Исторический макроскоп
Ксеносоциологи с Центавра
Тысячу земных лет назад физики на четвертой планете из тех, что вращаются вокруг альфы Центавра, изобрели замечательный инструмент – макроскоп. Используя это устройство, они смогли преодолеть световые годы, отделяющие их планету от ближайшей обитаемой планеты в галактике – Земли, – и столетиями наблюдать за взлетом и падением людских империй. Изобретение макроскопа положило начало новой научной дисциплине у центавриан – ксеносоциологии.
Сто семьдесят лет назад Вокл-X!jt-URS3DF, будучи аспирантом кафедры ксеносоциологии Центаврийского университета, опубликовал диссертацию, в которой анализировалось социально-политическое развитие недавно образованного государства землян, именуемого Соединенными Штатами Америки. Используя данные, которые удалось собрать при помощи макроскопа, Вокл построил математическую модель довоенного общества (хотя историки пока не использовали термин «довоенный период», поскольку до Гражданской войны в США оставалось десять лет).
Одно из основных уравнений модели отслеживало увеличение численности и масштаб перемещений населения Америки. В восемнадцатом веке семьи американцев были гораздо многочисленнее европейских, ведь у каждого фермера было в достатке земли, чтобы прокормить множество детей. Американцы хорошо питались и прибавляли в росте, а потому сделались самыми высокими людьми на Земле. Впрочем, эти большие семьи ускорили прирост населения. К 1850 году, когда Вокл представил свою 282 диссертацию для защиты, штаты Восточного побережья уже изнемогали от многолюдия, леса вырубили и заменили полями, даже на относительно бедных почвах, которые давали скудные урожаи. Значительная часть молодых людей осознала, что зарабатывать на жизнь за счет возделывания земли невозможно, и потому стала переселяться.
Некоторые подались на запад, где еще имелись свободные земли. Другие отправились в города. В ту пору в Америке начиналась индустриализация, так что в городах постоянно создавались новые рабочие места. Модель Вокла предполагала, что сдвоенные усилия индустриализации и внутренней колонизации способны прокормить растущее количество рабочих, и американское общество тем самым сохранит относительное равновесие. Однако в уравнение требовалось добавить еще один фактор. К середине девятнадцатого столетия Европа страдала от перенаселенности, и многие «лишние» европейцы стремились мигрировать через Атлантику; они оседали в тех же городах, которые поглощали излишки американского сельского населения. Иммиграция в Америку, которая до 1830 года текла тонкой струйкой, превратилась в могучий поток в 1840-е годы вследствие таких бедствий, как ирландский «картофельный» голод и череда революций 1848 и 1849 годов. Иммигранты конкурировали с гражданами США за ограниченное количество рабочих мест. В результате предложение рабочей силы намного превысило спрос, пускай тот и вырос благодаря индустриализации. Как всегда случается в экономике, когда предложение какого-то товара превышает спрос на него, цена на этот товар снижается; в данном случае «товаром» оказался труд. По мере снижения стоимости труда заработная плата рабочих стагнировала, а потом и вовсе стала падать. Уменьшение общего благосостояния вылилось в снижение продолжительности жизни и уменьшение роста – даже среди тех, кто родился в Америке. Это обнищание масс, в свою очередь, обернулось усилением социальной нестабильности и рядом конфликтов. Наблюдая с альфы Центавра, Вокл зафиксировал волну городских беспорядков и сельских бунтов.
Второе фундаментальное уравнение в модели Вокла учитывало динамику элиты, в особенности в демографической части. Индустриализация повысила производительность труда и привела к устойчивому росту ВВП на душу населения. Но переизбыток рабочей силы продолжал давить на заработную плату работников. Поскольку эта заработная плата оставалась на прежнем уровне или даже снижалась, плоды экономического развития должны были доставаться кому-то еще. Государство, которое в девятнадцатом веке было слабым и доля которого составляла всего 2 процента от общего ВВП, их не пожинало. Значит, экономические выгоды доставались элите, прежде всего экономической. Накапливались и тратились огромные состояния, а в целом тенденция подразумевала быстрый рост числа самых крупных состояний. При этом богатые богатели дальше, их количество увеличивалось на глазах. Многие квалифицированные работники открывали собственное дело и пытались зарабатывать деньги. Большинство терпело неудачу, но отдельные люди из обилия этих подающих надежды предпринимателей получали прибыль от низкой стоимости труда, сумели пробиться в «высшую лигу» и пополнили ряды миллионеров. Уравнения Вокла показывали, что тенденция к увеличению численности и богатства элиты будет проявляться и далее – до тех пор, пока продолжает действовать «насос богатства», запущенный избыточным предложением рабочей силы (в отсутствие каких-либо институтов, защищающих работников).
