawdziwości ani realności. Po prostu zrozumienie tego faktu pozwala nam zdjąć urok „oczywistości” i nie ulec niewątpliwej elegancji obliczeń. Pozwala zobaczyć w matematycznym modelu nie automatyczną maszynkę generującą wyrok, ale propozycję – jedną z wielu możliwych map rzeczywistości, którą możemy, a nawet musimy wciąż reinterpretować i renegocjować. Jak w starym slajdzie z prezentacji IBM z 1979 r., który w epoce AI brzmi niczym memento: „Komputer nigdy nie może być pociągnięty do odpowiedzialności, dlatego nigdy nie powinien podejmować decyzji zarządczej”. To „dlatego” jest najważniejszym słowem w historii naszej relacji ze zmatematyzowaną rzeczywistością i wyrosłą z niej technologią.
