Я знаю, что ничего не знаю (или почему GisMeteo врёт)

Пару дней назад, одним поздним вечером (вообще уже было заполночь и надо было спать, но сон для слабаков) я залип на разбор математика Алексея Савватеева сцен таких фильмов, как "Игры разума", "Пи" и "Двадцать одно". Сам Алексей Савватеев - это такой серьезный дядька-математик (член-корр РАН, профессор МФТИ), который очень доходчиво и популярно разбирает математику. Во время просмотра видео в голове возник вопрос: если математика - это язык Вселенной, то почему прогноз погоды врет чаще, чем обещания разработчиков Escape from Tarkov исправить баги? Почему Big Data не предотвращает кризисы, а нейросети всё ещё рисуют людей с шестью пальцами? Нам кажется, что вот еще немного, соберем достаточно данных (а также купим мощный пека с двумя RTX 5090 для DLSS 5) - и всё, мы станем всеведущими.

Но нет.

Я не буду претендовать на Нобелевку (хотя...а почему бы и нет?), но для себя набросал простенькую классификацию. Что-то вроде "четырёх уровней доступа к правде".

Самый простой уровень понимания информации. На столе одна мышка. У вас, читающих этот пост - два глаза. Под этим постом - какое-то количество реакций. Это информация, для считывания которой не нужны приборы. И, казалось бы, тут всё просто. Однако подвох может быть и на этом уровне. Физики могут рассматривать яблоко как собрание атомов. А для пирата количество глаз - вопрос такой же дискуссионный, как и количество целых пальцев для оператора деревообрабатывающего станка. Впрочем, для бытового уровня это факт и по сути мы замечаем только ту информацию, которая лежит на поверхности.

На этом уровне человеку для считывания скрытой измеряемой информации понадобятся инструменты, чтобы ответить на вопросы а-ля "Сколько песчинок в куче песка? Какая температура у больного? Какой пинг у сервера?". Такая информация существует объективно, но нам нужно потрудиться, чтобы её добыть. В эпоху умных устройств мы активно переводим информацию с второго уровня на первый. Ваш Apple Watch знает о вашем сне больше, чем вы сами. Однако тут может возникнуть проблема иллюзии контроля - нам кажется, что если мы измерим всё (пульс, шаги, калории и т.д.), то сможем предсказать дальнейшее состояние. Но тут мы неизбежно врезаемся в стену следующего уровня.

Самый классический пример - прогноз погоды. У нас есть суперкомпьютеры, спутниковые системы и знание законов физики. Но прогноз дальше чем на 10 дней превращается в гадание на кофейной гуще. Почему так? Дело тут не в слабых компах или ленивых учёных - просто сама система хаотична (вспоминаем "эффект бабочки"). Погода на Земле - это детерминированный хаос. Информация вроде бы есть, но она размывается с огромной скоростью. И тут можно привести еще один пример - почему у конкретного человека, который вёл ЗОЖ, случился инфаркт? Мы конечно можем найти определенные факторы (генетика, стресс, экология, вредные привычки, нейрослоп от DLSS 5), но восстановить точную цепочку причин за условные50 лет жизни невозможно. Слишком много переменных.

Уровень, на котором начинается настоящая физика (yeah, science bitch!). Есть вещи, которые нельзя узнать теоретически. Никак. Вообще. Например, нельзя одновременно точно знать координату и импульс частицы (принцип неопределенности Гейзенберга). По теореме Гёделя в любой сложной системе есть вещи, которые нельзя ни доказать, ни опровергнуть. А информация за горизонтом событий в черной дыре никогда не выйдет наружу. Так работает наша реальность (щито поделать).

Можно подумать, что все четыре уровня похожи на модель Дональда Рамсфельда "известные известные, известные неизвестные и т.д.". Но тут есть нюанс - Рамсфельд говорил про разведку и психологию, а тут речь про саму информацию (так что это другое!).

Смысл в том, что математика невероятно удивительна (и сложна), но она же показывает нам границы нашего "могущества". И понимание того, что часть мира всегда останется "скрытой неизмеряемой информацией" не должно нас пугать. Поэтому GisMeteo врёт не из-за плохих учёных (а из-за хаотической информации 3-го уровня), нейросети ошибаются с пальцами, потому что не всегда могут правильно вытащить данные 2-го уровня из картинки (на которых они обучаются), а Big Data бессильна перед некоторыми вещами (уровень 4). Мы не можем просчитать всё. И поэтому у нас всегда остаётся место для сюрпризов.