Адам Кучарски «Законы эпидемий. Как развиваются и почему прекращаются эпидемии болезней, финансовые кризисы, вспышки насилия и модные тренды» - рецензия П. Можейко
«А что такое, в сущности, чума? Тоже жизнь, и все тут». (Альбер Камю «Чума»)
НАЗВАНИЕ: Законы эпидемий. Как развиваются и почему прекращаются эпидемии болезней, финансовые кризисы, вспышки насилия и модные тренды
АВТОР: Адам Кучарски
ОРИГИНАЛЬНОЕ НАЗВАНИЕ: The Rules of Contagion: Why Things Spread — and Why They Stop
ISBN: 978-5-00131-236-9
ГОД ИЗДАНИЯ: 2021
ИЗДАТЕЛЬСТВО: «Синдбад»
СЕРИЯ: ---
КОГДА МНОЙ ПРОЧИТАНО: Июль 2024
ИСТОЧНИК: Оригинальная книга
О КНИГЕЕсли бы эпидемиологи взялись писать свою «Анну Каренину», то первым предложением было бы: «если вы видели одну пандемию, то вы видели… одну пандемию», что было бы переосмыслением известной цитаты о непохожих в своих несчастьях семьях. Благо, автор этого выражения, доцент Лондонской школы гигиены и тропической медицины, обладатель степени PhD по математике Кембриджского университета Адам Кучарски написал другую книгу, посвященную законам эпидемий и прекрасным образом иллюстрирующую то, что законы эти характерны не только для распространения заболеваний, но и для самых разных сфер нашей жизни.
Для начала небольшой эксперимент. Посмотрите внимательно на эту картинку:
Ну как, не зевнули в ответ?
«Один из самых известных примеров социального заражения – зевота; кроме того, это явление очень легко изучать. Оно широко распространено, хорошо заметно, а время передачи зевоты от одного человека к другому невелико, поэтому исследователи могут детально изучить этот процесс. <…> Младенцы и маленькие дети тоже часто зевают, но, судя по всему, не подхватывают зевоту от своих родителей. Эксперименты показывают, что зевота становится для ребенка заразной только по достижении им примерно четырех лет».
Это самый простой и доступный любому пример «заразности», не связанный с заболеваниями, но носящий социальный оттенок.
После 2020-го года слово пандемия прочно вошло в наш словарный запас, наравне со словом «ковид», один из подвидов которого и стал тому причиной. С одной стороны, эпидемия вируса подняла из глубин интернета миллионы диванных вирусологов, а с другой - стала причиной появления многочисленных научно-популярных книг, рассказывающих как о вирусологии и эпидемиологии в целом, так и непосредственно о коронавирусе SARS-CoV-2. Вспомним недавние книги Ирины Якутенко «Вирус, который сломал планету» и Майкла Остерхолма с Марком Олшейкером «Заклятый враг. Наша война со смертельными инфекциями». Одни книги рассказывают о заболеваниях с точки зрения биологии и медицины. Другие книги рассматривают эпидемии с точки зрения истории (тут уместно вспомнить книгу Сони Шах «Пандемия: Всемирная история смертельных вирусов»). У Адама Кучарски же к этому вопросу аналитически-математический подход, рассматривающий эпидемии, как своеобразные механизмы или даже алгоритмы, со своими законами, формулами и ключевыми показателями. Автор показывает, как разобравшись в механизме передачи заболеваний, мы можем применять полученные данные для анализа финансовых рынков, информационных потоков, ситуаций в азартных играх (у Кучарски есть отдельная книга о них!), для оценки социального благополучия общества и даже для противодействия беззаконию.
«Говоря о заразности, мы обычно подразумеваем инфекционные болезни или вирусный контент в интернете. Но эпидемии могут принимать самые разные формы. Они могут быть связаны с опасными явлениями (например, насилием, вредоносным ПО, финансовыми кризисами) или позитивными тенденциями (такими, как развитие технологий и научный прогресс). Одни эпидемии начинаются с реальных возбудителей, например биологических патогенов и компьютерных вирусов, другие – с абстрактных идей и догматов. Иногда вспышки распространяются очень быстро, а иногда на это уходит немало времени. Развитие некоторых из них предсказать невозможно, и в ожидании того, что будет дальше, мы испытываем волнение, любопытство или даже страх. Почему же эпидемии развиваются – и угасают – именно так, а не иначе? <…> Анализируя процессы заражения в самых разных сферах жизни, мы разберемся, что заставляет то или иное явление распространяться и почему вспышки выглядят именно так, как выглядят».
Привлечение математики и других областей знания для анализа эпидемий, отнюдь не заслуга ХХ века, и даже не XIX-го. Вот история про построение первой модели эпидемии еще в конце XVIII века. Ей я и закончу вступление.
