«Kind of Blue» и проведенное Балашем исчерпывающее исследование джазовых альбомов свидетельствуют о существовании «идеальных условий» для командного успеха: группа должна быть многопрофильной, а вклад ее членов — стихийным, но при этом задавать направление должен единственный лидер. Так, если бы Дэвис позволил всем музыкантам выступать равноправными режиссерами альбома, «Kind of Blue», скорее всего, не стал бы самой популярной пластинкой в истории джаза. Если бы талантливые джазмены получили полную свободу действий, от студии ничего не осталось бы, как мы наблюдали в случае с клеткой с суперкурами.
Но вот что странно: все помнят одного Майлза Дэвиса, который стал настоящим маэстро альбома. И это вполне справедливо: его гений собрал все воедино. Но разве это не странно? Ведь в записи принимали участие пятеро других первоклассных талантов, которые вложили душу в ошеломительный успех «Kind of Blue».
Помните того парня, который всегда опаздывает на встречи, но все равно становится начальником? Пора познакомиться с ним поближе.
9. Алгоритм, который нашел незамеченного ученого. Дело в восприятии, а не в результативности
Я узнал о Дугласе Прешере, когда разработанный нами алгоритм сделал непредсказуемый прогноз
[132]: именно Дуглас должен был получить Нобелевскую премию 2008 года.
Вместо этого награду вручили трем другим ученым. Еще больше я удивился, когда мы вообще нигде не смогли найти Прешера. Он не работал ни в одном университете и не входил в число сотрудников отраслевых исследовательских лабораторий. Начав поиски, мы поняли, что он уже лет десять не публиковал ни одной статьи. Все это нас озадачило. Складывалось впечатление, что человек, который, по мнению нашего алгоритма, был достоин Нобелевской премии, просто исчез с лица земли.
Наука часто кажется нам игрой для одиноких гениев
[133]: мы представляем, как Мария Кюри ночами работала в лаборатории, как Ньютон задумчиво сидел под яблоней и как Эйнштейн размышлял о великом, работая в патентном бюро. Но сегодня науку в основном двигают команды, члены которых сотрудничают друг с другом, делясь своим уникальным опытом. В связи с этим наша привычка прославлять выдающихся ученых устарела. Главные награды мира науки, например Нобелевская премия, в духе XX века ориентированы на индивидуальные достижения. Лауреатами Нобелевской премии могут стать не более трех человек, поэтому очень сложно воздать всем по заслугам в эпоху, когда почти никто не пишет статьи в одиночку, а совместная работа играет все более важную роль. Как упоминалось в предыдущей главе, с 1990-х годов самые значительные открытия совершают не гении-одиночки, а крупные команды. Как же Нобелевский комитет решает кому из множества соратников вручить премию?
Этот вопрос, само собой, поднимается не только в науке. Чаще всего при командной работе бонусы достаются одним, повышение по службе и прибавку к зарплате получают другие, а большинство членов команды и вовсе остается в тени. Все чаще мы проповедуем равноправие в коллективной работе, но из-за этого растет риск размывания ролей членов команды и усложняется распределение наград.
* * *
В 2013 году в мою лабораторию пришел специалист по компьютерным наукам из Пекина Хуавей Шень. Хотя в команде он был новичком, он прекрасно знал, чем мы занимаемся. Хуавей не только руководил лабораторией сетевой науки в своем университете, но и перевел мою прошлую книгу «Всплески» на китайский. Он с удовольствием присоединился к нашей маленькой, но растущей «группе успеха». Каждый раз, приступая к новому проекту, мы запускаем журнальный клуб, члены которого изучают имеющуюся научную литературу, чтобы понять, что уже было сделано в определенной области. Каждый из нас читает по несколько статей и пересказывает их суть остальным сотрудникам лаборатории. Учитывая, что каждый год публикуется миллион работ, это единственный способ изучить огромный корпус накопленных в мире знаний.
На одной из встреч журнального клуба Хуавей пересказал нам статью по социологии, авторы которой анализировали распределение заслуг в науке. Обсуждая этот вопрос, мы поняли, насколько странные правила используются для этого в нашей профессии. Чтобы понять все нюансы, нужно в этом вариться. Возьмем, к примеру, статью, в которой сообщается об открытии W- и Z-бозонов. В списке ее авторов 137 имен. Кто получил Нобелевскую премию? Само собой, авторы номер 105 и 126, Карло Руббиа и Симон ван дер Мер. Каким-то образом Нобелевский комитет находит способ определить, кто что сделал и кому принадлежит львиная доля заслуг, на каком бы месте ни стояло имя автора. Но как это происходит?
Пока мы обсуждали странную схему распределения заслуг в нашей профессии на встрече клуба, я задал Хуавею вопрос: если Нобелевский комитет может выбрать лауреата из более чем сотни авторов, почему его не можем выбрать мы?
Хуавей взялся за эту проблему
[134] и через несколько недель разработал алгоритм, который, как компас, неизменно указывающий на север, безошибочно определял, кому из длинного списка ученых, внесших свой вклад в открытие, в итоге достанется Нобелевская премия. Точность алгоритма граничила с волшебством. Он справлялся с прогнозами как в физике, где авторы порой перечисляются в алфавитном порядке, так и в биологии, где имя лидера обычно стоит на последнем месте в списке. Мы не переставали удивляться его результатам. Программа с легкостью согласилась с выбором Руббиа и ван дер Мера из списка всех авторов и проделала то же самое со всеми статьями, авторы которых получили премию за последние тридцать лет, не прочитав при этом ни одной работы.
Наш алгоритм не согласился с решением Нобелевского комитета лишь в нескольких случаях
[135]. В каждом из них некорректное распределение заслуг приводило к напряжению в научном сообществе, а сами лауреаты озвучивали сомнения в справедливости своих побед. Один из этих случаев был особенно любопытен: почему-то алгоритм, как сошедший с ума навигатор на перекрытой дороге, упорно настаивал, что Нобелевскую премию по химии в 2008 году должен был получить Дуглас Прешер. Проблема заключалась в том, что Дуглас Прешер словно исчез с лица земли.