К тому времени, когда Вокл начал собирать данные и строить модель довоенной Америки, другие ксеносоциологи, тоже используя макроскоп, успели накопить сведения приблизительно о сотне земных обществ, впадавших в кризис и выходивших из него. Предварительное исследование выявило несколько общих принципов, которые объясняли, почему периодически происходят эти социальные потрясения: обнищание населения, перепроизводство элиты, слабость государства и влияние геополитической обстановки. Последние два фактора Вокл решил не включать в свою модель. США являлись наиболее могущественным государством Северной Америки: ни Канада, ни Мексика, ни разрозненные индейские племена им в соперники не годились. Фактически США расширялись за счет Мексики и территорий коренных американцев, а роль государства при этом была настолько мизерной, что ее не следовало принимать в расчет. Оставались, следовательно, первые два фактора: обнищание масс и перепроизводство элиты, причем оба внушали опасения. На защите диссертации Вокл отважился на ряд предсказаний. Согласно его модели, усугубление обнищания масс и перепроизводства элит грозило ослабить социальную устойчивость довоенной Америки до такого уровня, что на рубеже 1870 года почти наверняка произойдет некий серьезный сбой. Вокл также указывал, что этот прогноз имеет большую степень неопределенности (то есть вероятный сбой мог произойти за десять лет до назначенного срока или после 1870 года). Кроме того, исходя из статистики ста случаев, тщательно изученных другими ксеносоциологами, существовала 10- или 15-процентная вероятность того, что крупной вспышки насилия (революции или гражданской войны) получится избежать, если правящие элиты смогут объединиться и совершить некоторые политические шаги, которые обратят вспять процессы, что подталкивают довоенную Америку к катастрофе. Прежде всего нужно остановить «насос богатства». Но в 1850 году Вокл не видел никаких признаков того, что правящие элиты вообще задумываются об этом или готовы решать задачу, осознав близость краха. (Для них самих низкая заработная плата работников сулила немалые прибыли.) Модель Вокла не давала никаких прогнозов относительно отдельных личностей, ответственных за вероятный сбой, поскольку она отслеживала действия социальных сил, а не индивидуумов.
Как мы видим, в отличие от вымышленных клиологов, наши (столь же вымышленные) центаврианские ксеносоциологи действительно сумели предсказать Гражданскую войну в США. Так получилось, что гражданская война разразилась даже раньше, чем предполагала модель Вокла. Вскоре после того, как Вокл защитил диссертацию, кризис в Америке резко ускорился. Вспышки коллективного насилия стали происходить все чаще во второй половине следующего десятилетия. Опираясь только на количество крупных вспышек (с десятком и более жертв), Вокл сделал вывод, что в промежутке с 1855 по 1859 год трижды имели место бунты «ничегонезнаек» (в Балтиморе, Вашингтоне, округ Колумбия, и Новом Орлеане), случилась война банд в Нью-Йорке (также известная как «Бунт мертвых кроликов»[81]), отмечались предвыборные беспорядки («Кровавый понедельник» в Луисвилле, штат Кентукки[82]) и развернулся финал Мормонской войны (резня в Маунтин-Медоуз[83]). Непосредственно накануне Гражданской войны пролилась кровь в стычке между сторонниками рабства и аболиционистами в Канзасе («Кровоточащий Канзас»[84]), а Джон Браун устроил налет на федеральный арсенал в Харперс-Ферри, штат Виргиния. Далее последовали спорные выборы 1860 года, осада форта Самтер в Чарльстоне, штат Южная Каролина, и наконец началась многолетняя кровавая баня Гражданской войны.
Сегодня Вокл – признанный авторитет местной науки, заведующий кафедрой ксеносоциологии Центаврийского университета . Сам он больше не занимается полевыми исследованиями, но руководит аспирантами, которые вовлечены в эту работу. Один из них, Зикл-M&rw-ALF6GR, изучающий современные США, пошел по стопам своего наставника и применил макроскоп для сбора сведений о динамике благосостояния населения и перепроизводства элиты в период с 1970 по 2010 год. Модель Зикла, построенная в 2010 году, во многом напоминала раннюю модель Вокла, только он еще принял во внимание драматические изменения, которые выпало пережить американскому обществу с 1850 по 2010 год. Его модель выдает результаты, опять побуждающие вспомнить модель Вокла: Соединенные Штаты Америки решительно движутся к очередной серьезной вспышке политического насилия, пик которой придется на начало 2020-х годов. Зиклу очень хотелось предупредить землян о надвигающейся угрозе. Но макроскоп – инструмент одностороннего действия, поэтому Зиклу оставалось лишь беспомощно наблюдать за тем, как реализовывалась траектория, предсказанная его моделью.
Как создать собственный макроскоп
К сожалению, макроскоп, который я описывал выше, – чистой воды научная фантастика. В реальной жизни наши физики не могут построить инструмент, позволяющий проникнуть взором в туман времени.
Так что же делать? Повторю в очередной раз (и не устану повторять): необходимы данные. Да, математические модели являются неотъемлемой частью клиодинамики. Разумеется, иногда даже сугубо абстрактная модель способна приблизить к пониманию происходящего – как мы видели на примере квадратичного закона Ланчестера (см. главу A1). Но лучше всего модели работают на основании накопленных данных.
Для получения данных требуются не физики, а историки. Увы, многие историки сторонятся клиодинамики, опасаясь, что ее цель – заменить людей науки компьютерными вычислениями. Эти страхи подпитываются недобросовестными журналистами, которые берутся сочинять статьи по темам клиодинамики, совершенно не разбираясь в предмете. На самом деле историкам-людям бояться нечего. Клиодинамике не обойтись без истории, она не может существовать без людей-историков, которые занимаются тем, что умеют лучше всего, – расширяют и углубляют запас наших знаний об обществах прошлого.
