https://ruh666.livejournal.com/680253.html
Австрийские экономисты традиционно выступали против централизованного планирования на том основании, что большая часть экономически значимых знаний остается недоступной для органа планирования. Но сегодня, когда объем и разнообразие данных, потенциально доступных планировщику, беспрецедентно вырос, кажется, что всеведущее правительство все-таки возможно. Сделала ли революция больших данных аргументы Людвига фон Мизеса и Фридриха фон Хайека в отношении промышленного рынка устаревшими?
В главе 3 своего бестселлера «Азбука коммунизма» 1920 года советские теоретики Николай Бухарин и Евгений Преображенский утверждали, что в коммунистическом обществе будущего государство “заранее знает, сколько труда направить на различные отрасли промышленности; какие продукты требуются и в каком количестве их необходимо производить; как и где должны быть предоставлены машины”. В действительности, конечно, Советский Союз так и не приблизился к реализации этого видения. Учитывая невозможность установления целевых показателей для миллионов отдельных предметов, необходимых современной экономике, планирование на самом высоком уровне пришлось ограничить примерно шестьюдесятью тысячами агрегированных категорий, которые затем дезагрегировались на более низких уровнях бюрократии (подробнее о планировании в СССР см. Главу 7 книги Яноша Корнаи «Социалистическая система»). Вопреки ожиданиям Бухарина и Преображенского, результатом стала хроническая неспособность эффективно распределять ресурсы. Нехватка основных промышленных и потребительских товаров стала нормой.
Можно ли было бы избежать этого провала, если бы в СССР были доступны более продвинутые вычислительные возможности? В настоящее время проблемы, связанные с миллионами переменных, больше не являются неразрешимыми. Может быть, наконец настал тот день, когда, как писал Оскар Ланге в 1967 году, рыночный процесс уже “можно рассматривать как вычислительное устройство доэлектронной эпохи?”
Как недавно отмечали несколько авторов (например, здесь и здесь), в отсутствие рынков планирование должно осуществляться без информации об условиях спроса и предложения, выявляемой в ходе реальных транзакций. В краткосрочной перспективе можно было бы принимать решения о том, “какие продукты требуются и сколько каждого из них необходимо произвести” на основе равновесия спроса и предложения, преобладающего в существовавшей до введения планирования рыночной экономике, но по мере изменения ситуации план будет быстро терять актуальность. Рано или поздно планировщик в конечном итоге будет “барахтаться в океане возможных и мыслимых экономических комбинаций без компаса экономических расчетов”, как выразился Мизес в “Экономическом расчете при социализме”.
Но на самом деле можно выдвинуть еще более фундаментальное возражение: рыночный процесс не что иное, как вычислительное устройство. Как давно подчеркивали австрийские экономисты, конкуренция на рынках — это не просто механизм перехода к уже существующим равновесным результатам. Это скорее машина создания знаний и предпринимательских открытий. Ведение бизнеса — это не просто вопрос разрешения неопределенности в “известных неизвестных” с помощью упорядоченной процедуры обучения. Это требует осознания “неизвестных неизвестных”, которые ранее не играли роли в принятии решений.
Рассмотрим, например, знаменитый случай использования Walmart аналитики данных для прогнозирования скачка спроса на клубничные пирожные в регионах, которые вскоре пострадают от урагана “Фрэнсис” в 2004 году. Как ряд нулей и единиц в памяти компьютера, данные, лежащие в основе этого прогноза, сами по себе не были информацией. Сначала они должны были быть интерпретированы человеком, имеющим стимул ответить на конкретный вопрос и гипотезу о том, какие переменные могут быть значимыми. Кто-то должен был иметь достаточную интуицию, чтобы предположить, что неблагоприятное погодное явление может создать возможность получения прибыли в определенное время и в определенном месте. Обработка больших массивов данных (big data) и искусственный интеллект — это инструменты для совершенствования процесса открытия в предпринимательской деятельности, а не замена вдохновения стремящихся к прибыли участников рынка.
Существование больших баз данных нисколько не облегчает централизацию накопленных в обществе полезных знаний, поскольку местные знания необходимы для продуктивного использования данных. “Планировщики”, как указывает Исраэль Кирзнер в главе 2 “Смысла рыночного процесса”, “просто не знают, что искать: они не знают, где существуют пробелы в знаниях и какого они рода”. Даже если бы они были связаны с каждым существующим сетевым узлом, они все равно не смогли бы воспроизвести идеи бесчисленного количества отдельных лиц, принимающих решения, каждый со своей уникальной точкой зрения и особой мотивацией для генерации идей, основанных на данных.
Аналитика больших данных — это средство усиления рыночного процесса за счет снижения затрат на поиск, а не средство его замены. Эта технология, несомненно, имеет важные операционные последствия для отдельных компаний. Но это не делает частную фирму менее необходимой как институт для эффективного распределения ресурсов. На самом деле обработка больших массивов данных совершенно бесполезна в отношении хайековской проблемы локального знания, потому что она не предоставляет никаких новых средств для агрегирования мнений разных людей. Большой набор данных охватывающих множество различных локальных ситуаций не является знанием. Программное обеспечение искусственного интеллекта ничего не “знает”.
Таким образом, нет причин полагать, что централизованное планирование может работать лучше с большими наборами данных и более высокой вычислительной мощностью, чем это было в советские времена, когда планирование приходилось выполнять с помощью логарифмических линеек и примитивных компьютеров. Более умные устройства не сделают социализм умнее.
взято отсюда
Теперь настольную книгу волновиков "Волновой принцип Эллиотта" можно найти в бесплатном доступе здесь
И не забывайте подписываться на мой телеграм-канал и YouTube-канал
Бесплатное руководство «Как найти возможности для торговли с высокой вероятностью с помощью скользящих средних»
Комментариев нет:
Отправить комментарий