13 ноября 2026 года человечество, согласно расчётам физика Хайнца фон Фёрстера, должно было упереться в демографический предел. Но население планеты не растёт до бесконечности, а прогноз Хайнца фон Фёрстера оказался примером того, как математически точная экстраполяция может промахнуться мимо реальности. Для IT-аудитории это полезное напоминание: график с убедительной кривой ещё не делает прогноз надёжным.
О дате несостоявшегося «конца света» сообщает Ars Technica. В 1960 году фон Фёрстер опубликовал в журнале Science работу о росте мирового населения и продолжил наблюдавшийся тогда тренд далеко вперёд. Его модель предполагала экспоненциальное ускорение: численность людей не просто увеличивается, а растёт всё быстрее. В пределе это вело к бесконечности — и к 13 ноября 2026 года, когда, по его расчётам, людям стало бы буквально негде жить.
Физик не ожидал массового голода. Он считал, что человечество сумеет решить проблему производства еды, но столкнётся с другой, почти карикатурной угрозой: люди будут «сдавлены» друг другом. Формулировка звучит как сюжет старой научной фантастики, однако сама статья получила широкую известность, активно цитировалась и в течение нескольких десятилетий давала весьма близкие оценки будущей численности населения.
Это и сделало историю фон Фёрстера особенно показательной. Ошибочным был не расчёт уже известной динамики, а допущение, что сама динамика останется прежней. Модель увидела ускорение и приняла его за вечный двигатель.
Когда точный тренд перестал быть точным
Страх перед перенаселением появился задолго до компьютеров и демографических моделей. В 1798 году английский экономист Томас Мальтус предполагал, что население будет расти быстрее, чем производство продовольствия, и в итоге приведёт к голоду. Его логика тоже опиралась на экспоненциальный рост. Такая зависимость хорошо работает в ограниченных условиях — например, при выращивании бактерий в лаборатории, — но плохо описывает общество, которое меняет собственные правила.
В случае с фон Фёрстером перелом наступил быстро. Бэби-бум, на данных которого строилась часть его картины, начал затухать уже через несколько лет после публикации. Математический биолог Джоэл Коэн из Рокфеллеровского университета и Колумбийского университета описал проблему метко: учёный верно увидел картину как раз в момент, когда она перестала быть верной. Пик темпов прироста населения пришёлся на начало 1960-х.
Сначала прогноз всё же выглядел убедительно. Как отмечал историк Алан МакИчерн из Университета Западного Онтарио, уравнение фон Фёрстера в 1970-х и 1980-х годах нередко предсказывало численность населения лучше многих демографических оценок. Примерно к 1993 году реальная траектория стала заметно отставать от его расчётов. В мире снижалась рождаемость; сегодня она немного меньше половины уровня 1960 года.
Причины не сводятся к одной переменной. На демографию влияют доходы, образование, доступ к медицине и контрацепции, урбанизация, изменение роли женщин в обществе, государственная политика, продолжительность жизни и детская смертность. Часть этих сдвигов фон Фёрстер не мог корректно заложить в модель. Его работа не была бессмысленной: она фиксировала реальную тревогу своей эпохи и показывала силу формального анализа. Но она не учитывала обратную связь — люди и институты меняют поведение, когда видят проблему.
Урок для тех, кто строит модели
Для разработчиков, продактов и руководителей здесь нет призыва выбросить прогнозирование. Скорее наоборот: модели нужны, но их нельзя путать с будущим. Экстраполяция метрик в бизнесе, прогноз спроса, расчёт роста аудитории или оценка нагрузки на инфраструктуру часто используют тот же соблазнительный приём — продлить вчерашнюю линию на несколько лет вперёд. Пока контекст стабилен, это работает. Когда меняются стимулы, регулирование, стоимость технологий или привычки пользователей, кривая ломается.
Прогноз Хайнца фон Фёрстера полезно читать как кейс о границах аналитики. Хорошая модель должна не только выдавать одно число, но и явно показывать свои предположения: какой темп роста заложен, когда он перестанет быть реалистичным, какие внешние факторы способны изменить систему. Вместо одной «точной» даты полезнее держать несколько сценариев и регулярно пересчитывать их по новым данным.
История также объясняет, почему громкие предсказания так живучи. Апокалиптическая дата легко запоминается, хорошо расходится в медиа и создаёт иллюзию определённости. Но проверка модели начинается не с эффектного вывода, а с вопроса: что должно оставаться неизменным, чтобы этот вывод сбылся? В 1960 году ответом был бесконечно ускоряющийся рост населения. Реальный мир на такое условие не подписался.
Следующий громкий график — о рынке ИИ, энергопотреблении дата-центров или численности пользователей нового сервиса — тоже стоит читать именно через его допущения. Оригинальная научная работа фон Фёрстера доступна в материале ; спустя 66 лет она остаётся не предсказанием конца света, а хорошим тестом на устойчивость любой уверенной экстраполяции.