Историки, археологи и другие исследователи прошлого коллективно накопили огромный багаж знаний. Эту информацию необходимо перевести в форму, поддающуюся анализу средствами клиодинамики. Задача непростая, и в данных хватает пробелов, ибо многие исторические эпохи частично или даже полностью скрыты от нас «туманом войны»[85]. Количественные оценки собрать трудно, и даже при их наличии им присуща изрядная неопределенность. Сами историки часто расходятся во мнениях, в том числе по довольно фундаментальным вопросам. Но мы можем преодолеть эти трудности.
Могу утверждать это с уверенностью, ибо полноценный «исторический макроскоп» действительно построен. Он называется Seshat: Global History Databank . Конечно, механизм далек от совершенства и настоятельно требует дальнейшего улучшения, но проект Seshat уже доказал, что получение исторических данных возможно. Более того, Seshat не единственный проект, который преобразовывает знания историков в цифровые данные.
Я использую пример Seshat для иллюстрации того, как можно собирать исторические данные: это наиболее сложный проект (по моему скромному мнению), и я знаю его изнутри. Также я расскажу о других подобных проектах. Забегая немного вперед, могу сказать, что внезапный расцвет истории, основанной на цифровых данных, объясняет, почему клиодинамика стала возможной и необходимой после 2000 года.
На пути к данным
Как мы создаем исторические базы данных? Перефразируя Томаса Эдисона, мы нуждаемся как во вдохновении, так и в том, чтобы пролить много пота 284285. Давайте сначала поговорим о вдохновении.
Для обществ прошлого, в отличие от современных, у нас нет большого количества данных, которые ежегодно публикуются государственными учреждениями и независимыми социологами. Чем дальше в прошлое мы уходим, тем меньше нам доступно систематических данных, непосредственно выражающих величины, которые предполагается вводить в наши модели. При наличии источников («Книга судного дня»286 или китайские географические справочники 287) мы жадно выжимаем из них любую полезную информацию, которую только находим. Но в отсутствие источников (чаще всего так и бывает) приходится полагаться на косвенные индикаторы, или «прокси».
Использование «прокси» вполне привычно для таких исторических наук, как палеоклиматология. Последняя применяет различные «прокси» для реконструкции динамики климата на Земле тысячи и миллионы лет назад: это и ледяные керны, и отложения, и годичные кольца деревьев, и количество пыльцы. Поскольку все они суть косвенные индикаторы климатических условий, преобладавших в различные исторические периоды и геологические эпохи, необходимо уделять внимание выявлению и устранению множества погрешностей, влияющих на измерения. По этой причине лучше всего использовать «мультипрокси-подход», который позволяет установить, насколько хорошо разные «прокси» согласуются (или не согласуются) друг с другом, и принять обоснованное решение о том, как разумнее всего их комбинировать.
При изучении истории человечества косвенные индикаторы используются и того шире, потому что мы хотим знать о ранних обществах гораздо больше, чем просто конкретную температуру или количество осадков в какой-то момент в прошлом. Например, фундаментальным условием познания любого конкретного общества является его размер, ключевая переменная в клиодинамических моделях социальной устойчивости или распада. Каково было население Римской империи? Как численность населения менялась от поколения к поколению? Каждый человек оставляет следы, которые сохраняются и после его смерти. Люди едят – и испражняются. Они проживают в домах и в других жилищах. Они носят одежду и обувь, возделывают землю, изготавливают горшки и украшения. Каждое отдельное действие оставляет след, который может послужить потенциальным косвенным показателем для измерения изменения численности населения.
Скажем, растущему населению в той или иной области требуется больше пищи, и тогда начинается расчистка земель для ведения сельского хозяйства. По мере вырубания лесов состав пыльцы, переносимой ветром в озера, где зернышки пыльцы оседают на дно, меняется – от преобладания древесных пород до пыльцы злаковых, сорняков и трав. Изучая керны со дна озер, палинологи (специалисты по пыльце) способны реконструировать раннюю экологическую историю региона, когда местное население прирастало в численности или, наоборот, сокращалось.
Еще один способ измерить прирост и сокращение численности населения – оценить масштабы строительства новых домов, пренебрегая тем фактом, связано ли это с расширением прежних деревень или с основанием новых. Изучая крупные балки и бревна, которые сохранились до наших дней даже после обрушения первоначальных конструкций, дендрохронологи (специалисты по древесным кольцам) могут точно установить год, когда было срублено дерево, пошедшее на бревно. Собрав сотни или даже тысячи таких сведений, мы можем определить периоды строительного бума, которые свидетельствуют о росте населения, нуждавшегося в дополнительном жилье.
Люди производят много отходов. Это верно сегодня и было верно в прошлом, даже пусть сама природа мусора сильно изменилась. Скорость, с которой накапливается мусор (возможно, следует употреблять более корректный с научной точки зрения термин «антропогенный мусор»), отражает численность людей в поселении. Печи для обжигания горшков тоже полезный индикатор. Горшечные черепки, по сути, вечны; чтобы избавиться от них, потребуются миллионы лет. Эти черепки вполне поддаются датировке. А сами горшки регулярно используются при приготовлении пищи и для хранения продуктов, но они рано или поздно неизбежно разрушаются – отсюда и берутся наши черепки.
Можно множить примеры и далее, но, полагаю, все уже уловили мою мысль. Конечно, не все «прокси» обязательно найдутся в каком-либо конкретном регионе или будут доступны для конкретной исторической эпохи, но нередко удается отыскать сразу несколько из них. Каждому «прокси» при этом свойственна систематическая ошибка, но возможно реконструировать динамику населения, сравнивая и сопоставляя несколько индикаторов с разными ошибками. В результате в настоящее время мы располагаем внятными реконструкциями региональной и глобальной динамики населения 288. Эти реконструкции далеки от совершенства, но дают, тем не менее, достаточно информации о колебаниях численности населения в прошлом. Что еще важнее, перед нами передовая область научных исследований, и ее точность и достоверность непрерывно улучшаются.
Костяк истории
Одним из особенно полезных «прокси», пусть и довольно жутких, служат человеческие останки. Людской скелет обладает замечательной выносливостью. Те читатели, кто смотрел популярный телесериал «Клан Сопрано», возможно, вспомнят сцену, когда босс отправляет двух гангстеров избавиться от останков нескольких жертв, захороненных на ферме в северной части штата Нью-Йорк 289. Бандиты выкапывают скелеты, дробят кости молотками, а затем выбрасывают в озеро. Как известно многим убийцам, избавление от трупа – тяжкая работа.
Скелеты легко сохраняются на протяжении сотен и даже тысяч лет (при условии, что вокруг – не кислая почва). Каждый скелет является подлинным кладезем информации. Мои читатели наверняка знают, что сегодня разработан надежный способ извлекать и секвенировать древнюю ДНК; эта технология буквально произвела революцию в изучении нашего прошлого 290. Старые теории были опровергнуты и выдвинуты новые благодаря постоянному притоку данных о древней ДНК (дДНК). Между тем исследования едва начались. Но «старые кости» содержат, помимо того, множество других ключей к разгадке тайн прошлого.
Пожалуй, проще всего измерить физический рост человека, костяк которого нам посчастливилось раздобыть. Если скелет неполон, повода для беспокойства нет: измерив длину одной из основных костей (например, бедренной) и воспользовавшись таблицей соответствий, мы в состоянии достаточно точно оценить рост как таковой. Рост человека, как уже говорилось, есть наглядный индикатор биологического благополучия. Люди, живущие в условиях экологического стресса (недоедание, повышенная заболеваемость, паразитарная нагрузка или скверные условия жизни: недостаток свежего воздуха и солнечного света), вырастают низкорослыми. Конечно, на рост влияют многие другие факторы, в частности рост родителей. Но, усредняя рост каждого поколения, проживавшего в той или иной области, мы сглаживаем индивидуальные различия и получаем удивительно точное представление об общем благосостоянии населения. Например, скученность населения и нехватка ресурсов заведомо снижают средний рост. В главе 1 я упоминал среди известных нам причин того, почему американские рабочие в девятнадцатом веке прозябали, то обстоятельство, что средний рост рожденных в Америке уменьшился на колоссальные пять сантиметров. Эти данные о росте были получены при измерениях живых людей, но ничто не мешает нам получить такие же данные от мертвецов. Скажем, в европейских музеях хранятся миллионы скелетов за тысячи лет европейской истории. Эти скелеты предоставили любопытнейшие сведения по истории заселения Европы 291.
Мало того, используя методы современной криминалистики, археологи изучают не только повседневную жизнь в прошлом, но и сам процесс умирания. Насильственная смерть часто оставляет характерные следы. Каменный или металлический наконечник стрелы, застрявший в позвонке, – это, конечно, беспроигрышный вариант (простите за дурную шутку). Смертельные раны, нанесенные мечом или топором, тоже легко обнаружить. Последствия избиения дубинкой определить уже труднее, ведь кости могут быть сломаны в результате падения или иного несчастного случая. Однако необычно высокая частота переломов левой локтевой кости (предплечья) – хороший показатель насилия с применением тупых предметов. Вообразите собственную реакцию, когда кто-то намеревается ударить вас бейсбольной битой. Скорее всего, вы вскинете руки, пытаясь защитить голову, и, если нападавший правша, получите удар по левому предплечью.
Конечно, не все случаи насильственной смерти оставляют заметные следы на костях. Стрела, пронзившая живот, – верный и мучительный способ умереть. Если стрелу удалить, после разложения мягких тканей не останется никаких следов. Но опять-таки нас интересует не гибель конкретного человека. Каждая смерть – это, конечно, трагедия, зато тысячи смертей снабжают нас данными 292. Если в одном поколении доля скелетов с явными признаками насильственной смерти составляет 3 процента, а в следующих – 30 процентов, логично заключить, что уровень насилия резко вырос.
Еще скелеты могут поведать о том, где люди родились, куда переселялись, какую пищу они принимали, чем болели и так далее. Это только один, пусть и необычайно богатый, источник косвенных данных.
