Помоги проекту - поделись книгой:
Например, сам по себе факт того, что вес Проксимы Центавра составляет 2,446Е29 килограмма, ничего не скажет человеку, мало интересующемуся астрономией. Если же мы включим описанный факт в систему фактов, например, что вес этого красного карлика и ближайшей к нашему Солнцу звезды составляет 0,123 солнечной массы, эти данные обретут смысл и станут информацией. Теперь читатель может сделать вывод о том, что Проксима Центавра примерно в девять раз меньше Солнца и является не такой уж крупной звездой. При этом, чтобы сделать подобный вывод, читатель также прежде включит новые сведения в собственную систему данных, базирующуюся на представлениях о размере Солнца, школьных знаниях математики и астрономии, рассказах родителей, популярных фильмах и многом другом.
Информация, таким образом, есть данные, включенные в систему фактов и потому обретшие смысл. Иногда описанную нами схему также дополняют «знанием» как результатом обработки и структурирования информации и глубинными знаниями (или мудростью) как вершиной пирамиды информации. Подобный подход к определению информации был сформулирован в конце 80-х годов прошлого века и называется моделью DIKW (data, information, knowledge, wisdom). Впрочем, В.И. Ленин еще в 1908 году писал, что «в теории познания, как и во всех других областях науки, следует рассуждать диалектически, т.е. не предполагать готовым и неизменным наше познание, а разбирать, каким образом из незнания является знание, каким образом неполное, неточное знание становится более точным и более полным»15.
На протяжении всей своей жизни человек оценивает происходящее и принимает решение, опираясь на информацию, получаемую в результате включения новых данных в систему «больших данных», собранных нашим мозгом за весь предшествующий период. Обобщая информацию, человеческий мозг находит в ней корреляции и зависимости, например, ребенок замечает, что плачем он привлекает к себе внимание. Как мы уже говорили, с развитием цивилизации появились средства накопления, обработки и обмена информации, люди научились сохранять ее для потомков. Например, развитие науки в широком смысле включает в себя сбор данных, включение их в релевантную систему информации (научных знаний) и закрепление их в качестве новой информации в системе научных знаний.
Человеческий мозг обладает и рядом недостатков: способен забывать и терять информацию, может ошибаться в расчетах и найденных зависимостях, хранит относительно небольшие массивы информации. В нашем веке на помощь ему приходят технологии и компьютеры, имеющие возможность хранить огромные объемы данных и обрабатывать их в миллионы раз быстрее человека. Однако для использования компьютером информация обязательно должна быть записана в цифровом формате, т.е. внешний мир должен быть сперва датифицирован и сохранен в виде набора цифровых данных.
В начале научно-технической революции середины ХХ века компьютер помогал человеку в основном в узкоспециализированных направлениях науки, люди собирали необходимые данные и вводили их в компьютер. С началом новой информационной эры количественный объем собираемых и накопленных данных и технологические возможности их обработки вышли на новый уровень, войдя в повседневную жизнь, став составляющей жизни каждого человека.
Сущность технологии Big Data и перспектив ее развития заключается в превращении практически любых данных в информацию. Такое превращение становится возможным благодаря накопленному количеству данных как общей системы, возможности их автоматической обработки и получения новой информации путем, например, нахождения корреляций, зависимостей и закономерностей.