«Еще до того, как в 1796 году Эдвард Дженнер изобрел вакцину от оспы, для снижения риска заболевания использовался метод вариоляции, изобретенный в XVI веке в Китае. Суть его заключалась в том, что здоровых людей прививали содержимым пузырьков или корочек больных оспой, чтобы вызвать легкую форму заболевания и сформировать иммунитет к вирусу. Процедура была небезопасной – погибало около 2 % привитых, – но в целом значительно снижала смертность от оспы, которая обычно составляла около 30 %. В XVIII веке вариоляция стала популярна в Англии, но был ли оправдан связанный с нею риск? Французский писатель Вольтер отмечал, что европейцы считают англичан, использующих этот метод, глупцами и сумасбродами: «Глупцами – потому что они прививают оспу своим детям для того, чтобы помешать им заболеть этим недугом; безумцами – потому что они с легким сердцем заражают своих детей неизбежной страшной болезнью с целью предотвращения сомнительной беды». Он также писал, что критика была взаимной: «На это англичане в свою очередь возражают: “Все европейцы, кроме нас, – трусы и извращенцы; трусы они потому, что боятся причинить малейшую боль своим детям, извращенцы же потому, что дают им в один прекрасный день умереть от оспы”». (Сам Вольтер, переболевший оспой, поддерживал английский подход.)
В 1759 году математик Даниил Бернулли решил положить конец спорам. Чтобы понять, превышает ли риск от заражения оспой риск от вариоляции, он создал первую в истории модель эпидемии. Исходя из закономерностей передачи оспы, Бернулли подсчитал, что вариоляция увеличит ожидаемую продолжительность жизни в том случае, если риск от процедуры не будет превышать 10 %; и это условие выполнялось».
Книга Адама Кучарски – это пример удивительно сбалансированной научно-популярной книги. Здесь прекрасно сочетаются научность и увлекательность повествования, доступность удобно поданной информации с серьезностью поднимаемых тем, необычные истории из жизни с описанием степенной работы лабораторий, биологическая и социальная сторона проблем. Книга стандартного для научпопа формата в 300 страниц основного текста не наскучит, но при этом позволит в полной мере открыть читателю новую для себя область знаний и подробнее изучить ее. Первым делом Адам Кучарски раскрывает сам механизм эпидемий, дает читателю своеобразный аналитический ключ к явлению заразности. Пугаться не стоит, суровой математики, страшной для неподготовленного читателя не менее, чем чума и малярия, здесь нет. Есть лишь парочка графиков, которые, наоборот, помогут в понимании темы. А дальше автор в каждой главе рассматривает проявление заразности в разных сферах жизни: дружбе и одиночестве (да, оно тоже заразно!), в экономике (кризисы и лопающиеся мыльные пузыри), в информационной сфере (челленджи, мемы и волны популярности), в сфере пиара (как сделать рекламу вирусной), в кибернетике и программировании (законы распространения компьютерных вирусов) и т.д. В последних главах Кучарски описывает, как понимание законов распространения эпидемий помогает прогнозировать вспышки, предсказывать их масштаб и последствия. Наконец, в последней главе, описаны некоторые проблемы анализа, в частности то, насколько несовершенны в этом вопросе т.н. «большие данные» собранные техкорпорациями наподобие Google или Facebook.
Книга позволит лучше понимать процессы распространения заболеваний, оценивать угрозу, научит просчитывать последствия и необходимые масштабы вакцинации, убедит в необходимости соблюдения мер безопасности во время вспышек. Также эта работа покажет, насколько на самом деле незаразен контент в интернете, насколько трудно искусственно создать популярный мем и сделать ролик вирусным, насколько непредсказуемы финансовые кризисы и как специфична вера людей в успех. Сегодня, когда эпидемия COVID-19 до сих пор медленно тлеет на фоне других трагических событий, а каждый год волна гриппа накрывает тысячи граждан в любой стране региона, переоценить полезность и актуальность этой книги невозможно. В случае эпидемии знание – это первый шаг к безопасности. Почему бы его не сделать заранее и самостоятельно?
Давайте теперь с помощью цитатника рассмотрим подробнее, каковы законы эпидемий и как они отражаются на нашей жизни!
Сначала блок о механике эпидемий.
Одна из главных и первых заслуг изучения эпидемий заключалась в отходе от тотального и ультимативного подхода: всех заболевших запереть, всех возбудителей уничтожить и т.д. Как оказалось, такая бескомпромиссность не нужна, что доказала малярия и комары:
«Если скорость выздоровления превышает скорость заражения, то заболеваемость в конце концов снизится до нуля. Это очень важный вывод. Оказывается, нет необходимости избавляться от всех комаров до единого, чтобы сдержать малярию: существует некая критическая концентрация комаров, и, когда их численность падает ниже этого уровня, болезнь исчезает сама. Как выразился Рональд Росс, «малярия может сохраняться в сообществе только в том случае, если популяция Anopheles достаточно велика, чтобы число новых заражений компенсировало число выздоровлений».
Ключевой в эпидемиологии является т.н. «модель SIR»:
«Как и Рональд Росс, Уильям Кермак и Андерсон Маккендрик начали с разработки математической модели передачи болезни. Для простоты они предположили, что население перемешивается случайным образом. Подобно тому как это происходит при встряхивании камешков в сосуде, каждый человек в популяции обладает равными шансами встретиться с любым другим. В их модели эпидемия начиналась с определенного количества больных людей, а все остальные были восприимчивы к инфекции. После выздоровления человек приобретал иммунитет. Таким образом, всех людей в популяции можно разделить на три группы на основе их состояния: восприимчивые => зараженные => выздоровевшие. Эту модель часто называют «моделью SIR» – по первым буквам названий групп (англ. susceptible, infectious, recovered). Предположим, в популяции численностью 10 тысяч человек один человек заболевает гриппом. Если мы смоделируем эпидемию гриппа с помощью модели SIR, то получим следующую кривую:
«В настоящее время механистические модели, позволяющие предсказывать форму кривой и оценивать эффективность контрольных мер, стали основой для изучения эпидемий. Исследователи прибегают к моделям, чтобы помочь органам здравоохранения реагировать на эпидемии самых разных болезней, от малярии и вируса Зика до ВИЧ и Эболы, во всех уголках мира, от затерянных в океане островов до зон боевых действий».