Что приходские книги могут рассказать об английской революции
Словом, необходимо вдохновение, чтобы выявить такие «прокси», которые позволят установить, как различные переменные, которые нас интересуют, меняются с течением времени. Но остальные 99 процентов работы потребуют проливать пот. У нас нет умных роботов, способных прочитать и понять налоговую декларацию, написанную грубым почерком на пергаменте с использованием средневековой латыни (по крайней мере, пока). Потому это приходится делать профессиональным историкам. Большинству непосвященных не оценить колоссальную значимость такого труда – и подготовку, подразумевающую способность с ним справиться. Вот вы, к примеру, можете прочитать, что написано на вавилонской глиняной табличке? Вряд ли, если вы не из тех немногих, кто этому много лет учился.
Но какова значимость поиска фактов о давно умерших людях? Как эти факты связаны с нами нынешними? Например, кого заботит, что Сюзанна, дочь Уильяма Данкхорна и его жены Марты (покойной прядильщицы), родилась 21 ноября 1796 года и была крещена в частном порядке 27 ноября 1796 года?293 Или что мистер Джордж Нэггс, джентльмен из Поллингтона, семидесяти четырех лет от роду, был похоронен 25 декабря 1723 года? Смерть мистера Нэггса могла восприниматься как трагедия его родными (или нет – в конце концов, он скончался в преклонном возрасте, семидесяти четырех лет), но тысяча таких записей о похоронах – это, безусловно, статистика. Указанная статистика в сочетании с другими данными и в рамках клиодинамических уравнений может многое рассказать о том, что происходит с обществом, которое мы хотим узнать, в том числе о том, приближается ли оно к кризису.
Приходские записи представляют собой необработанные данные для демографического метода реконструкции семьи, разработанного французскими демографами Луи Анри и Мишелем Флери в 1950-х годах. До того, как компьютеры начали применяться повсеместно, исследователям приходилось работать вручную. Они объезжали приходы и записывали на карточках события, зафиксированные в приходских книгах (крещения, браки, погребения). Затем, вернувшись в университет, они несколько раз сортировали карточки, следуя определенному протоколу. Эта процедура позволяла связать события в истории одной и той же семьи, а затем суммировать их на общесемейной карточке. Например, карточка сообщает, что Марта родилась в 1796 году; другая говорит, что она вышла замуж в 1828 году. В погребальной книге указано, что она умерла в 1860 году. У нее было четверо детей, жизненные траектории которых мы прослеживаем таким же образом. По мере того как в нашу базу данных добавляется все больше и больше людей, мы получаем четкое представление о том, как росла (или сокращалась) общая численность населения.
При реализации этого подхода возникает много практических трудностей. Приходские книги повреждаются (съедаются мышами) или утрачиваются (например, когда церковь сгорела). Те, кто вел эти хроники, были склонны путать или пропускать имена. Семейные записи часто неполные, потому что люди приезжали и уезжали из приходов. Один из способов справиться с этими пробелами состоит в усердной работе. Чем больше приходов войдет в базу данных, тем меньше пробелов в ней окажется. Конечно, если семья перебралась в другую страну, вы все равно потеряете их из вида. В любом случае ни один набор данных, особенно большой, не идеален. Всегда найдутся пробелы и ошибки, но они не сводят на нет ценность данных как таковую; нужно просто учитывать возможные проблемы на этапе анализа.
Вот как приходские записи позволяют демографам изучать историю населения страны до появления официальных переписей. В Великобритании, к примеру, первая перепись была проведена очень рано по сравнению с другими странами – в 1801 году. Следовательно, у нас имеется детальное представление об истории населения Великобритании за последние два столетия. Однако приходские книги появились в стране еще в 1538 году. Кембриджская группа по изучению истории населения и социальной структуры начала работать с ними в 1960-х годах. В 1981 году два члена группы, Э. А. Ригли и Р. С. Шофилд, опубликовали книгу «История населения Англии, 1541–1871 гг.: реконструкция», которая существенно расширила наши знания о демографической динамике Англии (и Уэльса), заглянув в прошлое почти на три столетия дальше первой официальной переписи.
Ровно тогда же, когда кембриджские демографы завершали свой анализ демографических тенденций в Англии раннего Нового времени, Джек Голдстоун, как мы узнали из предыдущей главы, столкнулся с первым препятствием в своем стремлении разработать демографическо-структурную теорию революций и восстаний. После провальной попытки защитить диссертацию, в ходе которой профессура без колебаний отвергла его исходный амбициозный проект, Голдстоун заперся в квартире, желая, что называется, зализать раны и решить, как быть дальше.
Благодаря работе Кембриджской группы, с которой Голдстоун был знаком, он чувствовал потенциал изучения данных о динамике населения (это ключевой фактор его теории) – по крайней мере, для одного из случаев, для английской революции 1640 года. В частности, демографические данные Кембриджской группы подтверждали, что население Англии быстро увеличивалось до 1640 года, а затем стало сокращаться. Еще имелись достоверные данные о заработной плате тех лет, мобильности элиты и королевских финансах. Тенденции, проистекавшие из этих данных, полностью соответствовали теории Голдстоуна. Последний в итоге ужал размах своего исследования и сосредоточился на Англии раннего Нового времени; это менее амбициозное начинание не встретило отторжения у профессуры. Решающую роль сыграло наличие большого количества качественных данных об Англии раннего Нового времени.
