Ограничения роста, основанного на рекомбинации
Если подобная точка зрения (инновация – это прежде всего новая рекомбинация) верна, то у нас проблема: поскольку количество «кирпичиков» нарастает лавинообразно, нам все сложнее понять, какая из комбинаций окажется ценной. В своей статье «Рекомбинационный рост» (Recombinant Growth) экономист Мартин Вейцман предложил математическую модель новой теории роста, в которой «фиксированные факторы» экономики – машины, инструменты, лаборатории и так далее – со временем дополняются элементами знания, которые Вейцман называет «идеи-зерна» (seed ideas). А объем самого знания увеличивается по мере того, как уже существующие «зерна» рекомбинируются по-новому.
[133] Это вполне внятное изложение концепции «инновации – это кирпичики», согласно которой и элементы знания, и идеи-зерна могут со временем комбинироваться и рекомбинироваться.
Эта модель демонстрирует потрясающий результат: поскольку комбинаторные возможности возникают и развиваются крайне быстро, вскоре у нас появится практически неограниченное количество потенциально ценных новых рекомбинаций существующих элементов знания.
[134] Соответственно, рост экономики будет зависеть лишь от способности перебирать все эти потенциальные рекомбинации и находить по-настоящему ценные.
Вейцман пишет:
В таком мире экономическая жизнь могла бы все чаще сосредоточиваться на все более интенсивной обработке все большего количества новых идей-зерен и их превращения в работоспособные инновации… На ранних стадиях прогресса рост ограничивается недостаточным количеством потенциальных новых идей, но затем он зависит лишь от нашей способности их обработать.
[135]
Гордон задает провокационный вопрос: «Завершился ли рост?» Мы ответим на него от имени Вейцмана, Ромера и других теоретиков роста: «Ни в коем случае. Он всего лишь замедлился из-за нашей неспособности обрабатывать новые идеи достаточно быстро».
Для решения этой проблемы нужно больше глаз (и больше мощных компьютеров)
Если этот наш ответ хотя бы отчасти верен – если он хоть в какой-то степени объясняет, как работают инновации и экономический рост в реальном мире, – то лучший способ ускорить прогресс состоит в том, чтобы улучшить нашу способность тестировать новые комбинации идей. Один из путей решения этой задачи следующий: вовлечь в процесс тестирования как можно больше участников, ведь цифровые технологии прекрасно способствуют этому. Мы все связаны глобальными информационно-коммуникационными технологиями, и нам вполне доступны огромные массивы информации и значительные вычислительные мощности. Короче говоря, нынешняя цифровая среда представляет собой отличную площадку для широкомасштабной рекомбинации. Идеолог движения за программное обеспечение с открытым исходным кодом Эрик Рэймонд смотрит на дело с оптимизмом: «При достаточном количестве глаз баги выплывают на поверхность».
[136] Если приложить эту формулу к инновациям, получится: «При достаточном количестве глаз мы найдем больше сильных комбинаций».
Специалисты NASA стали свидетелями этого эффекта, когда пытались улучшить качество прогнозов о солнечных вспышках (взрывных выбросах энергии в атмосфере нашей звезды). В данном случае важно, чтобы прогноз был и точным, и своевременным, поскольку всплески солнечной активности способны повысить уровень радиации до опасного для незащищенной техники и людей в космосе. Несмотря на 35 лет исследований и массу собранных данных, НАСА признавала, что у нее по-прежнему «нет метода для прогнозирования точного места, интенсивности или продолжительности вспышки».
[137]
В конце концов агентство опубликовало собранные данные и описание проблемы прогнозирования на сайте краудсорсинговой компании InnoCentive, которая привлекает всех желающих к решению сложных научных задач. Принцип работы InnoCentive крайне демократичный; для того чтобы принять участие в изучении той или иной проблемы, скачать с сайта какие-либо данные или, наоборот, выгрузить на него свое решение, вам совершенно не обязательно иметь научную степень или быть сотрудником какой-либо лаборатории. Каждый может заниматься задачами в любой области; к примеру, физикам ничто не мешает погрузиться в проблемы биологии.
Оказалось, что человек, достаточно проницательный и достаточно знающий для того, чтобы улучшить прогнозы солнечной активности, вовсе не принадлежал к астрофизическому сообществу. Его звали Брюс Крейгин, он был радиоинженером на пенсии и жил в небольшом городке в Нью-Гемпшире. «Хотя я почти не занимался физикой Солнца как таковой, – рассказал Крейгин, – я много размышлял о теории магнитного перезамыкания».
[138] Эта теория в данном случае явно оказалась уместной, поскольку решение Крейгина позволило прогнозировать вспышки за восемь часов с точностью 85 %, и за 24 часа – с точностью 75 %. Рекомбинация теории и данных, найденная этим ученым-любителем, была вознаграждена премией космического агентства в размере 30 000 долларов.
В последние годы многие организации приняли на вооружение стратегию NASA: использовать технологии, чтобы поделиться с людьми своими проблемами и привлечь «достаточное количество глаз» к их решению. Этот подход называется по-разному, например «открытыми инновациями» или «краудсорсингом», и может оказаться очень эффективным. Исследователи инноваций Ларс Бо Йеппенсен и Карим Лакхани изучили 166 научных проблем, опубликованных на InnoCentive, – все они поставили в тупик организации, которые пытались их решить. Исследователи обнаружили, что пользователи InnoCentive смогли решить 49 задачи, то есть добиться почти 30-процентного успеха. Также выяснилось, что люди, опыт которых лежал довольно далеко от области, в которой возникла проблема, гораздо чаще предлагали успешные решения. Иными словами, оказался полезным своего рода «маргинальный» опыт – то есть образование, знание и опыт в областях, связь которых с областью решаемой задачи была неочевидна. Йеппенсен и Лакхани приводят ряд живых примеров этого:
