Без знаний и ноу-хау нашему виду трудно было бы обеспечить рост объема информации. Знания и ноу-хау определяют, что и как мы делаем. Они являются программным обеспечением, которое определяет работу социального компьютера, создающего наши города и объекты. Однако, будучи своеобразной формой программного обеспечения, знания и ноу-хау заключены в оборудовании, которое выполняет эти программы. Как мы видели, к этому оборудованию относятся люди, чьи способности усилены машинами и, конечно, состоящие из людей сети. Хотя наши тела и общественные организации дают нам возможность аккумулировать знания и ноу-хау, они также способствуют неравномерному распределению знаний и ноу-хау по всему миру. Накопление знаний и ноу-хау отличается географической предвзятостью, что обусловливает разницу в производственной способности стран. Однако различия в производственной способности стран также объясняют различия в их покупательной способности. Таким образом, для решения глобальной головоломки неравномерного распределения доходов и разницы в потреблении нам сначала нужно разобраться в глобальных механизмах, которые ограничивают распространение знаний и ноу-хау. Распространение знаний и ноу-хау объясняет разницу в способности стран производить продукты, которые, по сути, отражают различие в способности стран обеспечивать рост объема информации.

 

Глава 9

Эволюция экономической сложности

Чем обусловлена географическая предвзятость в распространении знаний и ноу-хау? Ранее мы узнали о том, что сложность накопления знаний и ноу-хау связана с социальной и эмпирической природой процесса обучения, а также о том, что объем знаний и ноу-хау, которые может накопить индивид или фирма, ограничен. Ограниченная возможность фирм и индивидов накапливать знания и ноу-хау требует их фрагментации и распространения в сетях, состоящих из фирм и людей, которые, как мы видели, трудно сформировать. Таким образом, для накопления больших объемов знаний и ноу-хау, нам нужны крупные сети, состоящие из людей. Тем не менее отношение между размером сети и объемом знаний и ноу-хау, которые она может вместить, не только усложняет накопление знаний и ноу-хау, но и подразумевает, что переместить или копировать знания и ноу-хау, воплощенные в большой производственной сети, сложнее, чем переместить или копировать знания и ноу-хау, воплощенные в производственной сети меньшего размера.

Изучение географического распределения знаний и ноу-хау представляет сложность, поскольку знания и ноу-хау трудно «увидеть». Таким образом, чтобы изучить распределение и распространение знаний и ноу-хау, нам необходимо выявить их выражения, предоставляющие нам косвенную информацию о местах их нахождения. Один из способов заключается в том, чтобы посмотреть на географическое распределение центров промышленности, которую можно считать выражением знаний и ноу-хау, воплощенных в сетях, состоящих из людей и фирм, присутствующих в конкретном месте. Рассмотрение промышленности вместо знаний и ноу-хау аналогично тому, что делают биологи, когда рассматривают фенотипы (физические и функциональные характеристики организма) в качестве выражения генотипов (информации, воплощенной в ДНК организма). Гены, в их простейшем понимании, представляют собой сегменты ДНК, которые кодируют белки, в то время как фенотипы являются такими физическими и функциональными характеристиками организмов, как цвет волос или предрасположенность к гипертонии. В этой главе я постараюсь сделать то, что делают генетики, только вместо попытки установить связь между фенотипами и генами, я постараюсь найти связь между знаниями и ноу-хау, доступными в конкретном месте, и присутствующими в нем отраслями промышленности.

Фенотипы и генотипы являются удобной аналогией, поскольку они представляют собой пару связанных сущностей, одна из которых более доступна для наблюдения, чем другая, – фенотипы поддаются наблюдению легче, чем гены, а отрасли промышленности поддаются наблюдению легче, чем знания или ноу-хау. Эта двойственность полезна, поскольку она подразумевает возможность измерения наиболее очевидной величины в качестве заместителя наименее очевидной. Например, отображение пространственного распределения генов, отвечающих за высокий рост, в настоящее время вызывает трудности. На самом деле с ростом связаны многие гены, поэтому выявление и квантификация молекулярных последовательностей, которые могут помочь объяснить разницу в росте между Леброном Джеймсом и Дэнни ДеВито, являются не простой задачей. Однако, просто взглянув на Леброна Джеймса и Дэнни ДеВито, мы легко можем сказать, кто из них с большей вероятностью является носителем генов, отвечающих за высокий рост, даже если мы точно не знаем, что это за гены. Точно так же, если нам нужно выявить наличие знаний и ноу-хау, необходимых для производства реактивных двигателей, мы можем просто посмотреть, где находятся разработчики и производители реактивных двигателей. Проще говоря, мы можем предположить, что Лос-Анджелес, а не Кито, обладает избытком знаний и ноу-хау, необходимых для производства боевиков, поскольку каждый год в Лос-Анджелесе создается множество популярных боевиков, а в Кито – совсем мало, если вообще создаются. Таким образом, хотя наличие отраслей промышленности не говорит нам о специфических наборах знаний и ноу-хау, требующихся для создания фильмов, оно может указать нам на физическое расположение сетей, содержащих эти знания и ноу-хау.

Получить точные данные о месте нахождения отраслей промышленности нелегко, но возможно. Несовершенные выражения международных связей между промышленностью и местонахождением производств воплощены в торговых данных, отражающих экспортируемые и импортируемые каждой страной продукты. В случае с местными экономиками эти данные можно найти в таких правительственных отчетах, как налоговое резидентство фирм, взносы людей в фонды социального страхования и перепись промышленных предприятий. Хотя по большей части такие наборы данных несовершенны и ограничены, они представляют собой один из лучших источников, которые мы можем использовать для определения местоположения фирм, а также знаний и ноу-хау, которыми эти фирмы обладают.

Эти наборы данных полезны, поскольку показывают эмпирическую сторону, которую мы можем использовать для проверки теорий, объясняющих состав промышленного комплекса того или иного региона. Для этого нам необходимо выявить неочевидные особенности этих наборов данных (то есть те, которые нельзя объяснить случайным образом), являющиеся общими для нескольких различных наборов данных и поддающихся предсказанию, исходя из тестируемых теорий.

Поразительной особенностью, являющейся общей для данных, отражающих налоговое резидентство фирм, и данных международной торговли, является паттерн, который экологи называют вложенностью (nestedness). Значение этого слова станет очевидным, если вы обратитесь к иллюстрации, показанной в следующей врезке. Вложенность представляет собой технический способ описания «треугольности» этих матриц. Формально вложенность – это одновременная тенденция к тому, чтобы (1) в наименее разнообразных в плане представленных отраслей регионах присутствовало подмножество отраслей промышленности, характерных для самых многоотраслевых регионов и чтобы (2) наименее распространенные отрасли промышленности присутствовали почти исключительно в самых многоотраслевых регионах.

Чтобы проиллюстрировать идею вложенности, рассмотрим данные экспорта Аргентины, Гондураса и Нидерландов. Из 50 продуктов, которые Гондурас экспортировал в 2008 году, Аргентина экспортировала 25 (50 %), а Нидерланды – 48 (96 %). Из 227 продуктов, которые экспортировала в 2008 году Аргентина, Нидерланды экспортировали 213 (94 %). Это говорит нам о том, что экспорт Гондураса, говоря статистически, является подмножеством экспорта Аргентины, а экспорт Аргентины и Гондураса, в свою очередь, представляют собой подмножество экспорта Нидерландов. Вы можете посчитать очевидным то, что многоотраслевой район включает отрасли, присутствующие в наименее разнообразных в плане представленных отраслей регионах. Тем не менее значение вложенности, наблюдаемой в данных, статистически больше того, которое можно было бы ожидать, исходя из различий в населении или промышленности, таким образом, мы называем эти матрицы вложенными не только из-за структуры подмножеств, но и потому, что значение вложенности статистически больше того, которое можно было бы ожидать, исходя из очевидных объяснений.

Статистическая значимость вложенности представляет собой факт распределения отраслей в пространстве, заставляющий нас глубоко задуматься о механизмах, которые могли бы помочь учесть вложенность. Здесь опять становится полезной концепция челобайта.

Вложенность этих матриц, отражающих расположение отраслей, говорит нам о том, что некоторые отрасли промышленности (и, следовательно, фрагменты знаний и ноу-хау) присутствуют практически везде, в то время как другие доступны только в некоторых местах. Однако какие же отрасли присутствуют всюду? Те, которые воплощают большие или небольшие объемы знаний и ноу-хау? Чтобы ответить на вопрос, рассмотрим несколько примеров.