Революция персональных компьютеров
В 1981 году произошло и другое, казалось бы, стороннее событие – появление IBM PC, первого по-настоящему массового компьютера. Напомню, что данные, которые Голдстоун использовал в своей докторской диссертации, были результатом невероятно трудоемких исследований. Постепенно компьютерные мощности и хранилища произвели революцию в науках о данных, началась эра больших данных. Историки опоздали на этот праздник, но постепенно все же осознали возможности – и сделались восторженными, так сказать, потребителями. Цифровая история сегодня вполне устоявшаяся дисциплина с академическими журналами и собственными факультетами в ряде университетов.
Проект Seshat
В отличие от Голдстоуна, я решил стать клиодинамиком после того, как уже сделал успешную карьеру биолога-теоретика. Я занимал постоянную должность в хорошем университете и потому мог позволить себе рискованную смену сферы деятельности. В моей предыдущей области, динамике популяций, я уже столкнулся с сопротивлением математическим моделям со стороны биологов-эмпириков, которые уделяли особое внимание изучению организмов в полевых условиях. Но я и другие мои коллеги (математики-экологи) учились убеждать эмпириков в ценности математических моделей. Мы указывали, например, на пользу таких моделей популяционной экологии, как уравнения Лотки – Вольтерры для описания циклов «хищник – жертва». До появления этой модели (Альфред Лотка предложил ее в 1925 году, а Вито Вольтерра – в 1926 году: это очередной образчик одновременного научного прорыва) экологи безуспешно пытались понять, почему популяции многих животных – например, норвежские лемминги – переживают повторяющиеся циклы подъема и спада численности. Они предполагали, что всему виной климатические колебания, но метеорологические записи не подтверждали этот вывод. Идея о том, что популяционное взаимодействие между хищниками и жертвами может генерировать циклы «эндогенно», без воздействия внешних или экзогенных факторов, стала огромным сюрпризом. Как я уже упоминал в связи с квадратичным законом Ланчестера, одно из достоинств математики заключается в том, что она способна предоставить чисто логическое понимание проблемы или головоломки, которую мы пытаемся решить. Математические уравнения, а в последнее время и компьютерные модели – прекрасная опора для ума.
Когда я начал изучать динамические процессы в истории человечества, то разумно ожидал, что это «чуждое» вторжение на территорию историков вызовет немалое сопротивление. Вместо лобовой атаки, если использовать военную метафору, я решил выполнить фланговый маневр. В ту пору подавляющее большинство историков решительно возражало против математических подходов к истории, но вот специалисты в различных смежных дисциплинах (каковые справедливо называть историческими социальными науками) были гораздо более восприимчивы к таким идеям. К 2000 году многие социологи, заинтересованные в понимании истории, досадовали на ограничения, которые налагал на их исследования «культурный поворот», отрицая значимость и необходимость количественных методов. Такие перепады коллективного настроения вполне типичны для общественных наук. Культурный поворот был реакцией молодых поколений ученых на количественные методы, модные в 1970-е годах (клиометрия – количественная экономическая история и процессуальная археология – ее приверженцы выступали за строгое применение научного метода). Тогда критики взяли верх и установили новую ортодоксию, но теперь настала их очередь сопротивляться энтузиазму следующего поколения. Словом, семена клиодинамики упали на подготовленную почву.
У меня не отняло много времени найти союзников в исторической социологии (включая Джека Голдстоуна), в экологической и экономической истории и в эволюционной антропологии. Мы не всегда соглашались в том, что считать основными движущими силами, объясняющими различные наблюдаемые нами эмпирические закономерности, но признавали, что теории должны подкрепляться моделями, а теоретические предсказания необходимо проверять данными.
Это был приблизительно 2010 год, и уже существовало целое море полезной информации, по которому можно было перемещаться благодаря компьютерам, которые стали широко применяться историками и археологами, о чем свидетельствовало развитие цифровых гуманитарных наук. На самом деле мы были, образно выражаясь, смущены богатством, а не подавлены бедностью. Выводить большие теории было намного проще во времена Карла Маркса, когда данные об исторических обществах почти отсутствовали (а европоцентристская направленность фактически гарантировала, что данные будут браться именно из подобных обществ). Создание иных, лучших теорий стало возможным в силу внезапного изобилия данных.
Но как получить их в свое распоряжение? Часть уже была преобразована в данные – числа, расположенные в строках и столбцах электронных таблиц, которые можно загрузить и использовать для анализа. Впрочем, даже такая оцифрованная информация сулила проблемы, в ней часто отсутствовали, как говорят специалисты по данным, метаданные, или данные о данных, объясняющие, что означают те или иные числа. Например, столбцы в электронной таблице могут иметь неинформативные заголовки («Var23», «Var24» и т. д.), относящиеся к переменным с номерами двадцать три, двадцать четыре и т. д. Но что означает «Var23»?
Вдобавок на тот момент только небольшая часть сведений была оцифрована. Большинство содержалось в книгах, статьях из академических журналов, труднодоступной «серой литературе», скажем, отчетах об археологических раскопках. Некоторые же и вовсе находились в головах отдельных ученых. Очень хотелось завести робота-паука, который ползал бы по разумам экспертов и собирал из них нужную информацию, но это, конечно, научная фантастика. Поэтому пришлось пройти сложный путь.