Приведенный выше график станет основой эпидемиологии. Более того, он наглядно отвечает на ряд вопросов, таких, как «Почему заражаются не все?»
«Все дело в переломе, который происходит в середине вспышки. На ранних этапах эпидемии восприимчивых людей много. В результате каждый день число новых зараженных превышает число выздоровевших, и эпидемия набирает обороты. Но со временем количество восприимчивых людей сокращается. Когда их становится достаточно мало, тенденция обращается вспять: ежедневно число выздоровевших превышает число зараженных, и эпидемия идет на спад. Еще остаются восприимчивые к инфекции люди, которые могут заразиться, но их немного, и у любого заболевшего больше шансов выздороветь, чем заразить кого-то еще».
…или «Когда происходит перелом?»
«Перелом наступает на пике эпидемии. В этот момент людей с иммунитетом становится так много, а восприимчивых так мало, что эпидемия больше не может разрастаться. Поэтому тенденция меняется на противоположную, и начинается спад. Когда в популяции набирается достаточное количество людей с иммунитетом, чтобы передача инфекции прекратилась, мы говорим о появлении стадного (коллективного) иммунитета. Этот термин предложил в начале ХХ века статистик Мейджор Гринвуд».
Про концепцию коллективного иммунитета:
«Концепция коллективного иммунитета обрела популярность несколько десятилетий спустя, когда стало ясно, что это мощное средство борьбы с болезнями. Во время эпидемии люди перестают быть восприимчивыми к инфекции естественным образом – по мере заражения. Но в случае со многими болезнями органы здравоохранения могут целенаправленно, путем вакцинации, выводить людей из группы восприимчивых. В свое время Росс предположил, что малярию можно победить, не уничтожая всех комаров; точно так же коллективный иммунитет позволяет остановить распространение инфекции без необходимости вакцинировать все население. Есть категории людей, которых нельзя вакцинировать: это, например, новорожденные младенцы и люди с ослабленной иммунной системой, – но благодаря коллективному иммунитету привитые люди защищают не только себя, но и эти уязвимые группы. А если болезнь можно контролировать с помощью вакцинации, значит, теоретически от нее можно избавиться навсегда. Вот почему концепция коллективного иммунитета занимает центральное место в теории эпидемий».
Три главных условия для вспышки:
«Согласно модели SIR, для вспышки заболевания нужны три условия: достаточно заразный патоген, большое количество контактов между разными людьми и достаточное число восприимчивых людей в популяции. Вблизи критического порога коллективного иммунитета небольшое изменение одного из этих факторов может определить разницу между несколькими случаями заболевания и масштабной эпидемией».
Как видно из предыдущей цитаты, повлиять мы можем на два вторых условия, дистанцией и изоляцией, а также повышением общего иммунитета и вакцинацией.
Главный показатель эпидемии - репродуктивное число R.
«Клаус Диц ввел количественный показатель, который получил название репродуктивного числа, или просто R: это количество людей, которых в среднем может заразить один заболевший. В отличие от тех показателей и порогов, которыми оперировали Кермак и Маккендрик, репродуктивное число представляет собой более понятный и универсальный инструмент оценки заражения. Это ответ на простой вопрос: скольким людям может передать инфекцию зараженный человек? Как мы увидим в следующих главах, эта идея применима к широкому спектру эпидемий, от вооруженного насилия до интернет-мемов. Репродуктивное число полезно еще и потому, что позволяет оценить ожидаемый масштаб эпидемии. Если R меньше единицы, то каждый больной в среднем заразит меньше одного человека. Таким образом, можно ожидать, что количество больных со временем будет уменьшаться. Но если R больше единицы, то уровень заражения в среднем будет расти, что создаст угрозу распространения эпидемии».
Четыре фактора репродуктивного числа:
«R определяется четырьмя факторами. Это время заразности инфицированного человека; среднее ежедневное число возможностей для передачи болезни; вероятность того, что возможность реализуется и произойдет передача; и средняя восприимчивость населения. Для краткости я называю их аббревиатурой ВВВВ. Сочетание этих факторов дает нам значение репродуктивного числа: R = время заразности × возможности × вероятность передачи × восприимчивость Определив четыре составляющих R, мы можем выяснить, как соотносятся между собой разные аспекты передачи инфекции. Это поможет нам выбрать оптимальный способ борьбы с эпидемией, поскольку одни факторы, влияющие на репродуктивное число, изменить легче, а другие труднее».
Отсюда становится понятно, что достаточно заразная инфекция не остановится, пока ее репродуктивное число не снизится меньше единицы. Но невосприимчивыми могут быть как изолированные (дистанцировавшиеся) люди, так и вакцинированные или переболевшие, с естественным приобретенным иммунитетом. В сумме этих групп чем меньше изолированных и вакцинированных, тем больше (просто математически) должно быть переболевших. Отсюда вытекает важность общепринятых мер противодействия эпидемии.