Вложенность матриц, отражающих расположение отраслей промышленности

На следующих рисунках показаны две матрицы, отражающие расположение отраслей промышленности. Каждый ряд соответствует местоположению, а каждый столбец представляет собой продукт или отрасль промышленности. На рисунке слева показаны продукты, экспортируемые каждой страной, а на рисунке справа – данные налогового резидентства чилийских фирм. Черные точки говорят об экспорте продукта по странам или о присутствии отрасли промышленности в чилийском муниципалитете. В обеих матрицах местоположения отсортированы в порядке уменьшения разнообразия, в то время как продукты и отрасли отсортированы в порядке уменьшения степени вездесущности. Тот факт, что большая часть присутствия сосредоточена в области приблизительно треугольной формы в левом верхнем углу матрицы, и представляет собой вложенность. Сплошная линия показывает разнообразие каждого местоположения. Это разнообразие соответствует количеству продуктов, экспортируемых страной, или количеству отраслей, присутствующих в муниципалитете. График разнообразия – это простая приблизительная оценка максимально возможной вложенности, которая может наблюдаться в матрице. При совершенной вложенности график разнообразия представлял бы собой практически идеальную границу между черной и белой областями.

Большинство стран экспортируют такие продукты, как одежда, например нижнее белье, рубашки и брюки, в то время как некоторые страны экспортируют оптические инструменты, самолеты и приборы для медицинской визуализации. Такой беглый анализ наводит на мысль о том, что более «простые» отрасли промышленности, требующие меньшего объема знаний и ноу-хау, присутствуют в большем количестве регионов. Это кажется очевидным, поскольку производство продуктов, требующих меньшего объема знаний и ноу-хау, должно быть более легким. Тем не менее вездесущность отрасли промышленности едва ли может являться точной мерой необходимых знаний и ноу-хау. Среди товаров, экспортируемых некоторыми странами, встречаются такие природные ресурсы, как урановая руда. Таким образом, вопрос заключается в том, как мы можем отличить редкость урановой руды от сложности устройств медицинской визуализации. Ответ состоит в том, чтобы оценить промышленное разнообразие стран, степень которого больше у стран, экспортирующих устройства медицинской визуализации, по сравнению со странами, экспортирующими урановую руду.

В целом мы обнаруживаем, что объединение информации о вездесущности продукта с данными о промышленном разнообразии экспортирующих его стран позволяет быстро идентифицировать продукты, которые являются более сложными по сравнению с другими. Суть в том, что существует четкая тенденция, говорящая, что наиболее сложные продукты, как правило, производятся несколькими многоотраслевыми странами, в то время как более простые продукты обычно производятся большинством стран, в том числе теми, которые производят лишь несколько продуктов. Это согласуется с идеей о том, что отрасли промышленности, которые требуют меньшего объема знаний и ноу-хау, присутствуют повсюду. Как мы увидим, именно эти небольшие фрагменты знаний и ноу-хау, скорее всего, будут распространены по всему миру.

Таким образом, первой нитью в веревке доказательств существования связи между структурами отраслей промышленности и наличием знаний и ноу-хау является способность концепции челобайта объяснить вездесущность продуктов и вложенность матриц, отражающих расположение отраслей промышленности. Концепция челобайта предполагает, что знания и ноу-хау, необходимые для производства более сложных продуктов, должны накапливаться в более крупных и более сложных сетях, а следовательно, предполагает наличие обратной связи между разнообразием представленных в конкретном регионе отраслей и их вездесущностью. Тем не менее, как остроумно отметил Роберт Патнэм в своей книге Bowling Alone, веревка доказательств не может состоять только из одной нити. Таким образом, следующей нитью нашей веревки доказательств будет использование концепции челобайта для объяснения не только вложенности матриц, отражающих расположение отраслей промышленности, но и динамики этих матриц, то есть путей диверсификации стран и изменений в географическом распределении отраслей промышленности.

Эволюцию промышленного профиля страны можно представить в виде пазла. Действительно, перемещение сложной отрасли подобно попытке переместить пазл с одного стола на другой. Чем больше в пазле кусочков, тем труднее будет переместить его, поскольку, если мы не можем переместить все кусочки одновременно, пазл развалится. Таким образом, проще «переместить» несколько кусочков пазла на другой стол, на котором уже присутствуют другие кусочки того же самого уже собранного пазла. Перемещение сетей представляет такие же проблемы. Продукты, для производства которых требуется больший объем знаний и ноу-хау, подобны более крупным пазлам и, следовательно, будут создаваться в немногочисленных регионах, поскольку, чем больше кусочков вам нужно, тем больше вероятность того, что какой-нибудь кусочек будет отсутствовать. Кроме того, аналогия с пазлом говорит нам о том, что отрасли промышленности имеют больше шансов на успех там, где уже есть многие из необходимых для этой отрасли частей. Эту разницу в успешности можно рассматривать в качестве предвзятости, которая благоприятствует возникновению отраслей промышленности в местах или в состоящих из людей сетях, которые уже накопили большую часть знаний и ноу-хау, необходимых для этой отрасли, поскольку они уже развили одну или несколько смежных отраслей. В бизнес-школах и в кругах профессионалов по региональному развитию этот эффект известен как связанная диверсификация, что является техническим названием для идеи о том, что регионы, производящие шторы, уже адаптированы к производству скатертей, но не кофе-машин.

Сходства в знаниях и ноу-хау, необходимых для производства продуктов или воплощенных в отраслях, может усилить вложенность матриц, отражающих расположение отраслей промышленности, рассмотренных нами ранее, поскольку они подразумевают то, что продукты, для производства которых необходим большой объем знаний и ноу-хау, требуют наличия челобайт информации, уже воплощенных в населении многоотраслевых регионов. Тем не менее вложенность не может рассказать нам о схожести отраслей, поскольку сходства в знании и ноу-хау, необходимых для производства пары продуктов, плохо отражены в степени вездесущности продукта. Возвращаясь к нашей биологической аналогии, мы можем сказать, что зебра и крокодил похожи между собой в плане общей сложности, однако зебра может эволюционировать в лошадь легче, чем крокодил, просто потому, что гены зебры уже отвечают за многие особенности, свойственные лошади (длинные ноги, грива, пищеварительная система, оптимизированная для усвоения травы и т. д.). Таким образом, для определения сходства между двумя продуктами нам нужны критерии, выходящие за рамки их вездесущности. В данном случае можно использовать либо данные о местоположении отраслей, либо данные о профессиях, востребованных в обеих отраслях. Мы можем использовать эти данные, чтобы проверить, склонны ли новые отрасли развиваться в направлении тех отраслей, которые уже присутствуют в конкретном регионе.

Один из способов проверки предсказательной силы отраслевого сходства заключается в том, чтобы ввести понятие пространства продукта: сети, объединяющей похожие продукты. В глобальном масштабе мы можем оценить эту схожесть, посмотрев на то, какие продукты, скорее всего, будут экспортироваться вместе. Предполагается, что экспорт пары продуктов в тандеме отражает сходство между ними (то есть если производство рубашек сходно с производством блузок, то страны, экспортирующие рубашки, с большей вероятностью будут экспортировать блузки). В случае с экономикой конкретной страны, когда доступны данные о профессиях, востребованных той или иной отраслью, мы можем объединить отрасли, которым, как правило, требуется аналогичные профессии (приняв их в качестве показателя того, какие конкретно знания и ноу-хау требуются для той или иной отрасли).

В качестве иллюстрации для идеи пространства продукта рассмотрим три продукта: бананы, манго и мотоциклы. По данным международной торговли, мы можем сказать, что манго похожи на бананы, но не на мотоциклы, поскольку страны, которые экспортируют манго, с большей вероятностью будут экспортировать бананы, но не мотоциклы. Исходя из внутристрановых экономических данных, мы можем сказать, что манго похожи на бананы, но не на мотоциклы, поскольку фирмы, занимающиеся манго, как правило, нанимают ту же категорию рабочих, что и фирмы, занимающиеся бананами, а производители мотоциклов нанимают работников совсем других категорий.

Одним замечательным аспектом пространства продукта является то, что оно подходит для создания красивых визуальных представлений, которые можно использовать для визуализации процесса экономической диверсификации. На рис. 9 изображено пространство продукта, построенное на основе данных международной торговли. Каждый узел этой сети представляет собой продукт. Связями объединены продукты, которые с большой вероятностью будут экспортироваться теми же странами. Размер узлов кодирует информацию о мировой торговле (узлы большего размера соответствуют более крупным рынкам), а цвета узлов разделяют продукты на кластеры (например, одежда, электроника и неорганические соли). (Чтобы просмотреть этот рисунок в цвете и исследовать данные международной торговли более чем за пятьдесят лет, посетите сайт atlas.media.mit.edu.)

Пространство продукта представляет собой красивую картинку, однако магия его использования в качестве иллюстрации процесса экономического развития проявляется, когда вы с его помощью визуализируете динамику структуры экспорта страны. На рис. 10 представлены данные экспорта Малайзии в 1980 и 1990 годах. Цветные узлы (или темные в случае с черно-белым изображением) соответствуют продуктам, которые экспортировала Малайзия, а светло-серые узлы соответствуют продуктам, которые Малайзия не экспортировала. Будучи представленным в виде сети, пространство продукта позволяет увидеть не только экспортируемые страной продукты, но и продукты, связанные с ними.

Рис. 9. Пространство продукта. (Источник: atlas.media.mit.edu)

Рис. 10. Малайзия в пространстве продукта в 1980 и 1990 годах. Интерактивные цветные версии этого изображения можно найти на сайте Обсерватории экономической сложности (atlas.media.mit.edu) или atlas.media.mit.edu/explore/network/sitc/export/mys/all/show/1980/ (данные 1980 года) и atlas.media.mit.edu/explore/network/sitc/export/mys/all/show/1990/ (данные 1990 года)

В случае с Малайзией мы можем ясно видеть, что ее производственная структура эволюционировала в сторону смежных отраслей. В 1980 году Малайзия экспортировала несколько продуктов в секторе электроники (верхний левый кластер) и в секторе одежды (правый кластер). К 1990 году экономика Малайзии стала более диверсифицированной, однако ее диверсификация не была случайной. В соответствии с предсказанием теории челобайта диверсификация Малайзии проходила от одних отраслей в направлении других, требующих аналогичных знаний и ноу-хау, о чем свидетельствуют паттерны совместного экспорта. Это наблюдение в целом является статистически верным и подтверждено другими исследователями.

Это наблюдение справедливо и для внутренних данных Бразилии, отечественное производство которой включает в себя продукты и услуги. Здесь мы используем визуализации с сайта DataViva, который я создал вместе с Алексом Симоузом и Дэйвом Лэндри для наглядного представления данных всего формального сектора экономики Бразилии. Для иллюстрации мы используем бразильский муниципалитет Нова-Лима, который находится в городе Белу-Оризонти. Вместо данных экспорта на сайте DataViva используются данные о занятости. Это позволяет нам построить пространство «промышленности», соединяющее все секторы экономики, в том числе такие секторы, не имеющие отношения к экспорту, как образование, ресторанный бизнес или дорожное строительство. На иллюстрации, представленной на рис. 11, соединенными являются узлы, соответствующие секторам, требующим аналогичных профессий. (Например, строительство автомобильных и железных дорог связано со строительством зданий, поскольку компании в обеих отраслях среди прочих нанимают помощников инженеров-строителей, строительных рабочих, каменщиков и экскаваторщиков).

Рис. 11. Пространство промышленности муниципалитета Нова-Лима в 2002 и 2012 году. (Источник: dataviva.info).

Картина для муниципалитета Нова-Лима похожа на ту, которую мы наблюдали в случае с Малайзией. Тем не менее вместо диверсификации в направлении производства электроники Нова-Лима производит диверсификацию в направлении программного обеспечения и компьютерного консультирования (в рамках кластера информационных услуг, показанного в правой выноске), а также подготовки площадки, сноса и строительства коммунальных объектов (в рамках строительного кластера, показанного в левой выноске).

Взятые вместе вложенность сетей «отрасль – местоположение» и динамика стран и регионов в пространстве продукта представляют собой две важные связи между обсуждавшейся ранее концепцией челобайта и опытными данными о мире. Поскольку связь между присутствием отрасли промышленности в конкретном регионе и воплощенными в нем знаниями и ноу-хау представляет собой улицу с двусторонним движением, постепенное развитие промышленности показывает, что накопление знаний и ноу-хау в регионе происходит медленно и смещено в сторону уже существующих в нем знаний и ноу-хау. Это говорит нам о том, что знания и ноу-хау требуют присутствия отраслей промышленности так же, как отрасли промышленности требуют наличия знаний и ноу-хау. Было бы наивно думать, что накопление знаний и ноу-хау возможно там, где отсутствуют отрасли промышленности, которым они требуются. Возвращаясь к нашей аналогии с генами, мы можем сказать, что цвет глаз зависит от генов так же, как наличие генов, отвечающих за цвет глаз, зависит от существования глаза. Таким образом, хотя промышленность можно рассматривать в качестве выражения знаний, ноу-хау и других местных факторов, верно и обратное: отрасли промышленности представляют собой структуры, необходимые для того, чтобы наш вид смог накопить эти факторы, к которым относятся знания и ноу-хау.

Рассмотрим Кремниевую долину, в которой воплощен большой объем знаний и ноу-хау, имеющих значение для производства программного обеспечения и аппаратных средств и вебсайтов. Знания и ноу-хау, сосредоточенные в Кремниевой долине, воплощены не в постоянно безработных специалистах, а в специалистах, работающих в фирмах, участвующих в создании и разработке программного обеспечения и аппаратных средств. На самом деле истории большинства фирм Кремниевой долины очень тесно переплетены. Стив Джобс работал в компании Atari, а Стив Возняк работал в HP, прежде чем они основали компанию Apple. Как уже упоминалось, Стив Джобс также хорошо известен «заимствованием» идеи графического пользовательского интерфейса и объектно-ориентированного программирования у Xerox PARC. Если бы компании HP, Atari и Xerox PARC не находились в Кремниевой долине, то, вероятно, там не было бы знаний и ноу-хау, необходимых для основания компании Apple. Таким образом, отрасли промышленности, требующие знаний и ноу-хау, необходимых в других отраслях промышленности, представляют собой основополагающие этапы процесса промышленной диверсификации.

Концепция челобайта также позволяет объяснить, почему большие фрагменты знаний и ноу-хау трудно накапливать и передавать и почему знания и ноу-хау организованы по принципу иерархии, что выражается во вложенности данных о местоположении отраслей промышленности. Это связано с тем, что крупные фрагменты знаний и ноу-хау требуют для своего воплощения крупных сетей, а переместить или дублировать крупные сети гораздо сложнее, чем переместить небольшую группу людей. В результате сети «отрасль – местоположение» оказываются вложенными, и страны переходят к производству того, что расположено близко в пространстве продукта.

Тем не менее у каждого правила есть исключения, и случаи перенесения производственных сетей имели место. Рассмотрим случай Вернера фон Брауна, который был доставлен в Соединенные Штаты после Второй мировой войны для участия в разработке ракет. С фон Брауном приехали более ста ученых, работавших с ним в Германии. Вместе со своей командой и многими хорошо подготовленными американскими ракетостроителями фон Браун помог сети накопить знания, необходимые для развития сферы строительства космических ракет. Однако случаи, подобные этому, едва ли являются нормой в мире, где большая часть стран по-прежнему не в состоянии создавать реактивные двигатели или космические ракеты. Перемещение сети фон Брауна было обусловлено интуитивным пониманием теории челобайта, а также историческими и политическими факторами. Тем не менее с точки зрения теории челобайта, мы можем рассматривать технологическое перемещение фон Брауна в качестве попытки радикального переориентирования на новый продукт в пространстве продукта. Поскольку в середине XX века Соединенные Штаты занимали очень хорошую позицию в аэрокосмической промышленности, эта попытка с большей вероятностью могла бы увенчаться успехом в США, чем в развивающихся странах, в которых отсутствовали многие части, необходимые для завершения головоломки фон Брауна.

Теперь у нас есть две нити доказательства, поддерживающие теорию челобайт. Первой является способность теории челобайт объяснять вложенность сетей «отрасль – местоположение». Вторая – это способность теории челобайт объяснять динамику промышленной диверсификации, смещающейся в сторону производства аналогичных продуктов. Последняя нить, которую я буду здесь обсуждать, несколько отлична от предыдущих, поскольку она соединяет производственную структуру стран с уровнем дохода и экономическим ростом. В следующей главе я покажу, что сочетание экспортируемых страной продуктов позволяет предсказать ее будущий уровень доходов, что свидетельствует о том, что воплощенное в обществе ноу-хау помогает точно определить уровень ее процветания. Кроме того, путем рассмотрения дохода я соединю концепцию челобайт с традиционными макроэкономическими моделями и теориями, которые использовались для объяснения экономического роста. Это поможет нам понять рост экономики в качестве следствия чего-то более фундаментального: роста информации.

 

Глава 10

Шестой элемент

Существует много различных способов описания экономики. Один способ заключается в том, чтобы вслед за традиционными учебниками по макроэкономике разобрать экономику на такие факторы производства, как физический капитал, человеческий капитал и труд. Другой способ основан на естественнонаучном подходе и подразумевает разложение экономики, как и всего остального, на энергию, материю и информацию. Как мы увидим в этой главе, два эти способа разбора мира не являются несовместимыми. На самом деле знание того, как можно объединить эти подходы, является очень поучительным, поскольку может помочь нам интерпретировать традиционные экономические факторы с точки зрения физических величин и социальных процессов. Кроме того, соединив экономические факторы с их физической интерпретацией, мы осознаем существование одного дополнительного фактора, который нам следует рассмотреть. Этот дополнительный фактор представляет собой ноу-хау и знания, накопленные на коллективном уровне и обусловливающие разнообразие и изощренность экономических видов деятельности, которые я называю экономической сложностью.