Реальный исторический макроскоп называется Seshat: Global History Database. Проект Seshat был запущен в 2011 году, когда я познакомился с социальным антропологом Харви Уайтхаусом. Когда я изложил идею исторической базы данных, Харви сразу же осознал ее потенциал, и мы решили добавить эту базу в качестве элемента заявки на крупный грант, которую он собирался подавать. К счастью для нас, заявку профинансировали, и мы начали набирать научных сотрудников, экспертов и аспирантов. Проект расширился за счет привлечения антропологов, историков, археологов и специалистов по данным, которые помогали нам с техническими вопросами создания базы данных.
Изначально наша идея заключалась в том, что все данные в Seshat будут поставлять эксперты: академические историки, археологи и другие исследователи прошлого. Однако быстро выяснилось, что у этого подхода есть серьезные недостатки, даже если брать только историков, которые были в восторге от проекта. Например, просить экспертов заполнить сотни полей – значит бессовестно злоупотреблять их опытом. Для многих переменных после того, как внедрена надежная схема кодировки, 80–90 процентов данных способны ввести хорошо обученные сотрудники, привычные к работе со стандартными текстами. Следовательно, время и усилия экспертов являются очень ценным ресурсом, и их следует использовать стратегически, там, где они действительно необходимы: для решения сложных проблем с кодированием и поиска ускользающей информации. Кроме того, лишь эксперт может сделать вывод о том, что в данной области неизвестно о какой-либо конкретной переменной (подлинный пробел в знаниях).
Таким образом, большую часть данных в Seshat вводят ассистенты-исследователи. В начале проекта мы экспериментировали, привлекая разных помощников. Мы установили, что привлечение на временной основе студентов бакалавриата нецелесообразно: не имело смысла вкладывать несколько месяцев в обучение ассистентов, с тем чтобы далее потерять этих людей навсегда. Как следствие, мы перенаправили ресурсы на наем постоянных ассистентов; все они работают над проектом не менее года, обычно много лет подряд. Все наши ассистенты – как минимум бакалавры, среди них немало магистров, а некоторые даже имеют докторскую степень.
Третьим важным элементом нашего процесса сбора данных является пристальное наблюдение за ассистентами со стороны социологов с докторской степенью; это постдоки[86], региональные редакторы (каждый из которых имеет опыт работы в определенном регионе), координаторы переменных (отвечают за определенный набор переменных Seshat) и директора (в настоящее время – три историка, антрополог, археолог и специалист по сложности). Их роль заключается в обучении ассистентов, проверке их решений по кодированию и обеспечении последовательного применения схем кодировки. Было бы попросту невозможно создать столько высококачественных исторических данных, как в нашей базе, без упорного труда ассистентов, чрезвычайной компетентности опытных сотрудников, их готовности жертвовать собственным временем и делиться знаниями с нашим проектом.
Мы обнаружили, что лучшие результаты получаются, когда все три группы (ассистенты, ученые эксперты и социологи) работают сообща. Когда мы начинаем кодировать конкретное «государство» (политически независимое общество, заключенное в рамки дат своего зарождения и гибели), то получаем экспертную помощь в предложении набора стандартных текстов и ответов на общие вопросы. Например, какие даты следует использовать в качестве дат зарождения и гибели этого государства? Затем ассистентам дают указание собрать как можно больше данных из стандартных источников, используя подход «низко висящих плодов». Иными словами, если ответ не находится быстро, то ассистенты прекращают изучение вопроса и добавляют его в список проблем, достойных внимания экспертов. По завершении этого этапа мы возвращаемся к экспертам со списком вопросов, пробелов в данных и сложных решений по кодированию. Еще мы часто проводим специализированные семинары, на которых участники проекта Seshat общаются с экспертами, сведущими либо в истории отдельных регионов мира (например, Египет или Юго-Восточная Азия), либо в конкретных переменных (к примеру, ритуалы и религия или продуктивность сельского хозяйства).
Таким образом, расширение банка данных Seshat и особенно поиск данных для переменных, которые трудно закодировать, есть результат сотрудничества между экспертами и персоналом Seshat. Этот процесс сочетает в себе специализированные знания экспертов о конкретных исторических обществах с нашим опытом преобразования исторических сведений в данные.
Как упоминалось выше, создание эффективной схемы кодирования является ключевой особенностью работы проекта Seshat. Если определения переменных слишком расплывчаты, слишком абстрактны или требуют избыточного истолкования, то их становится трудно кодировать, и шансы на то, что между кодировщиками возникнут разногласия, возрастают. Например, собирая данные в Seshat, мы избегаем навязывания информации о прошлых обществах в произвольном режиме (например, «оцените социальную сложность этого общества по шкале от 0 до 10»). Перед сбором данных мы проводим семинар, обычно с участием экспертов, развивая понимание того, как кодировать ту или иную переменную, которую мы стремимся зафиксировать в Seshat. Вообще говоря, мы рассчитываем использовать количественную переменную (например, оценку численности населения государства) или разбить сложные переменные на несколько простых переменных, которые можно закодировать бинарным образом (отсутствует/присутствует и т. д.). Первоначальная схема кодирования затем тестируется ассистентами, которые применяют ее к нескольким примерам, работая в сотрудничестве с экспертами. Затем схема кодирования уточняется на основе предложений экспертов и ассистентов и применяется ко всей выборке. Иногда мы понимаем, что должны скорректировать схему кодирования после того, как значительное количество информации уже было закодировано с использованием старой схемы. Переход к лучшим определениям отчасти лишает процесс эффективности, поскольку ассистентам приходится возвращаться к уже закодированным сведениям и перекодировать их с использованием новой схемы. Этот процесс требует времени, и такие старые коды иногда задерживаются в базе данных, пока в конце концов не будут выявлены и исправлены.