Несмотря на то, что сегодня полноценно датифицирована лишь небольшая часть жизни среднего гражданина (его действия в Интернете и социальных сетях, платежи и переводы, телефонные разговоры и перемещение, больничная карточка, выражение лица перед камерой смартфона и т.д.), этого уже достаточно, чтобы, включив данные сведения в общую систему фактов, знать об индивиде намного больше, чем он знает о себе сам. Точно так же, как один человек, обладающий большими знаниями, может, посмотрев на какую-нибудь математическую формулу, узнать фундаментальные законы мироздания, а для другого эти же данные окажутся всего лишь набором непонятных символов, так и для компаний, владеющих и использующих большие данные, на первый взгляд не имеющие смысл наборы данных после обработки в общей системе обретают конкретное значение и становятся информацией. Например, изменение средней скорости гражданки по пути на работу, сегодня фиксируемой в хронологии гугл-карт каждого владельца смартфона, не скажет ей самой ничего, кроме того, что ей вдруг захотелось идти на работу чуть медленнее. Однако анализ ее недавнего времяпрепровождения, покупок, состояния погоды и нескольких тысяч других факторов, а также данных и корреляций о поведении миллионов других людей, оказавшихся в подобной ситуации, позволит точно установить, к примеру, ее беременность, даже если она еще не сообщила никому о столь важном событии, а то и вовсе сама о нем не знает. Подобное использование данных, кстати, не является фантастикой, а реальным случаем, произошедшим в США в 2012 году: отец беременной девушки узнал о ее беременности позже маркетинговой компании. Этот прецедент принято считать символическим началом эпохи больших данных. Для раннего определения беременности маркетинговой компании даже не потребовалась высокая вариативность данных, основой послужили лишь производимые девушкой покупки.
Многие данные, пока еще не нашедшие своего применения, сегодня сохраняются и будут использоваться в дальнейшем, рано или поздно создавая информацию в соединении с новыми данными. Здесь можно заметить еще одно фундаментальное и по-своему уникальное свойство данных и информации. При сложении собранных данных объем информации, который можно из них извлечь, больше, чем можно извлечь из каждой базы данных по отдельности. Пауло Коэльо говорил, что радость идет против основ математики: она умножается, когда мы ею делимся. Так вот данные, оказывается, обладают примерно таким же свойством. Подробнее об этом мы поговорим во второй главе. А сейчас пришло время рассмотреть несколько серьезных примеров применения больших данных и оценить влияние, которое они уже оказывают на экономику и нашу жизнь.
Как большие данные меняют мир
Итак, автоматизированная обработка огромных массивов данных, даже в отдельно взятых отраслях, уже сегодня дает невообразимые в недавнем прошлом результаты. Это направление активно развивают многие передовые корпорации, государства и научные сообщества, выделяя большие данные в качестве одного из ключевых векторов своего развития. Нахождение значимых корреляций и построение на основе алгоритмов причинно-следственных связей позволяет решать самые разные задачи, оптимизировать многие процессы.
Так, использование технологии больших данных в здравоохранении16 массово реализуется в развитых странах. К примеру, в США более 94% больниц уже применяют электронные карты17, ведется массовая оцифровка старых рукописных больничных карт и совмещение полученной информации в системе больших данных. Датификация электронных карт пациента позволяет по неявным корреляциям вычислять заболевания на ранних стадиях: так, система обработки больших данных, разработанная в 2013 году членами консорциума Kaiser Permanente, позволяет производить профилактику возможного развития слабоумия у некоторых пациентов с сахарным диабетом18. Получение и обработка данных с носимых устройств пациентов (пульсометры, специальные часы и т.д.) в сочетании с электронными медицинскими карточками дает возможность заранее предсказывать различные заболевания до проявления симптомов. Запись показателей человеческого организма в цифровом виде и анализ собранных больших данных является одним из наиболее перспективных направлений развития системы здравоохранения, способных защитить человечество от многих болезней, спасти миллионы жизней. Скажем, исследования одних лишь поисковых запросов позволили аналитикам компании Microsoft в 15% случаев выявлять рак поджелудочной железы на ранних стадиях19. По словам консалтинговой компании McKinsey, если американское здравоохранение по-настоящему эффективно научится использовать данные, то сможет сэкономить около $300 млрд в год, а колоссальные расходы страны в этой области снизятся на 8%20. Качественный сбор данных позволит отслеживать состояние и обслуживание пациентов, выявлять и пресекать врачебные ошибки, сократит число эпидемий и их опасность, поможет создавать новые лекарства. Оптимизация существующей системы при помощи анализа больших данных снизит затраты на работу больниц, устранит множество злоупотреблений и лишних расходов в государственных системах здравоохранения.
Разумеется, большие данные используются и в отраслях, напрямую связанных с производством.
Так, в российском сельском хозяйстве21, по прогнозам Фонда развития интернет-инициатив и ряда государственных структур, уже к 2020 году более трети аграрных предприятий будут использовать в своей работе большие данные, что позволит им сократить издержки производства до 40%. При принятии решений относительно организации производства предприниматель, работающий в области сельского хозяйства, должен руководствоваться огромным количеством факторов, таких как погода, состояние посевов и почвы, история болезней, эксплуатационные особенности техники и многое другое. Большую часть из этих данных нужно собирать и хранить годами, с объемом накопленных данных будет увеличиваться и эффективность информации, полученной в результате их обработки. Датчики современной сельскохозяйственной техники, анализирующие физические факторы, и компьютеры, совмещающие их с показателями снимков со спутников, прогнозом погоды и рядом других релевантных данных, сегодня не модная причуда, а порой единственная возможность конкурировать в сфере сельского хозяйства. Подобно тому, как индустриальный трактор, заменив собой лошадь, в свое время облегчил жизнь крестьян, многократно увеличив производительность труда, новый «информационный трактор», опирающийся на анализ больших данных (а значит, знающий, что, где и сколько сеять, поливать и собирать), выводит аграрное производство на новый уровень и делает простые индустриальные тракторы неконкурентоспособными перед их усовершенствованными при помощи больших данных аналогами. Так же, как пахотная скотина не смогла когда-то конкурировать с трактором во времена индустриальной революции.
Большие данные используются или активно внедряются практически на любом передовом промышленном предприятии. Анализ собираемых десятилетиями показателей выявляет слабые стороны товаров, предотвращает поломку продукции и средств производства. Например, в автомобильной промышленности большие данные как основу используют навигаторы и системы автопилота, за внедрение которых идет конкурентная
борьба ведущих корпораций. Компании, не использующие технологию больших данных, а главное, не собирающие и не хранящие данные со своих автомобилей, рискуют навсегда потерять конкурентоспособность и производство.
Программа Министерства промышленности и информатизации Китая, одного из ведущих государств по применению технологий больших данных, указывает на необходимость скорейшего их внедрения в промышленное производство: «Планируется, что к 2020 году продукты и услуги, связанные с большими данными, принесут стране 1 трлн юаней, при этом совокупный прирост дохода будет в среднем увеличиваться на 30% в год... Между тем в Министерстве отмечают, что технологии больших данных еще недостаточно распространены на производстве. По словам аналитиков, большие данные могут оптимизировать работу производственного конвейера и предупредить неисправности, помочь менеджерам принимать мотивированные управленческие решения и интеллектуализировать хозяйственную деятельность»22. А по оценке General Electric, оптимизация работы оборудования за
счет анализа данных на базе Big Data в перспективе 20 лет обеспечит экономию для населения до 30%23.
В гуманитарных областях науки так же, как и в технических, передовые исследования все реже обходятся без больших данных. В науках, связанных с изучением людей и общества, традиционные опросы нескольких тысяч респондентов или узкие фокус-группы не дают и десятой доли той информации, которой располагают, к примеру, владельцы больших данных о миллионах пользователей Интернета, на чем полностью строится современная таргетинговая интернет-реклама. Во многом это обусловлено характером мировой экономики (о чем мы поговорим в следующей главе), а также тем, что Интернет является полностью датифицированной сферой, где каждое действие пользователя оставляет свой след, записывается и бережно хранится. Система интернет-рекламы, реализуемая в первую очередь информационными корпорациями Google и Facebook, и анализ больших данных тысяч характеристик пользователей позволяет рекламодателям предложить свою рекламу наиболее релевантной аудитории. В июне 2018 года конгресс США опубликовал письмо от корпорации Facebook, содержащее ответы на вопросы, которые ее глава Марк Цукерберг не смог или не успел дать во время пристрастных слушаний в Капитолии Вашингтона, вызванных скандалом с использованием этой социальной сети как инструмента для манипуляций мнением избирателей во время президентских выборов. В письме перечисляются типы данных, собираемых социальной сетью со своих пользователей. К ним относятся время, частота и длительность действий в окне с вкладкой соцсети (в том числе открыто ли оно или находится в фоновом режиме); покупки на сторонних сайтах; установленные в браузере пользователя плагины; движения мыши на устройстве пользователя; использование камеры, встроенной в приложение Facebook; метаданные фотографий (в том числе время и место съемки); установленные на устройстве пользователя приложения; имена и типы файлов на устройстве пользователя; идентификаторы из игр, приложений и других учетных записей; доступное место на диске устройства пользователя; контакты из адресной книги пользователя; в случае с Android-устройствами — журнал звонков и история SMS; ближайшие к пользователю точки доступа Wi-Fi и сотовой связи; информация мобильных и стационарных провайдеров через компьютеры, телефоны, сопряженные телевизоры и другие устройства в сети; информация об уровне заряда устройства пользователя, настройках и разрешениях; информация и фотографии других пользователей, а также частота взаимодействия и общения с ними24. И это не считая данных партнеров и другой информации, которую Facebook покупает в офлайне. Как видим, социальная сеть обладает серьезными массивами данных о каждом своем пользователе и благодаря этому имеет возможность продавать качественную нацеленную рекламу наравне с Google.