Описание природы в терминах таких факторов производства, как капитал и рабочая сила, имеет в экономике давнюю традицию. Адам Смит разложил экономику на землю, труд и технику, которая представляет собой сочетание того, что современные экономисты называют физическим капиталом и технологией. Смит приравнял технику, или фиксированный капитал, к увеличению способности людей производить работу, и следовательно, рассматривал накопление физического капитала в качестве решающего фактора экономического роста. Он писал: «Фиксированный капитал предназначен для увеличения производительных сил, то есть для того, чтобы то же самое количество рабочих могло выполнить гораздо больший объем работы». Смит рассматривал улучшения в механике, подобные воплощенным в паровом двигателе, созданным его современником, Джеймсом Ваттом, в качестве увеличения способности людей производить работу: «Улучшения в механике… позволяют тому же количеству рабочих выполнять тот же объем работы, используя более простую и дешевую технику».

В течение ХХ века идеи Смита были математизированы экономистами, использовавшими математический анализ и дифференциальные уравнения для создания моделей экономического роста, который зависел от накопления различных форм капитала. Самые ранние модели приравнивали объем производства к соотношению между капиталом экономики и трудом, когда экономика находилась в равновесии. Они также смоделировали процесс экономического роста как перетягивание каната между нормой сбережений в экономике (капитал, который придерживается для использования в будущем) и амортизацией капитала (износ капитала).

Роберт Солоу выдвинул прототипическую модель экономического роста в конце 1950-х годов, что было весьма своевременно, поскольку именно тогда стали доступны данные, необходимые для оценки подобных моделей. Саймон Кузнец, экономист русского происхождения, который ввел понятие ВВП, завершил создание системы национальных счетов за два десятилетия до этого, что способствовало появлению экономического показателя, доминировавшего в XX веке. Тем не менее при сравнении с эмпирическими данными модель Солоу работала не очень хорошо. Кузнец в своей Нобелевской речи отметил: «Более ранняя теория, лежащая в основе этих измерений, довольно узко определила факторы производства и оставила рост производительности без объяснения в качестве меры нашего незнания».

«Мера нашего незнания», о которой говорил Кузнец, представляет собой то, что технически называется совокупной производительностью факторов производства (СПФП). Под СПФП экономисты подразумевают разницу между экономическим производством, предсказанным моделью, и тем, что наблюдается в эмпирических данных. (Эта разница интерпретируется как количество продукции, которое экономика может производить при данных затратах.) Этот разрыв мотивировал экономистов развить идеи Солоу, и во второй половине ХХ века они выдвинули множество новых моделей экономического роста, которые усовершенствовали модель Солоу. Новые модели учитывали новые факторы и новые математические инструменты для объяснения производительности факторов производства и накопления.

Однако не все экономисты согласились с тем, что использование агрегации являлось лучшим или единственным способом объяснения экономического роста и развития. Василий Леонтьев, научный руководитель Солоу и лауреат Нобелевской премии, утверждал, что основная проблема заключается в опоре на агрегаты, которые не учитывают информацию о конкретных отраслях промышленности. В 1971 году в обращении к Американской экономической ассоциации Леонтьев писал: «Прошло то время, когда лучшее, что можно было сделать с большими наборами переменных, заключалось в сокращении их количества путем усреднения или, что, по сути, является тем же самым, в их объединении в широкие агрегаты. Теперь мы можем манипулировать сложными аналитическими системами без подавления идентичности их элементов». Майкл Портер, влиятельный экономист, работавший над идеей конкурентоспособности в Гарвардской бизнес-школе, также выражал озабоченность по поводу чрезмерной зависимости от агрегации. Вместо этого он выступал за использование «специализированных факторов». При обсуждении конкурентоспособности стран в своей книге «Конкуренция» Портер заметил:

Согласно стандартной экономической теории, факторы производства – труд, земля, природные ресурсы, капитал, инфраструктура – станут определять характер торговли. Страна будет экспортировать те товары, в производстве которых в наибольшей степени используются факторы, которыми данная страна относительно хорошо обеспечена. Эта доктрина, зародившаяся еще во времена Адама Смита и Давида Рикардо и прочно укоренившаяся в классической экономической теории, в лучшем случае является неполной, а в худшем – неверной… Вопреки общепринятому мнению простое наличие рабочей силы, получившей среднее или даже высшее образование, в настоящее время не является конкурентным преимуществом в конкуренции между странами. Для того чтобы послужить созданию конкурентного преимущества, фактор производства должен быть высокоспециализированным, приспособленным для удовлетворения конкретных нужд соответствующей отрасли; такими факторами могут быть научный институт, специализирующийся на исследованиях в области оптики или ресурсы венчурного капитала, используемые для финансирования фирм, создающих программное обеспечение… Конкурентное преимущество является результатом наличия институтов мирового класса, которые сначала создают специализированные факторы производства, а затем ведут непрерывную работу по их модернизации и совершенствованию. [154]

Однако несоответствие между моделью Солоу и эмпирическими данными не склонила чашу теоретических весов в пользу Леонтьева. В течение второй половины ХХ века экономисты, пользуясь помощью других ученых, работавших в области социальных наук, продолжили поиск других факторов, которые можно было включить в агрегатные модели экономического роста.

Первым фактором, укоренившимся в среде экономистов, стал человеческий капитал, то есть знания и ноу-хау, воплощенные в людях. Идея человеческого капитала была основана на использовании теоретических моделей, подобных тем, которые продвигал Пол Ромер, а также на эмпирических прорывах. В своей значимой работе Грегори Мэнкью, Дэвид Ромер и Дэвид Вейл расширили эмпирическое сравнение между моделью Солоу и доступными данными с учетом человеческого капитала. Для измерения человеческого капитала они использовали данные о количестве поступивших в школу, что является не очень хорошим критерием для оценки образования, обучения, ноу-хау или знаний. Тем не менее модель в некотором роде учла экономический рост, который наблюдался в период с 1960 по 1985 год, но остался необъясненным моделью Солоу. Представленная модель также подтвердила важный прогноз теории Солоу, который подразумевал, что после принятия в расчет человеческого капитала богатые страны росли более скромными темпами по сравнению с менее богатыми. Теория Солоу не была ошибочной. Как это часто случается с научными достижениями, она была неполной, а понятие человеческого капитала позволило это исправить.

И все же человеческий капитал не устранил разрыв между данными и теорией, основанной на модели Солоу – разрыв, который Кузнец назвал «мерой нашего незнания». Отчасти это было связано с ограничениями в эмпирических подходах. Обучение в школе не является хорошим критерием для оценки ноу-хау и знаний, поскольку оно по определению представляет собой лишь количество времени, проведенного в учреждении, а не знания, содержащиеся в головном мозге человека. Стандартизированные тесты могут дать представление о базовых навыках студента, однако в качестве меры человеческого капитала они являются крайне ограниченными, поскольку не могут оценить разнообразие воплощенных в учащихся знаний. Кроме того, стандартизированные тесты совершенно бесполезны для измерения таких важных навыков, как творчество и добросовестность. Наконец, меры человеческого капитала также не в состоянии собирать информацию о способности людей работать в команде, поскольку даже при одном и том же уровне мастерства некоторые команды могут быть гораздо более продуктивными по сравнению с другими.

Итак, добавление нового фактора не устранило важный разрыв между нашим пониманием мира и эмпирическими наблюдениями. На самом деле этот разрыв был все еще достаточно большим, чтобы мотивировать введение еще одной формы капитала. Начиная с конца 1980-х годов, концепция социального капитала стала мощной пояснительной силой. Социальный капитал сводится не к машинам или индивидуальным знаниям, а к способности людей устанавливать связи.

Как мы видели ранее, социальный капитал – это идея о том, что социальные взаимоотношения обладают экономической ценностью. Эта идея имеет теоретический смысл, но ее трудно включить в эмпирические оценки. Для измерения социального капитала необходимо выработать способы оценки социальных сетей и культурных ценностей. Разработать эти способы гораздо сложнее, чем методы измерения запасов физического капитала или образования, особенно в глобальном масштабе. Для их измерения нам необходимо было произвести новые данные.

Однако сложность измерения социального капитала также обусловлена существованием большого количества способов придания социальным отношениям экономической ценности. Рассмотрим широко распространенное в литературе различие между открытым (bridging) и закрытым (bonding) социальным капиталом. Открытый социальный капитал, как и следует из названия, представляет собой социальный капитал, человека, круг общения которого состоит из людей, не знающих друг друга. Этот человек может проводить арбитражные сделки с информацией или товарами в группах, к которым принадлежит, а также перекомбинировать информацию, доступ к которой возможен только благодаря его привилегированному положению в социальной или профессиональной сети.

Открытый социальный капитал имеет большое значение для осуществления продаж, посредничества и управления, а также является важным предсказателем успешности банковских менеджеров и инновационных команд. Тем не менее открытый социальный капитал не дает полного описания экономической ценности человеческих отношений, поскольку противоположный открытому – закрытый социальный капитал также имеет ценность.

Закрытый социальный капитал является дополнением открытого. Закрытый социальный капитал накапливается в плотных социальных структурах, характеризующихся крепкими связями. К таким связям относятся отношения с нашими лучшими друзьями и коллегами. Мы используем закрытые связи для производства вещей, поскольку сложная производственная деятельность возможна только при регулярной коммуникации людей. Иными словами, закрытый социальный капитал представляет собой неявную способность группы постоянно взаимодействующих друг с другом индивидов осуществлять командную работу в отличие от асимметрии информации, позволяющей людям, обладающим открытым социальным капиталом, генерировать экономическую ценность.

Открытый социальный капитал является противоположностью закрытого, однако для экономической деятельности важны оба эти вида капитала. Экономика, в которой каждый является торговцем, – это экономика, в которой нечем торговать. Точно так же, в экономике, состоящей из сплоченных команд, обладающих большим объемом ноу-хау, но не соединенных между собой, останется много нереализованных возможностей, поскольку она будет не в состоянии произвести ни экономический обмен, необходимый для монетизации продуктов, ни информационные потоки, обеспечивающие обновление творческих коллективов.

Дело в том, что социальный капитал нелегко охарактеризовать не только из-за его коллективной природы, но и потому, что, вникнув в идею, мы понимаем, что кроме открытого и закрытого социального капитала она включает такие культурные ценности, как уровень доверия в обществе.

Эти ограничения усложняют задачу измерения социального капитала, а также предполагают, что эти измерения возможны только в случае с ограниченным числом стран. Однако данные о социальном капитале, собранные исследователями до сих пор, по-прежнему предполагают то, что социальный капитал действительно способствует экономическому росту и осуществлению хорошего руководства. В период с середины до конца 1990-х годов в нескольких значимых работах социальный капитал был добавлен в модели экономического роста, обнаружив положительную связь между социальным капиталом и экономическим ростом после учета ранее известных социальных факторов. Социальный капитал, хотя и неочевидный с эмпирической точки зрения, был ассоциирован с экономическим ростом.

Таким образом, на рубеже XXI века наше понимание экономического роста основывалось на пяти факторах: физическом капитале, человеческом капитале, социальном капитале (в который я включил институты), земле (сюда же относятся такие географические факторы, как минеральные ресурсы, климат, доступ к океану и т. д.) и рабочей силе (люди). Мы, конечно, можем спорить о размере, соотношении и экономической релевантности каждого из этих факторов, однако то, что эти пять факторов учитывались в последних попытках объяснения экономического роста, не подлежит сомнению.

Теперь я интерпретирую эти факторы в терминах материи, энергии, ноу-хау, знаний и информации, а затем объединю их с коллективным накоплением знаний, ноу-хау и информации, описанным в предыдущих главах.

Рассмотрим физический капитал. К примерам физического капитала относятся стиральная машина, здание, автомобиль, грузовик с цементом и ложка. Стиральная машина является физическим капиталом для прачечной, а ложка – для ресторана. Общим для всех этих объектов является то, что они представляют собой кристаллы воображения. Таким образом, мы можем описать физический капитал как физическое воплощение информации о практическом применении знаний и ноу-хау, используемых при его создании. Физический капитал состоит из воплощенной информации и является эквивалентом кристаллов воображения, подробно описанных во второй части книги.

Теперь давайте обратим наше внимание на человеческий и социальный капитал. Человеческий капитал представляет собой запас знаний и ноу-хау общества, воплощенных в индивидах. Он отличается от знаний и ноу-хау, воплощенных в сетях, состоящих из людей. Социальный капитал, с другой стороны, – это способность общества создавать связи, то есть способность общества формировать сети, необходимые для накопления большого объема знаний и ноу-хау. Тем не менее социальный капитал не является знанием или ноу-хау, воплощенным в этих сетях. Скорее это способность создавать эти сети, способность, которая, как мы видели ранее, зависит от личных ценностей, коммуникационных и транспортных технологий, стандартов и доверия.

Что отсутствует в этой концептуальной картине, так это знание и ноу-хау, которые накапливается обществом на коллективном уровне в фирмах и в состоящих из них сетях. Как мы увидим, это помогает нам лучше объяснять производительность экономики и прогнозировать экономический рост.

Прежде чем я объясню, как можно охарактеризовать знания и ноу-хау, накопленные обществом на коллективном уровне, необходимо обсудить чрезвычайно важное различие между идеей основного капитала (stock), который обычно используется в агрегатных моделях производительности экономики и роста, и идеей разнообразия, которое имеет решающее значение для создания моделей, учитывающих идентичность содержащихся в этой модели элементов.

Как я упоминал ранее, недостаток таких традиционных способов измерения человеческого капитала, как длительность обучения или баллы, набранные при прохождении стандартизированных тестов, заключается в том, что эти способы не учитывают информацию о разнообразии знаний и ноу-хау, воплощенных в социальной сети (рис. 12).

Рис. 12

Некоторые студенты могут быть более талантливыми спортсменами, в то время как другие могут иметь склонность к искусству, математике или языкам. Тесты не предоставляют информацию об этом разнообразии, поскольку они предназначены для измерения перекрывающихся знаний студентов и обычно учитывают узкий набор навыков.

Подобная критика применима и к способам измерения физического капитала. Традиционно физический капитал учитывался путем сложения цен относящихся к нему предметов. При такой агрегации мы могли бы сказать, что до тех пор, пока сумма цен остается неизменной, кухня с тремя печами, но без посуды эквивалентна кухне, в которой есть только одна печь и все, что необходимо для приготовления еды. Идея использования рыночных цен для агрегации предметов неявно предполагает рынок, на котором мы можем обменять ненужные предметы на те, которые нам нужны. Таким образом, в примере с кухней мы могли бы обменять наши дополнительные печи на посуду, которой нам не хватает. Хотя этот аргумент хорошо работает в теории, на практике торговать капиталом не всегда легко. Многие формы капитала имеют специализированные способы использования и востребованы лишь немногими людьми на рынке. Кроме того, когда мы рассматриваем инфраструктуру, мы вступаем на территорию, где изменить элементы или проекты практически невозможно. Попробуйте поменять три имеющихся у вас моста на нужный вам аэропорт или сотовую сеть на систему шоссе. Таким образом, если мы хотим последовать совету Леонтьева и сохранить идентичность элементов, участвующих в экономиках, нам следует рассмотреть способы измерения, сосредоточенные на разнообразии, а не на основном капитале, не только тогда, когда мы думаем о физическом капитале, но и при рассмотрении знаний и ноу-хау. Сосредоточив внимание на разнообразии, мы принимаем такие описания экономики, которые не допускают сложения яблок и апельсинов или автомобильных механиков и шахтеров, но могут оценить экономический потенциал, учитывая эти очевидные различия.

Но как мы можем создать описание экономики, учитывающее идентичность ее элементов? Опять же мы будем использовать данные об отраслях и продуктах. Как я говорил в предыдущей главе, сочетание продуктов, экспортируемых регионом, представляет собой своеобразный слепок производственных мощностей этого региона, который не подавляет идентичность соответствующих экономических элементов. Таким образом, данные об отраслях промышленности и продуктах говорят нам не только о знаниях и ноу-хау, воплощенных в производственных сетях региона, но и о разнообразии физического и человеческого капитала.

Например, производство реактивных двигателей говорит о наличии профессионалов в области аэродинамики, механики, материалов и термодинамики, а также о наличии специализированных средств, необходимых для разработки, тестирования и производства турбин. Теперь рассмотрим экспорт свежих фруктов, который говорит нам о наличии ноу-хау в сельском хозяйстве, а также о существовании холодильников, работа которых обеспечивается бесперебойной подачей энергии. Кроме того, экспорт свежих фруктов говорит о наличии таможенного органа, который работает достаточно эффективно, чтобы осуществлять отправку плодов, пока они не испортились, а также о соблюдении международных санитарных и фитосанитарных стандартов. Таким образом, экспорт продукции может рассказать нам не только о ноу-хау, знании и разнообразии физического капитала, но и о качестве работы формальных учреждений, участвующих в этом процессе.