Прежде чем использовать данные Seshat в статистическом анализе, мы проводим систематическую проверку их качества. Каждый параметр проверяется ассистентом – но не тем, который вводил информацию.
Seshat – громадная, сложная, «живая» сущность, которая постоянно развивается. В таком большом и многогранном проекте, как Seshat, при наличии столь обширной базы данных неизбежно возникают некоторые практические ограничения на получение точных или репрезентативных значений и кодов для конкретных переменных, потому что, например, конкретный фрагмент информации был опубликован в неизвестном источнике или есть новые сведения, о которых мы пока не знаем, но которые изменяют закодированное значение. Мы не ждем, пока закончится процесс «очищения», потому что он не заканчивается никогда. Если коротко, наш подход заключается в том, чтобы справляться с оставшимися проблемами по мере их выявления, постепенно улучшая базу данных; при этом мы понимаем, что в данных всегда будут какие-то ошибки. Предложения и критический анализ со стороны других ученых очень полезен в этом отношении. Мы все выиграем, если вынесем эти вопросы на всеобщее обозрение: систематический характер Seshat помогает сосредоточить обсуждение и определить точки разногласий и сомнений и пробелы в знаниях. Кроме того, по мере появления новых исторических и археологических сведений мы стараемся включать их в Seshat.
База данных CrisisDB
До 2020 года основным направлением нашей работы и статистического анализа собранных данных был ответ на один конкретный вопрос. В начале голоцена, приблизительно десять тысяч лет назад, все люди обитали в относительно эгалитарных малых сообществах численностью в сотни или несколько тысяч человек. Сегодня почти все люди (за исключением нескольких коренных групп в Амазонии и других отдаленных местах) живут в крупных обществах, причем два из них, Китай и Индия, имеют население, превышающее один миллиард человек. Новая форма политической организации, государство, возникла в середине голоцена и к настоящему времени завладела миром. Технологии стали очень сложными, а экономика сделалась высокопродуктивной, что повысило качество жизни многих людей. С другой стороны, возросшее благосостояние распределялось неравномерно, а сложные общества как в прошлом, так и сегодня крайне неравны. Главный вопрос, на который мы хотели ответить, заключался в следующем: как и почему произошла эта «великая голоценовая трансформация»? Хотя я не могу утверждать, что мы ответили на этот вопрос к всеобщему удовлетворению, мы определенно добились большого прогресса. Многие теории, предложенные современными социологами, а также великими философами прошлого, были отвергнуты на основании данных, собранных проектом Seshat. По мере того, как поле поддерживаемых теорий сужается, мы все лучше понимаем движущие силы, которые превратили наши общества в сегодняшнюю картину .
Когда стало понятно, что сбор данных, необходимых для ответа на наш первый ключевой вопрос, подходит к концу, мы постепенно стали задаваться другим вопросом: почему сложные общества периодически попадают в беду? Каковы факторы, объясняющие повторные волны высокой внутренней нестабильности и распада государственности вплоть до гражданской войны? Этот вопрос обычно формулируется так: почему сложные общества терпят крах? В последнее десятилетие в поисках ответа на этот вопрос возникла целая новая научная дисциплина – коллапсология 294295. Честно говоря, я не в восторге от этого нового направления. Что вообще такое «крах»? Как обсуждалось в главе 2, где отражен пейзаж, который наш макроскоп видел в прошлом, полный крах лишь один из возможных исходов для общества в беде. Порой гражданские войны, массовое насилие и разрушение производственной инфраструктуры, сопровождаемые эпидемиями, действительно разрушают ткань общества, что приводит к резкому сокращению численности населения, упрощению институтов управления и частичной утрате знаний. Но некоторые общества прошлого переживали кризис относительно бескровно, внедряя правильный набор институтов, которые опирались на глубинные структурные силы общественной жизни. В большинстве случаев выход из кризиса попадает в промежуток между этими двумя крайностями. Зачем фокусироваться только на коллапсе? Разве не интересно узнать, как обществу удалось избежать гибели, чтобы мы могли извлечь уроки, которые могут быть актуальными для нас сегодня?
Вот почему мы решили назвать новую версию Seshat базой данных CrisisDB. Мы выявили около трехсот кризисов в периоде от неолита до наших дней, случавшихся на всех основных континентах мира. Наша цель – проверить теории о том, почему общества впадают в кризис. Но, что не менее важно, мы стремимся понять, почему в одних случаях выход из кризиса сопровождался кровопролитием, а в других был относительно спокойным. Что лидеры и население делали неправильно в первом наборе случаев? Что они делали правильно во втором наборе?
Сбор данных для CrisisDB следует подходу, который мы усовершенствовали для «классического» Seshat. Это долгий и трудоемкий процесс, который пока не завершен. В настоящее время мы располагаем достоверными данными приблизительно о ста кризисных случаях, то есть о трети полного потенциального содержания базы данных. Этого достаточно, чтобы разглядеть основные закономерности («урокам истории» посвящена глава 2).