Как провести расчет порога коллективного иммунитета (сколько минимум нужно вакцинированных или в целом невосприимчивых к вирусу людей)?
«Если в полностью восприимчивой популяции R = 10, необходимо вакцинировать как минимум 9 из 10 человек. Если R = 20, как в случае с корью, для остановки эпидемии нужно вакцинировать в среднем 19 из 20 человек, или более 95 % населения. Эту величину обычно называют порогом коллективного иммунитета. Тот же вывод следует из работы Кермака и Маккендрика: после заражения такого количества людей инфекция уже не может эффективно распространяться».
К слову, для уханьского штамма COVID-19 репродуктивное число составляло 1,4-5,7. Посчитайте сами, сколько человек примерно должно было вакцинироваться и переболеть в сумме, чтобы эпидемия ушла, и сравните это с официальными данными в вашей стране.
Эпидемиологи также выделяют несколько видов сетей распространения, от которых зависит динамика эпидемии:
«В 1989 году эпидемиолог Сунетра Гупта провела исследование, показавшее, что динамика инфекций зависит от типа сети: ассортативная она или дисассортативная. В ассортативной сети люди с большим числом связей контактируют в основном с другими людьми с большим числом связей. По таким кластерам с высоким уровнем риска эпидемия распространяется быстро, но ей трудно добраться до других фрагментов сети с меньшим числом связей. В дисассортативной сети люди с высоким уровнем риска контактируют в основном с людьми с низким уровнем риска. В этом случае на первом этапе инфекция распространяется медленнее, но в целом эпидемия оказывается более масштабной».
Как спрогнозировать масштаб эпидемии?
«Если нам известно значение R затухающей инфекции, можно ли предсказать ее средний масштаб? Оказывается, можно – благодаря одному полезному математическому тождеству. Оно часто применяется при анализе эпидемий, и оно же определило подход Джоны Перетти и Дункана Уоттса к вирусному маркетингу на заре существования BuzzFeed.
Предположим, что вспышка начинается с одного зараженного. По определению этот первый случай породит в среднем R вторичных случаев. Новые зараженные, в свою очередь, спровоцируют по R случаев каждый – в сумме R2 – и так далее: Размер вспышки = 1 + R + R2 + R3 + … Мы могли бы сложить эти величины, чтобы вычислить ожидаемый размер вспышки. Но, к счастью, есть более простой путь.
В XIX веке математики вывели изящное тождество, применимое к таким последовательностям. Для R в диапазоне от 0 до 1 справедливо следующее равенство: 1 + R + R2 + R3 + … = 1/(1 – R). Иными словами, если репродуктивное число меньше единицы, ожидаемый масштаб вспышки равен 1/(1 – R) случаев.
Даже если вы не особенно интересуетесь математикой XIX века, вдумайтесь и оцените, насколько полезно это тождество. Вместо того чтобы моделировать процесс поэтапного затухания инфекции и прекращения вспышки, мы можем просто рассчитать масштаб эпидемии, исходя из репродуктивного числа. Если, например, R = 0,8, то следует ожидать всего 1/(1–0,8) = 5 случаев заболевания. Мы также можем произвести обратное действие и вычислить репродуктивное число по общему объему вспышки. Если вспышка состоит всего из пяти случаев, значит, R = 0,8».
Если хотите «поиграться» и помоделировать разные ситуации, то вот вам ссылка на «калькулятор эпидемий»: https://gabgoh.github.io/COVID/
А теперь перейдем к экономике.
Про термин «финансовое заражение»:
«В середине 1990-х годов у банкиров вошел в моду новый термин – финансовое заражение. Так называли распространение экономических трудностей от одной страны к другой. Ярким примером этого явления стал азиатский финансовый кризис. Такие фонды, как LTCM, пострадали не от самого кризиса, а от косвенных последствий, перекинувшихся на другие рынки. Банки, выдавшие LTCM огромные кредиты, тоже оказались под ударом».
Эпидемии и финансовые пузыри:
«В отличие от пирамид, структура которых неизменна, финансовые пузыри плохо поддаются анализу. Однако экономист Жан-Поль Родриг считает, что можно выделить четыре основные стадии финансового пузыря. Все начинается со скрытой фазы, когда профессиональные инвесторы вкладывают деньги в новую идею. Затем следует фаза узнавания, когда подключаются другие инвесторы. На этом этапе возможен начальный сброс акций, при котором первые инвесторы получают прибыль, как Ньютон на ранней стадии пузыря Южных морей. По мере того как идея набирает популярность, в игру вступают средства массовой информации и широкая публика; цены резко взлетают (фаза мании). Затем пузырь достигает пика и начинается спад, или фаза сдувания, – иногда с небольшими вторичными пиками, если оптимистичные инвесторы ожидают нового подъема. Эти фазы финансового пузыря аналогичны четырем стадиям эпидемии: начало, рост, пик, спад. Характерная особенность пузыря заключается в быстром росте, когда частота покупок увеличивается со временем. Часто наблюдается так называемый суперэкспоненциальный рост, при котором возрастает не только покупательская активность, но и скорость ее возрастания. При каждом повышении цены в игру вступает все больше инвесторов, подталкивая цену еще выше. Но как и в случае с инфекцией, чем быстрее растет пузырь, тем быстрее тает доля восприимчивых в популяции».