Идею о том, что продукты позволяют охарактеризовать экономику, не подавляя идентичность ее элементов, можно найти в работах Леонтьева. Его работа была основана на матрицах «затраты – выпуск», в которых доля выпуска одной отрасли использовалась в качестве затрат в другой отрасли. Тем не менее здесь мы расширим видение Леонтьева не путем использования матриц «затраты – выпуск», а сконцентрировав внимание на данных экспорта. Данные экспорта не содержат информацию, связывающую различные экономические сектора, но их преимущество состоит в том, что они доступны для большинства стран за длительный период. Кроме того, эти данные значительно более дезагрегированы по сравнению с большей частью публикуемых данных о затратах и выпуске (данные о тысячах продуктов по сравнению с данными о десятках отраслей). Таким образом, данные экспорта представляют собой объектив с разрешением, необходимым для изучения экономики с сохранением идентичности ее элементов.

Как мы уже видели, продукт можно охарактеризовать, не только проанализировав его вездесущность, то есть количество экспортирующих его стран, но и оценив разнообразие стран, которые экспортируют данный продукт. Кроме того, мы осознали важность использования вездесущности продукта и разнообразия его экспортеров, поскольку это позволило нам отличить продукты с низкой степенью вездесущности, обусловленной их редкостью (например, урановая руда), от продуктов с низкой степенью вездесущности, обусловленной их сложностью (например, оптические приборы). Теперь, используя аналогичный аргумент, я постараюсь охарактеризовать экономику.

В первом приближении мы можем просто рассмотреть количество различных продуктов, производимых и экспортируемых экономикой. В экономиках, экспортирующих большее количество продуктов, скорее всего, воплощены более разнообразные знания и ноу-хау, как на индивидуальном, так и на коллективном уровне. Тем не менее разнообразие, измеряемое путем подсчета количества различных экспортируемых экономикой продуктов, даст нам не очень много, поскольку разнообразие не учитывает информацию о сложности экспортируемых продуктов. Две экономики, которые экспортируют одинаковое количество продуктов, не обязательно являются одинаково сложными, поскольку одна может экспортировать более простые продукты по сравнению с другой. Нам следует внести корректировки с учетом этого ограничения. На этот раз мы будем использовать степень вездесущности для учета информации об идентичности экспортируемых экономикой продуктов. Таким образом, мы можем создать более точное описание экономики, рассмотрев разнообразие страны и среднюю степень вездесущности экспортируемых ею продуктов.

Учет вездесущности экспортируемых экономикой продуктов улучшает качество нашей характеристики, однако у нее остается еще много недостатков. Как мы видели ранее, вездесущность продукта является грубым приближением к его сложности, следовательно, характеризуя экономику с помощью количества экспортируемых продуктов и средней степени их вездесущности, мы получаем весьма приблизительное описание экономики. Для дальнейшего уточнения нам снова необходимо доработать метод измерения экспортируемых экономикой продуктов. И вновь мы можем использовать разнообразие экспортирующих продукт стран в качестве способа уточнения информации, содержащейся в степени вездесущности этого продукта.

Эта задача может показаться замкнутым кругом, поскольку мы используем разнообразие стран для улучшения способа измерения продуктов и в то же время используем степень вездесущности продуктов для улучшения способа измерения стран. Тем не менее этот замкнутый круг подразумевает хорошо определенный математический предел. Результатом этого процесса является мера, которую я разработал в 2008 году и назвал экономической сложностью. Как мы увидим, волшебство этой меры заключается в том, что она очень точно предсказывает экономический рост.

Чтобы увидеть, как работает мера экономической сложности, давайте рассмотрим пример. На рис. 13а представлены данные о ВВП страны на душу населения и о разнообразии, выраженном в количестве экспортируемых ею продуктов. Рис. 13б представляет собой более сложный вариант, учитывающий ВВП на душу населения и меру, включающую среднюю степень разнообразия стран, которые экспортируют продукты, экспортируемые странами, которые экспортируют то, что экспортирует экономика. Это уже приближается к мере экономической сложности и заставляет поломать голову, поскольку предыдущая фраза находится на пределе того, что можно выразить человеческим языком, однако, как мы увидим далее, по сравнению с более простыми методами измерения разнообразия, этот метод имеет некоторые явные преимущества.

На рис. 13а и 13б я выделил три страны: Сингапур, Чили и Пакистан. Я выбрал эти три страны исходя из того, что они экспортировали одинаковое количество продуктов в 2000 году, и, следовательно, мы не можем различить их, используя только количество экспортированных продуктов (то есть разнообразие). Поскольку Сингапур, Чили и Пакистан значительно отличаются по ВВП на душу населения, но не по количеству экспортируемых продуктов, они выровнены по вертикали на рис. 13а. Это выравнивание исчезает, как только мы добавляем информацию о степени вездесущности продуктов, экспортируемых этими странами, а также о разнообразии стран, которые экспортируют эти продукты. На рис. 13б Сингапур находится справа от Чили, а Чили – справа от Пакистана. Этот сдвиг говорит нам о том, что включение информации об идентичности экспортируемых страной продуктов (через вездесущность продуктов и разнообразие стран, которые их экспортируют) помогает нам определить экономику Сингапура в качестве более сложной по сравнению с экономикой Чили, а экономику Чили – в качестве более сложной по сравнению с экономикой Пакистана.

Тем не менее корреляция между этой мерой экономической сложности и ВВП на душу населения – это не самое удивительное. Что делает эту меру экономической сложности важной, так это ее способность объяснять изменения показателей ВВП на душу населения за длительный период времени.

Рис. 13а. ВВП на душу населения против разнообразия экспорта (данные за 2000 год)

Рис. 13б. ВВП на душу населения против экономической сложности (данные за 2000 год)

В качестве иллюстрации способности показателя экономической сложности объяснять экономический рост рассмотрим рис. 14. Здесь показаны значения сложности экономик (рассчитанной по математической формуле) и ВВП на душу населения за 1985 год. На этом графике страна может занять одно из трех возможных положений. Страны, которые находятся выше линии, имеют ВВП на душу населения, превышающий значение, которое можно было бы ожидать при соответствующей сложности экономики. Страны, которые расположены под линией, имеют ВВП на душу населения, значение которого ниже ожидаемого при данной сложности экономики. Наконец, страны, расположенные на линии – это страны с ВВП на душу населения, точно соответствующим ожидаемому значению при существующей сложности экономики.

Рис. 14. Экономическая сложность в сравнении с ВВП на душу населения (данные за 1985 год)

Как же эти разрывы развиваются во времени? По большей части, страны, которые находятся под линией, например Индия и Китай, как правило, развиваются более быстрыми темпами по сравнению со странами, находящимися на линии или над ней (рис. 15). Это означает, что в долгосрочной перспективе доход стран имеет тенденцию следовать за информацией, отраженной показателем экономической сложности. Короче говоря, доходы стран можно предсказать, исходя из сложности их экономик. Чтобы заработать, необходимо производить.

Однако в каких временных масштабах показатель экономической сложности эффективен в плане прогнозирования экономического роста? Интересно отметить, что показатель экономической сложности не позволяет точно спрогнозировать экономический рост в краткосрочной перспективе, то есть менее чем на пять лет вперед. В такие короткие периоды, как правило, наблюдается много флуктуаций, вызванных кризисами, изменениями цен на товары, а также до некоторой степени вариациями обменных курсов. При рассмотрении более длительных периодов (от десяти до пятнадцати лет) показатель экономической сложности очень эффективен в плане предсказания экономического роста, это означает, что данный показатель отражает информацию о способности экономики генерировать доход в долгосрочной перспективе.

Рис. 15. Сравнение показателя роста, предсказанного на основе несоответствия между показателем экономической сложности и ВВП на душу населения в 1985 году, с показателями роста, наблюдаемыми в период с 1985 по 2000 год

Один из способов интерпретации динамики экономического роста и экономической сложности заключается в том, что производимые и экспортируемые страной продукты определяют равновесный уровень дохода. Это означает, что показатель среднего дохода страны должен медленно приближаться к показателю дохода других стран с аналогичным уровнем экономической сложности. Другой способ интерпретации этой динамики заключается в том, что каждая отрасль промышленности и профессия тяготеет к свойственным им уровням дохода. Например, опытные разработчики программного обеспечения получают хорошую зарплату, независимо от того, где они находятся, а сборщики фруктов получают маленькую зарплату, независимо от того, где они работают. Это не значит, что уровень заработной платы для каждой профессии и отрасли одинаков во всех странах, поскольку очевидно, что это не так. Скорее международные различия в уровнях зарплат подтягивают зарплаты работающих в одних и тех же отраслях к аналогичному значению, даже если это притяжение не очень сильно и действует медленно.

