СЕВЕРНЫЙ РЕГИОН
а) площадь: 18 000 000 кв. миль
б) население: 800 000 000
в) столица: Оттава
Положение Северного региона было высоким как в прямом, так и в переносном 
смысле. Его географическое положение отлично демонстрировала карта, висевшая на 
стене оттавского офиса вице-координатора Хирама Маккензи. В самом центре карты 
красовался Северный полюс. Все приполярные области, включая Скандинавский 
полуостров и Исландию, входили в Северный регион.
Территорию региона можно было приблизительно разделить на две части. Левая 
часть карты изображала Северную Америку к северу от Рио-Гранде, а правая — то, 
что было когда-то Советским Союзом. Вместе они составляли средоточие сил всей 
планеты в начале атомной эры. Великобритания, располагавшаяся примерно 
посередине между двумя этими территориями, вклинивалась в Европейский регион, а 
на самом верху карты, очерченные весьма символически, располагались Австралия и 
Новая Зеландия.
Никакие изменения последних десятилетий не могли скрыть тот факт, что Северный 
регион оставался экономическим лидером планеты.
Что-то символическое было даже в том, что из всех карт, которые Байерли видел 
за время своей инспекционной поездки, только на этой была представлена вся 
Земля: Север не боялся возможной конкуренции и ни от кого не скрывал своего 
превосходства.
— Это невозможно, мистер Байерли, — угрюмо пробурчал Маккензи, медленно 
потягивая виски. — Насколько мне известно, у вас нет образования роботехника.
— Нет.
— Х-м-м… Прискорбно то, что такого образования нет ни у Чиня, ни у Нгомы, ни у 
Жегешовской. Слишком рано люди укрепились во мнении о том, что Координатору 
достаточно быть всего-навсего хорошим организатором и человеком широкого 
кругозора, умеющим общаться с людьми. Нет, в наши дни Координатору неплохо было 
бы и в роботехнике разбираться — простите, я никого не хотел обидеть.
— А никто и не обиделся. Я с вами согласен целиком и полностью.
— Судя по тому, что вы мне успели рассказать, Байерли, я понял, что вас 
беспокоят наметившиеся в последнее время сбои в мировой экономике. Я не знаю, 
какие у вас на этот счет предположения, но позволю себе заметить, что в прошлом 
бывали случаи, когда любопытные глупцы интересовались тем, что было бы, если бы 
Машине удалось подсунуть неверные данные.
— И что было бы, мистер Маккензи?..
— Ну… — Шотландец сложил на груди руки и глубоко вздохнул. — Все данные 
проходят через сложнейшую систему скрининга, включающую проверку как людьми, 
так и компьютерами, так что проблема ошибочной информации не должна бы и 
возникать. Но это теоретически. Людям вообще свойственно ошибаться, кроме того, 
их можно подкупить, а любая Машина не застрахована от механической поломки.
Но главное не в этом. То, что мы называем «неверными данными», в 
действительности представляет собой некую информацию, противоречащую всем 
остальным известным Машине данным. Это наш единственный критерий для 
определения того, что правильно, а что нет. И для Машины тоже. Дайте ей, к 
примеру, задание составить план сельскохозяйственных работ в Айове с учетом 
того, что средняя температура воздуха в июле там составляет 57 градусов по 
Фаренгейту1. Машина не примет такую команду. Она не даст ответа! И вовсе не 
потому, что ей окажутся как-то особенно неприятны именно такие цифры, или 
потому, что такое в принципе невозможно. Дело в том, что, по имеющимся у нее 
данным, вероятность температуры 57 градусов в июле равна нулю. Вот и все. 
Машина отвергнет такие данные.
Единственным способом заставить Машину принять неверные данные является 
включение их в состав непротиворечивого единого массива информации, и сделано 
это должно быть исключительно хитро, тонко так, чтобы Машина не сумела уловить, 
что ее обманывают. Либо можно попытаться подсунуть ей такие данные, знания о 
которых находятся вне компетенции Машины. Первое человеку просто не под силу, а 
второе… почти не под силу, потому что знания Машины растут с каждой секундой.
Стивен Байерли задумчиво коснулся переносицы двумя пальцами.
— Таким образом, Машину не проведешь. Но тогда как же вы объясните все эти 
ошибки?
— Дорогой мой Байерли, как видно, вы совершаете обычную ошибку: вы допускаете, 
что Машина знает все. Позвольте, я опишу вам один случай из личного опыта. В 
текстильной промышленности высоко ценятся опытные закупщики хлопка. Работа их 
заключается в следующем: они берут на пробу пучок волокон из случайно 
выбранного тюка из партии — щупают его, треплют, нюхают, слушают, как он шуршит,
 пробуют языком — и благодаря таким процедурам в итоге определяют сортность 
хлопка. Сортов хлопка около дюжины. Закупщик выносит свой приговор, и от этого 
зависит сумма, на которую заключается сделка. И представьте себе, Байерли, по 
сей день этих закупщиков нельзя заменить Машиной.
— Но почему? Наверняка ведь анализируемые показатели не слишком сложны для 
машины?
— Может быть, и нет. Но о каких показателях вы говорите? Ни один 
химик-текстильщик не может определить, какие качества хлопка оценивает закупщик,
 когда щупает пучок волокон. Предположительно он определяет их среднюю длину, 
насколько они мягки и эластичны, как слипаются, скручиваются одно с другим… 
Множество признаков, которые опытный закупщик определяет подсознательно, лишь 
на основании многолетнего опыта. Но количественная сторона такой оценки никому