Аналогии в инновациях: S-образная кривая в социологии и экономике.
«S-образная кривая стала популярной в социологии – после того, как в 1962 году Эверетт Роджерс рассказал о ней в своей книге «Диффузия инноваций». Он заметил, что начальный этап принятия новых идей или продуктов обычно соответствует этой кривой. В середине ХХ века диффузия таких продуктов, как радиоприемники и холодильники, имела вид S-образной кривой; позднее та же картина наблюдалась с телевизорами, микроволновыми печами и мобильными телефонами. <…> По мнению Роджерса, рост популярности продукта обеспечивает четыре типа людей: поначалу этот рост происходит за счет «новаторов», затем приходят «ранние последователи», после этого продукт осваивает большинство населения и, наконец, подтягиваются «отстающие». В своем исследовании инноваций он использовал в основном описательный подход, начав с S-образной кривой и попытавшись ее интерпретировать».
Отсюда вывод:
«Мы можем не только наблюдать, как интерес выходит на плато, но и исследовать ранние стадии принятия. Когда в начале 1960-х годов Эверетт Роджерс впервые предложил в качестве модели S-образную кривую, он исходил из того, что новую идею можно считать «взлетевшей», как только ее принимает 20–25 % людей. «После этого момента остановить диффузию новой идеи, по всей видимости, невозможно даже при большом желании», – писал он. Анализируя динамику вспышки, мы можем точнее определить эту точку взлета. В частности, можно выяснить, когда число новых последователей растет быстрее всего. После этого недостаток восприимчивых людей замедлит распространение, которое в определенный момент выйдет на плато. Согласно простой модели Росса, самый быстрый рост наблюдается тогда, когда идею принимает чуть более 21 % потенциальной аудитории. Интересно, что эта величина не зависит от того, насколько легко распространяется инновация».
Теперь блок о распространении идей и про социальные связи.
Распространение идей в науке:
«Отслеживание цепочек цитирований позволяет не только увидеть, как распространяются идеи, но и понять, как они появляются на свет. Если в какой-то области известные ученые обладают непререкаемым авторитетом, это может замедлить развитие альтернативных идей. В результате новая теория может получить поддержку только после того, как на нее обратят внимание ведущие ученые. Физик Макс Планк однажды сказал, что «прогресс науки идет от похорон к похоронам». Исследователи из Массачусетского технологического института (MIT) решили проверить это известное утверждение, проанализировав, что происходит после преждевременной смерти выдающихся ученых. Выяснилось, что представители конкурирующих групп начинают публиковать больше статей – и чаще цитируются, – тогда как соратники умершего ученого обычно теряют позиции в научном мире».
Интересное про офисы-опенспейсы и (не)распространение идей в них:
«Неожиданные встречи способствуют появлению новых идей, но если полностью устранить границы внутри офиса, это может дать обратный эффект. Исследователи из Гарвардского университета использовали цифровые трекеры, чтобы отследить перемещения сотрудников в двух крупных компаниях, и выяснили, что при переходе к открытой офисной планировке уровень личного общения снижается почти на 70 %. В таких условиях люди предпочитают общаться удаленно – число электронных писем увеличивается более чем на 50 %. В офисе с открытой планировкой снижалось количество результативных взаимодействий, а с ним и общая производительность».
О социальных связях и «гравитационной модели» (параллели c транспортной системой):
«Дальние авиаперелеты важны для передачи вируса в новые страны, но перемещения внутри США обычно носят локальный характер. Это справедливо и для многих других стран. Для моделирования таких локальных перемещений исследователи часто прибегают к так называемой гравитационной модели. Идея заключается в том, что нас притягивают ближайшие густонаселенные места – подобно тому, как крупные планеты с высокой плотностью обладают большей гравитацией и притягивают другие объекты. Житель деревни, как правило, чаще приезжает в соседний небольшой город, чем в крупный мегаполис, расположенный дальше; а если вы живете в большом городе, то, скорее всего, редко бываете в соседних городках. Эти тезисы о взаимодействии и передвижении людей могут показаться банальными, но в прошлом люди мыслили иначе. В середине 1840-х годов, на пике британского железнодорожного пузыря, инженеры предполагали, что основной пассажиропоток будет приходиться на дальние поездки между крупными городами. К сожалению, почти никто не поставил под сомнение эту посылку. Однако в континентальной Европе на эту тему проводилось несколько исследований. Чтобы выяснить, как на самом деле путешествуют люди, бельгийский инженер Анри-Гийом Дезар в 1846 году разработал первую в истории гравитационную модель. Его анализ указывал на высокий спрос на короткие местные поездки; но эту идею проигнорировали железнодорожные компании по другую сторону Ла-Манша. Вероятно, если бы не это упущение, британская сеть железных дорог была бы гораздо эффективнее. Значение социальных связей легко недооценить».
Удивительный парадокс про заразность одиночества:
«Может показаться странным, что одиночество распространяется через социальные контакты, но исследователи отметили, что на периферии дружеской сети это вполне возможно. «У таких людей меньше друзей, что не только делает их одинокими, но и заставляет рвать те немногие связи, которые еще оставались. Но перед разрывом люди успевают передать ощущение одиночества своим друзьям, тем самым запуская новый цикл».