Мы можем узнать еще очень многое, сопоставив показатель ВВП на душу населения с показателем сложности экономики. Одним из непосредственных уроков является то, что низкая заработная плата сама по себе не обеспечивает экономического преимущества. Экономическое преимущество существует только для стран, уровень зарплат в которых низок по сравнению со сложностью их экономики.

Рассмотрим перенос производства из Соединенных Штатов в Китай. На протяжении последних десятилетий американские СМИ упорно объясняли этот перенос низкими зарплатами. Тем не менее существует ряд стран с многочисленным населением, где заработная плата значительно ниже, например в Индонезии проживает 200 миллионов человек, в Эфиопии – 80 миллионов, а в Нигерии – более 100 миллионов человек. В Нигерии и Индонезии ВВП на душу населения примерно в два раза меньше, чем в Китае, а в Эфиопии – примерно в десять раз меньше, чем в Китае. Причина, по которой производство не было перенесено в эти страны, заключается в том, что у этих стран нет производственной способности Китая – способности, воплощенной в китайских городах, фирмах и жителях. Не официальные доказательства этой высокой способности можно получить, поговорив с кем-нибудь из производителей больших партий продукции в китайском производственном центре, например в Шэньчжэне. Иностранцы, производящие мобильные телефоны и электронику, скажут вам, что они выбрали Шэньчжэнь потому, что это лучшее место для производства продукции. В Шэньчжэне есть необходимый объем знаний, требующихся для производства разнообразных продуктов, и фирмы производят свои продукты там, прежде всего, потому, что они хотят использовать эти мощности, а не просто потому, что там низкая заработная плата.

* * *

Мы начали эту главу с описания хорошо известных связей между экономическим ростом и факторами производства: между физическим капиталом и человеческим капиталом, а также между человеческим капиталом и социальным капиталом. Эти факторы помогли нам в значительной степени объяснить различия в показателях экономического роста среди разных стран, однако мы также увидели их существенные технические и концептуальные ограничения. Одним из недостатков агрегированных факторов является их неспособность учесть информацию об идентичности составляющих экономику элементов. Фокусируясь на измерении основного капитала вместо разнообразия, эти факторы складывают яблоки с апельсинами, печи с холодильниками и графических дизайнеров с инженерами-электриками. Это ограничение, как известно, чревато определенными проблемами, – Леонтьев и другие ученые предупреждали об опасностях агрегации. Но на практике это ограничение трудно было преодолеть.

Однако, используя данные о продуктах, экспортируемых каждой страной, можно создать критерии для оценки экономики, учитывающие идентичность элементов, из которых она состоит. Отчасти это возможно благодаря тому, что данные, связывающие страны с экспортируемыми ими продуктами, принимают форму сети. В сети идентичность элемента выражается не только во внутренних характеристиках (которые могли бы определить действительную идентичность продукта или страны), но и в схемах соединения, которые для конкретной страны включают ее первых соседей (количество продуктов, с которыми она связана), вторых соседей (вездесущность производимых страной продуктов), третьих соседей (среднее количество стран, связанных с продуктами, с которыми связана страна) и так далее.

Конечно, это не единственный способ измерения сложности экономики. Одни и те же данные можно использовать различными способами. Кроме того, мы можем использовать другие данные, например такие, которые соединяют страны с отраслями промышленности и с категориями профессий, чтобы создать показатели, основанные на местоположении и профессиях, а не на отраслях и местоположении. Идея в данном случае сводится не к тому, что экономическая сложность является единственным или наилучшим показателем, а к тому, что сложность экономики может быть измерена путем разработки сетевых методов, учитывающих идентичность элементов, из которых состоит экономика.

Польза от применения этого нового показателя очень велика, поскольку он позволяет спрогнозировать совокупный объем производства, учитывая не только информацию о таких ранее описанных факторах, как институты, социальный капитал и человеческий капитал, но и информацию о знаниях и ноу-хау, которые экономика накапливает на коллективном уровне.

В следующей главе мы отвлечемся от национальных экономик, факторов производства и показателей ВВП и с биологической и исторической точки зрения сравним способность групп людей «упаковывать» и «распаковывать» знания и информацию с аналогичными биологическими механизмами. Это поможет нам исследовать механизмы, обеспечивающие способность системы наращивать объем информации.

 

Глава 11

Слияние знаний, ноу-хау и информации

До сих пор мы описывали экономику, основываясь на ноу-хау, знаниях, способах их практического применения и механизмах, необходимых для накопления и распространения знаний, ноу-хау и способов их практического применения. Такое описание экономики сосредоточено на упаковке и распаковке ноу-хау и информации, на том, как наша способность упаковывать способы практического применения знаний и ноу-хау в продукты увеличивает наши возможности, а также на том, как квантование ноу-хау, обусловленное ограниченной способностью фирм и людей накапливать ноу-хау, ограничивает его распространение.

Мы отметили, что информация и ноу-хау представляют собой различные понятия. Информация относится к порядку, воплощенному в кодифицированных последовательностях, присутствующих, например, в музыке или ДНК, в то время как знание и ноу-хау относятся к способности системы обрабатывать информацию. Примеры ноу-хау можно найти в биологических сетях, осуществляющих фотосинтез – процесс, посредством которого растение производит углерод из воздуха. Более причудливым примером являются человеческие сети, осуществляющие «автосинтез» – процесс, посредством которого группы людей производят автомобили из минералов.

Ноу-хау и информация различны, но тесно связаны. Способность системы упаковывать ноу-хау во многом зависит от гибкости, с которой она может использовать информацию для реконструкции динамических сетей, необходимых для накопления ноу-хау. Прекрасным примером в данном случае является семя. Это пакет, содержащий как ноу-хау, так и информацию, необходимую для создания растения, например дерева. Развитие дерева является не чем иным, как величественным процессом распаковки ноу-хау, управляемым генетической информацией. Семя, превращающееся в дерево, распаковывает ноу-хау, необходимое для выполнения фотосинтеза, построения структур, которые будут транспортировать питательные вещества и воду от земли к листьям, а также для защиты от вредителей. Семя, превращающееся в дерево, представляет собой пример того, как ноу-хау и информация распаковывается в структуру, которая является более сложной по сравнению с той, которая ее породила, – дерево имеет возможность выполнять функции, не свойственные семени.

Как же происходит распаковка ноу-хау и информации? Является ли это результатом обработки информации, упакованной в ДНК, или результатом более сложного процесса с участием как ноу-хау, воплощенного в зародышевой клетке семени, так и информации, закодированной в ДНК?

Существует причина, по которой деревья не размножаются, просто выплевывая ДНК. Такая простая репродуктивная попытка не сработала бы. Семена представляют собой нечто гораздо большее, чем генетический материал. Они содержат разнообразные органеллы, без которых невозможен был бы доступ к информации, закодированной в молекуле ДНК, ее распаковка или воспроизведение. ДНК необходима для размножения биологических организмов, но она бесполезна в отсутствие сетей, состоящих из белков и органелл, сопровождающих ее в зародышевой клетке. Помещение цепи ДНК в землю не является эффективным способом посадки дерева, поскольку в ДНК отсутствует ноу-хау, необходимое для самораспаковки. На самом деле ДНК не содержит ноу-хау и не может распаковать саму себя, она находится в рабстве у механизма, необходимого для того, чтобы ее распаковать.

Биологические сети, распаковывающие ДНК, используют паттерны, закодированные в генетической последовательности, а также неявно закодированные в ДНК инструкции, для того, чтобы по мере спроса производить новые белки и органеллы. Эти сети создают структуры, необходимые для преобразования семени в дерево, и показывают, как существующая в биологии тесная связь между ноу-хау и информацией помогает биологическим организмам с непревзойденной эффективностью упаковывать и распаковывать ноу-хау.

Тесная связь между информацией, закодированной в ДНК, и ноу-хау, воплощенным в сети биологических взаимодействий семени, обеспечивает очень эффективный способ воспроизведения и распространения ноу-хау. При подходящих условиях несколько семян могут превратиться в лес, пчелиная матка может породить целую колонию, а несколько кроликов могут захватить Австралию. Тем не менее свойственное для биологии слияние ноу-хау и информации отсутствует в человеческих системах и экономиках.

Как в биологии, так и в экономике большие объемы ноу-хау воплощены в более крупных сетях. Объем ноу-хау, воплощенного в кролике, превышает объем ноу-хау, воплощенного в оплодотворенной яйцеклетке кролика, что обусловлено процессом распаковки, известным в биологии как развитие. В биологии также существуют дискретные структуры, которые могут содержать ограниченные объемы ноу-хау. Органы знают, как выполнять функции, которые не могут выполнять клетки, функции кроликов выходят далеко за рамки функций их отдельных органов, а экосистемы воплощают гораздо больший объем ноу-хау по сравнению с тем, что содержится во всех представителях одного вида (например, экосистемы знают, как производить регуляцию окружающей среды, хотя и не осознают этого). Эти точки перехода аналогичны обсуждавшимся ранее пределам челобайта и фирмобайта, и они могут помочь нам осознать масштаб, на котором «брак» между ноу-хау и информацией начинает разрушаться.