О разнице между биологическими и социальными вспышками:
«Изучая потенциально заразное поведение, ученые также выявили несколько важных различий между биологическими и социальными вспышками. В 1970-х годах социолог Марк Грановеттер предположил, что информация лучше распространяется через знакомых, а не через близких друзей. Причина в том, что у близких друзей много общих связей, что делает передачу информации излишней: «Если кто-то пустит слух среди всех своих близких друзей, а они, в свою очередь, сделают то же самое, то многие услышат эту историю по второму и третьему разу: ведь у людей, связанных прочными узами, обычно много общих друзей». Грановеттер указывал на важную роль просто знакомых, называя это «силой слабых связей»: если вам нужна новая информация, вы с большей вероятностью получите ее от случайного знакомого, а не от близкого друга».
Еще одно важное отличие социального от биологического - «сложное заражение»:
«Во время вспышки заразной болезни инфекция обычно распространяется через последовательность одиночных контактов. Если вы подхватили инфекцию, то ее, скорее всего, передал вам конкретный человек. В случае с социальным поведением все намного сложнее. Зачастую мы начинаем что-то делать лишь тогда, когда увидим множество примеров того, как это делают другие люди; а это значит, что здесь не существует одного конкретного пути передачи. Такое явление называют сложным заражением, поскольку в этом случае для передачи требуется несколько воздействий. Например, Христакис и Фаулер в своем исследовании, посвященном курению, отмечали, что люди с большей вероятностью бросают курить, если курить бросили многие из их знакомых».
В чем социальные причины «сложного заражения»?
«Деймон Чентола и его коллега Майкл Мэйси назвали четыре фактора, которые могут объяснить происходящее. Во-первых, это выгода от присоединения к чему-то популярному. Новые идеи, от соцсетей до политических протестов, зачастую выглядят привлекательнее, если их уже подхватило много людей. Во-вторых, многократное воздействие убеждает: люди с большей вероятностью поверят во что-то, если получат подтверждения из нескольких источников. В-третьих, свою роль играют социальные нормы: знать о чем-то и видеть, что это делают (или не делают) другие, – совершенно разные вещи. Например, все знают, что пожарная сигнализация не только сообщает о возможном пожаре, но и указывает на необходимость покинуть здание; однако в классическом эксперименте 1968 года студенты продолжали сидеть в аудитории, которая медленно наполнялась дымом. Поодиночке они действовали без промедления, но, оказавшись в группе подсадных актеров, которые продолжали усердно заниматься, каждый ждал, пока на дым среагирует кто-то еще. И наконец, в-четвертых, здесь действует фактор эмоционального усиления. Люди более охотно перенимают те или иные идеи и поведение в условиях массовых мероприятий: вспомните проявления коллективных эмоций, например на свадьбе или на концерте».
Пришло время для темы криминала.
Эпидемии и преступность:
«Если насилие – тупиковая проблема, то для ее решения необходим новый подход. «Нужно начать как бы с чистого листа», – говорит Гэри Слаткин. И он поступил так, как поступил бы любой исследователь в области здравоохранения: начал изучать карты и графики, а также задавать вопросы, пытаясь понять, как распространяется насилие. Он заметил знакомые закономерности. «Кластеризация на картах убийств в городах США напоминала картину распространения холеры в Бангладеш, – впоследствии писал Слаткин. – Графики, иллюстрирующие вспышки убийств в Руанде, напоминали графики холеры в Сомали». <…> У вспышек болезней и насилия много общего – например, временной интервал между воздействием и симптомами. У насилия, как и у инфекции, есть инкубационный период: симптомы проявляются не сразу. Иногда насилие довольно быстро приводит к новому случаю насилия – например, одна преступная группировка может почти мгновенно отомстить другой. В других случаях последствия проявляются через продолжительное время».
Самоубийства как эпидемия:
«В 1974 году Дэвид Филлипс опубликовал эпохальную статью, в которой анализировалось то, как СМИ освещают самоубийства. Он выяснил, что, когда какая-нибудь британская или американская газета помещает на первой полосе заметку о самоубийстве, количество самоубийств в данном регионе сразу же возрастает. Дальнейшие исследования выявили похожие связи с сообщениями в СМИ; это свидетельствовало о том, что самоубийства заразны. В ответ на это ВОЗ опубликовала рекомендации по ответственному информированию о самоубийствах. Журналистам рекомендовалось указывать в заметках, куда людям следует обращаться за помощью, а также избегать сенсационных заголовков, подробных описаний способа самоубийства и намеков на то, что уход из жизни был решением проблемы. К сожалению, СМИ часто игнорируют эти указания.
Исследователи из Колумбийского университета выявили 10-процентный рост числа самоубийств в течение месяца после смерти актера Робина Уильямса. Они указали на возможный эффект заражения, поскольку многие СМИ, сообщавшие о смерти Уильямса, не придерживались рекомендаций ВОЗ. Наибольшее число самоубийств отмечалось среди мужчин среднего возраста: они использовали тот же способ, что и Уильямс. Подобный эффект наблюдается и при массовых расстрелах; по оценке авторов одного из исследований, на каждые десять случаев массовых расстрелов в США приходится два дополнительных случая, вызванных социальным «заражением».
Парадокс прогнозирования эпидемий (социальная составляющая процесса):
«В том, что касается прогнозирования эпидемий, мы сталкиваемся с интересным парадоксом. Если пессимистический прогноз погоды никак не скажется на силе грядущего урагана, то прогноз развития эпидемии вполне может повлиять на итоговое количество заболевших. Когда модель указывает на серьезную угрозу, это может подтолкнуть органы здравоохранения к решительным мерам. И если в результате этих мер эпидемию удастся взять под контроль, прогноз не сбудется. Поэтому бесполезный прогноз (тот, который не сбылся бы ни при каких условиях) легко спутать с полезным, который оказался бы верным, если бы органы здравоохранения бездействовали. Похожие ситуации складываются в разных сферах. В преддверии 2000 года правительства и частные компании по всему миру потратили сотни миллиардов долларов на решение так называемой проблемы 2000 года. Дело в том, что на первых компьютерах ради экономии памяти все даты указывались в сокращенном формате, и эту особенность унаследовали более современные системы. В результате принятых мер ущерб оказался небольшим, и многие СМИ выражали недовольство тем, что риск был сильно преувеличен».
Блок про мемы, фейки и СМИ.
Про вирусный эффект в распространении информации:
«Почему так трудно добиться того, чтобы идеи распространялись от человека к человеку? Одна из причин в том, что люди редко бывают одновременно восприимчивыми и влиятельными. Если кто-то транслирует идею большому числу восприимчивых людей, это не значит, что они передадут ее дальше. Кроме того, многое зависит от структуры наших взаимодействий. Если финансовые сети дисассортативны – каждый крупный банк связан с большим количеством мелких, – то соцсети, объединяющие людей, обычно имеют другую структуру. Судя по всему, в самых разных сообществах, от деревенских общин до фейсбука, популярные люди часто объединяются в социальные группы с другими популярными людьми. Это значит, что если мы выберем в качестве целевой группы несколько популярных персон, то сможем добиться быстрого распространения идеи по сарафанному радио – но, скорее всего, лишь на ограниченном участке сети. Таким образом, инициирование множества вспышек по всей сети может оказаться эффективнее, чем попытка выявить самых влиятельных людей в сообществе и опереться на них».
Насколько на самом деле «заразен» контент в интернете?
«Когда речь заходит о заражении в интернете, возникает соблазн сосредоточиться только на контенте, который стал популярным. Но нужно помнить, что подавляющее большинство публикаций вообще не распространяется. Исследователи из Microsoft выяснили, что около 95 % каскадов в твиттере состоят из единственного твита, которым никто не поделился. Из оставшихся 5 % большинство сообщений не продвинулись дальше чем на один шаг. То же справедливо для других онлайн-платформ: контент, который распространяется, на самом деле крайне редок, а само распространение чаще всего ограничивается несколькими шагами передачи. Бо́льшая часть публикаций в интернете попросту не заразна».
Каково репродуктивное число интернет-контента?
«У заразности онлайн-контента, по всей видимости, есть предел. Даже у самых популярных трендов в фейсбуке в период 2014–2016 годов репродуктивное число равнялось примерно двум. Похоже, причина в том, что разные составляющие цепочек передачи компенсируют друг друга. Некоторые тренды – например, кампания Ice Bucket Challenge – предполагают небольшое число номинаций (назначений новых «жертв») на каждого участника, но при этом вероятность передачи при каждой номинации высока. У другого контента, в частности видео и ссылок, больше возможностей для распространения, но делятся им лишь немногие из тех, кто его увидел. Примечательно, что в фейсбуке не обнаружилось примеров контента, который охватывал бы большое число друзей пользователя и при этом отличался стабильно высокой вероятностью «заразить» каждого, кто его видел. Это напоминает нам о том, насколько слабы эпидемии в интернете по сравнению с биологическими инфекциями: даже самый популярный контент в фейсбуке в десять раз менее заразен, чем корь».
Про маркетинг широкого посева:
«Если репродуктивное число невелико, это приведет к мелкой вспышке, которая быстро угаснет. Один из способов изменить ситуацию – увеличить число инфицированных. Перетти и Уоттс называют это «маркетингом широкого посева». Если мы отправим не очень заразное сообщение большому числу людей, оно привлечет дополнительное внимание в результате последующих мелких вспышек. Например, если отправить совершенно незаразное сообщение тысяче человек, его прочтет тысяча человек. Если же разослать людям сообщение с R = 0,8, то можно ожидать, что его увидит пять тысяч человек. Значительная доля раннего контента BuzzFeed набрала популярность именно так. Люди видели статьи на сайте, а затем делились ими с узким кругом друзей на площадках вроде фейсбука. Команда Перетти, которая в начале 2000-х первой предложила идею перепоста, использовала ее преимущества на протяжении следующих десяти лет. В 2013 году компания BuzzFeed была признана самым «социальным» публикатором в фейсбуке – на ее посты приходилось больше комментариев, лайков и перепостов, чем на посты любой другой организации».