Большая часть ноу-хау, воплощенного в биологических организмах, может быть упакована в крошечный сосуд, содержащий информационно насыщенную молекулу – ДНК и сеть, содержащую ноу-хау, необходимое для воссоздания сложного организма с помощью шаблонов и инструкций, присутствующих в ДНК. Тем не менее ноу-хау, воплощенное в экосистеме, не может быть упаковано в такую компактную и элегантную упаковку. Это делает воспроизведение экосистем намного более сложной задачей по сравнению с воспроизведением отдельных организмов, а их прореживание гораздо более хлопотным делом. Кроме того, это делает более очевидной аналогию между экономиками и биологией, подчеркивая то, как разрывы в способности сети накапливать ноу-хау определяют переходные точки системы.

В крупных масштабах экономики сталкиваются с репродуктивными ограничениями, свойственными экосистемам. Экономики содержат большие объемы ноу-хау и подобно экосистемам способны воплощать его только путем разбиения и распределения по сети дискретных фрагментов, то есть путем квантования и воплощения в промежуточных структурах. В экономиках фирмы и люди заменяют стада и организмы, однако принцип квантования относится к обеим сферам. В более мелких масштабах в экономиках по-прежнему отсутствует тесная связь между ноу-хау и информацией, воплощенными в ДНК и позволяющими биологическим организмам так плотно упаковывать ноу-хау. Книга о технике, искусстве или музыке может помочь развиться инженеру, художнику или музыканту, но она вряд ли может сделать это с той элегантностью, изяществом и эффективностью, с которой эмбрион жирафа распаковывает свою ДНК для создания взрослой особи. Способность экономики упаковывать и распаковывать ноу-хау путем физического воплощения инструкций и шаблонов в виде письменной информации гораздо более ограничена по сравнению с аналогичной способностью биологических организмов. Эти различия означают, что в экономиках ноу-хау существует в основном в «распакованном виде». Оно воплощено в сетях, и, хотя мы можем упаковать некоторую его часть с помощью «чтения» и «письма», наша способность упаковывать ноу-хау с помощью информации весьма ограничена. В результате этого ноу-хау, которым обладают развитые страны, нелегко переместить в другие места. В экономиках не существует эквивалента для семян, обеспечивающих тесную связь между ДНК и сетью молекул, поэтому для перемещения ноу-хау в другие места они должны воспроизводить целые экосистемы. Опять же, это объясняет географическую предвзятость и то, почему такие объекты, воплощающие способы практического использования ноу-хау и знаний, как автомобили, распространяются гораздо эффективнее, чем знания и ноу-хау, необходимые для их производства. Таким образом, неспособность экономик упаковывать ноу-хау в связи с отсутствием эквивалента комбинации «ДНК-клетка» является фундаментальным ограничением экономического развития и показывает, что упаковка и распаковка ноу-хау играет фундаментальную роль в формировании структуры мировой экономики.

В качестве мысленного эксперимента рассмотрим отправку группы из десяти подростков на необитаемый остров, оснащенный неуязвимыми ноутбуками, работающими на солнечных батареях и содержащими полную копию всего Интернета и всех когда-либо написанных книг и журналов. Будет ли этой «ДНК» достаточно для того, чтобы эта группа подростков смогла распаковать содержащуюся в этих источниках информацию за период смены от пяти до десяти поколений? Смогут ли они сформировать общество, воплощающее в своих сетях ноу-хау из области металлургии, сельского хозяйства и электроники, которые мы принимаем как должное в современном обществе и которые закодированы с помощью информации, запечатленной в книгах и на веб-сайтах? Или они не смогут превратить эту информацию в производственное ноу-хау и не в состоянии будут воссоздать общество, содержащее объем ноу-хау, хоть в какой-то степени сопоставимый с объемом ноу-хау, воплощенным в обществе, которое поставило перед ними эту странную задачу? Разумеется, эксперимент по воспроизведению сюжета книги «Повелитель мух» неосуществим, однако наша история содержит примеры, говорящие нам о том, что ноу-хау часто теряется в условиях изоляции социальных групп, а также о том, что ноу-хау, доступное в некоторых местах, трудно воспроизвести, даже прилагая фантастические усилия.

Рассмотрим следующие три примера. Во-первых, известны случаи с аборигенами, которые утрачивали технологии в условиях изоляции. Джаред Даймонд в своей книге «Ружья, микробы и сталь» пишет: «Крайний пример – аборигены Тасмании, которые отказались даже от костяных орудий и рыболовства и сделались самым технологически примитивным обществом современной эпохи. По одной из гипотез, аборигены Австралии так же в какой-то момент освоили, а затем забросили лук и стрелы. На островах Торреса отказались от каноэ, а на острове Гауа успели не только отказаться, но и вновь взять их на вооружение. Гончарные изделия вышли из употребления по всей Полинезии. Большинство полинезийцев и многие меланезийцы перестали использовать лук со стрелами. Полярные эскимосы предали забвению лук со стрелами и каяки, а дорсетские эскимосы утратили лук со стрелами, лучковую дрель и ездовых собак». Разумеется, эти группы аборигенов не обладали неразрушимыми ноутбуками на солнечных батареях из нашего предыдущего мысленного эксперимента, однако перед ними не стояла задача воспроизведения всего объема ноу-хау современного общества, а только общества, от которого они отделились.

Во-вторых, рассмотрим колонии Джеймстаун, штат Вирджиния и Плимут, штат Массачусетс. Ранний успех британских колонистов, прибывших на территорию современных Соединенных Штатов, не был обусловлен их способностью к воспроизводству европейского общества, а являлся результатом налаживаниясвязей с другими популяциями, которые спасли их от вымирания. В Джеймстауне колонисты буквально поедали друг друга до прибытия Джона Рольфа, который привез семена табака, что позволило колонистам наладить коммерческие связи с Англией и импортировать все необходимые вещи, которые они не могли произвести сами. В отсутствии этой торговой связи колонию Джеймстаун, вероятно, ждала бы судьба ранее исчезнувшей колонии Роанок. В Соединенных Штатах отмечается День благодарения, потому что коренные американцы спасли колонистов Новой Англии, предоставив необходимые им товары, которые они были не в состоянии произвести в течение лета. Во многом подобно колонии Джеймстаун для выживания колонии Плимут требовалась помощь извне, а также продолжительная связь с Англией для начала процесса накопления ноу-хау, которое в итоге было перенесено в Новую Англию. Наконец, рассмотрим более современный пример. В начале XX века компания Ford Motor Company приобрела большой участок земли размером со штат Коннектикут в Амазонии на берегу реки Тапажос. «Колония» Фордландии, как называли ее бразильцы, должна была стать крупной каучуковой плантацией, однако этот проект также являлся попыткой создания общества, которое, по мнению Генри Форда, должно было бы стать таким же добродетельным, как то, которое он помог создать на Среднем Западе. Тем не менее проект «Фордландия» так и не был реализован. Жители Фордландии не голодали, как жители колоний Джеймстаун и Роанок, однако они также постоянно нуждались в спасении, в данном случае с помощью богатства Форда. У Фордландии длинная и катастрофическая история. В ней были политические и моральные битвы, а также технические ограничения и биологические вредители. Кроме того, это предприятие включало использование ноу-хау и опыта квалифицированных инженеров и менеджеров, которые успешно работали в компании Ford Motor Company. Тем не менее их попытка воссоздать штат Мичиган 1920-х годов в джунглях Амазонки не увенчался успехом. Несмотря на все усилия и неоднократные попытки, могучая Ford Motor Company не смогла перенести ноу-хау, воплощенное в сетях, состоящих из людей, проживающих на полуострове Мичиган, на берег реки Тапажос.

Надеюсь, с помощью того, что мы обсудили до сих пор, мне удалось проиллюстрировать важность понимания экономических процессов с точки зрения нашей способности упаковывать и распаковывать ноу-хау и информацию, воплощать ноу-хау в состоящих из людей сетях с ограниченной способностью к его накоплению, а также создавать предметы, которые воплощают способы практического применения этого ноу-хау и расширяют человеческие возможности.

Тем не менее это не последняя остановка на нашем пути. В заключительной главе я обобщу то, что мы узнали о физических, социальных и экономических системах, а также о существующих в этих системах механизмах, которые способствуют росту объема информации.