Важное об истинной сути дезинформации:
«Самый опасный тип фейковых новостей – дезинформация. Принято считать, что дезинформация нацелена на то, чтобы люди приняли ложь за правду. Но реальность несколько сложнее. В эпоху холодной войны агентов КГБ учили создавать противоречия в общественном мнении и подрывать доверие к новостям. Это и есть дезинформация. Вас не убеждают в правдивости выдуманных историй, а заставляют усомниться в самом представлении о правде. Задача – перетасовать факты таким образом, чтобы затруднить восприятие реальности».
Несколько слов про альтернативные методы изучения эпидемий. Об анализе через большие данные:
«Когда в начале XXI века в моду вошел термин «большие данные», перспективы их разнопланового использования вызывали оптимизм. Все надеялись, что данные, собранные для какой-то одной цели, помогут решать проблемы и в других сферах. Ярким примером такого подхода был сервис Google Flu Trends (GFT). Исследователи предполагали, что, анализируя запросы миллионов пользователей, они смогут следить за распространением гриппа в реальном времени, а не ждать неделю или две, пока будут опубликованы официальные данные об эпидемии. Первая версия GFT появилась в 2009 году, и результаты были многообещающими. Однако критика не заставила себя долго ждать. У проекта GFT было три главных недостатка. Во-первых, прогнозы не всегда оказывались точными. GFT правильно воспроизвел зимние эпидемии гриппа в США в период с 2003 по 2008 год, но серьезно недооценил масштаб пандемии, неожиданно начавшейся весной 2009 года. По замечанию одной группы ученых, «первая версия GFT была отчасти детектором гриппа, а отчасти детектором зимы». <…> Многие считают, что такие огромные объемы данных обязательно помогут ответить на какие-то важные вопросы. По сути, эти люди просто пытаются подыскать проблему для готового решения».
О необходимости применения комбинированного анализа:
«Если мы хотим лучше разобраться в механизмах заражения, нужно учитывать его динамическую природу. То есть мы должны адаптировать свои методы исследований к разным вспышкам, действовать как можно быстрее, чтобы результаты принесли практическую пользу, и находить новые способы объединять разные данные. Например, исследователи болезней для изучения неуловимых вспышек теперь совмещают данные о случаях заболеваний, поведении людей, коллективном иммунитете и эволюции патогена. У каждого набора данных есть свои недостатки, но в совокупности они дают более полную картину заражения. Описывая такие подходы, Кэролайн Баки процитировала Вирджинию Вулф, которая однажды сказала, что «истину можно обрести только сложив множество разных ошибок».
Важный вывод из книги Адама Кучарски заключается в том, что математические модели и прогнозы, созданные на их основе, это отличный инструмент, который применим в разных областях, но инструмент этот неточен и, как и все, что завязано на социальную сферу и психологию, очень подвержен случайным колебаниям. Значит ли это, что нам стоит отказаться от таких моделей впредь? Конечно нет! Ведь они позволяют приблизиться к релаьным цифрам, а в случае пандемий, когда счет идет на тысячи жизней, это не мелочь. Вот тревожное напоминание читателю от Адама Кучарски напоследок:
«За то время, которое вы потратили на чтение этой книги, от малярии умерло около трехсот человек. Еще более пятисот погибли от ВИЧ/СПИДа и примерно восемьдесят – от кори (в основном это дети). А мелиоидоз – бактериальная инфекция, о которой вы, скорее всего, никогда не слышали, – унес более шестидесяти жизней. Инфекционные болезни по-прежнему наносят человечеству огромный урон. Нам приходится иметь дело не только с известными угрозами, но и с новыми пандемиями; постоянно существует риск появления инфекций, устойчивых к лекарствам. И все же благодаря нашим знаниям о механизмах заражения инфекционные болезни отступают. За последние два десятилетия смертность от них в мире снизилась вдвое».
МОЕ МНЕНИЕ ОБ ИЗДАНИИ:
Качественное издание в традиционном для нон-фикшн литературы оформлении.
Формат стандартный (145x210 мм), твердый переплет, без суперобложки, 384 страницы, с иллюстрациями (графики и схемы).
Достоинства издания: научный редактор (Лев Львовский); хорошее качество печати; белая бумага; твердый переплет; наличие колонтитулов; подробное оглавление; хорошо выделенные заголовки; примечания с ссылками на источники данных; список дополнительной литературы; информация об авторе; иллюстрации (графики и схемы).
Недостатки издания: не обнаружено.
ПОТЕРЯЛ БЫ Я ЧТО-НИБУДЬ, ЕСЛИ БЫ ЕЕ НЕ ЧИТАЛ:
Да. Отличная книга, написанная доступно и увлекательно, раскрывающая законы эпидемий в самых разных сферах жизни.
КОМУ ПОРЕКОМЕНДОВАЛ БЫ:
Тем, кто хочет лучше разбираться в эпидемиях и в эффектах «заразности» в разных сферах нашей жизни.
ТЕГИ: Нон-фикшн, анализ, аналитика, эпидемии, вирусы, болезни, биология, математика, статистика, социология, общество, информация, экономика.
ВИДЕО В ТЕМУ: Лекцию Адама Кучарски по материалам книги можно прослушать по ссылке ниже:
А вот подробное видео о моделировании пандемии COVID-19:
https://vk.com/pavelmazheikabooksreview
https://t.me/pavelmazheikabooksreview
Другие мои рецензии на страницах:
Группа "ВКонтакте":
https://vk.com/pavelmazheikabooksreview
Канал в "Телеграм":