Революционное свойство больших данных состоит в том, что даже абсолютное знание о предмете не дает таких возможностей, как знание о предмете в системе больших данных.
Американский социолог Сет Стивенс-Давидович, длительное время проработавший в компании Google на должности аналитика больших данных и выпустивший известную, насыщенную яркими примерами книгу
«Все Лгут. Поисковики, Big Data и Интернет знают о вас всё», посвященную возможностям больших данных в изучении общества и его отдельных индивидов, выделяет 4 могущественных особенности больших данных:
- способность предложить новые типы фактов;
- предоставление самых правдивых фактов;
- возможность проводить многочисленные причинно-следственные эксперименты;
- возможность рассматривать самые мелкие подмножества людских сообществ.
Недостатком или, скорее, особенностью применения технологии анализа больших данных является то, что, с одной стороны, она позволяет дать ответы на самые трудные вопросы и показать скрытую информацию, а с другой, часто существует сложность в объяснении причин выявления той или иной полученной информации. Проще говоря, анализ больших данных в нынешних условиях (с существующими компьютерами и алгоритмами) в основном отвечает на вопрос «что?», но не «почему?». Это, кстати, стало одной из причин отказа китайских властей от массового использования системы борьбы с коррупцией Zero Trust: алгоритм крайне эффективно находил коррупционеров, но не мог объяснить или доказать их причастность к экономическим преступлениям25.
Сегодня мы находимся лишь на заре новой революции. Многочисленные примеры эффективного использования больших данных имеются еще как минимум с начала ХХ века, но задача получения максимально быстрого и точного ответа на поставленные вопросы диктует мировой экономике и обществу необходимость массового внедрения современных технологий — в первую очередь систем сбора и обработки данных, получения максимально быстрого и точного ответа на поставленные вопросы.
Вместе с тем в наши дни обработка больших данных сопряжена с огромным количеством сложностей. Для того чтобы в наши дни найти ответ на
Строительство железных дорог в свое время также проходило с большими трудностями: скептики могли считать, что пройдет год-другой и люди бросят прокладку дорогущих рельсов протяженностью тысячи километров и вернутся к старым добрым лошадям. Однако эффективность новых технологий, огромные прибыли и само время неминуемо ломали старые каноны, изменяя привычный уклад жизни каждого человека до неузнаваемости. В области обработки больших данных прогресс мчится вперед с огромной скоростью, возможно, опережая наше о нем представление. Всего десять лет назад сам термин big data встречался в основном в узкоспециализированной литературе (и в другом значении), тогда как сегодня подобный подход к получению информации и связанные с ним возможности развития экономики и общества вызывают все больший интерес и широко обсуждаются. Совсем недавно обработка больших данных казалась сложным процессом, доступным лишь серьезным ученым и крупным компаниям, а в наши дни уже создан широкий общедоступный инструментарий, позволяющий любому человеку освоить азы работы с большими данными, собирать данные, извлекать из них информацию для продажи или личной пользы. Информационные корпорации вроде Google создают общедоступные интерфейсы, предоставляющие пользователям конечную информацию как результат обработки больших данных (например Google Trends, Correl и т.д.).
Новорожденный ребенок, открывая глаза, получает огромное количество новой информации; для выработки системы ее обработки уходят дни, пока он не научится в полной мере пользоваться новым инструментарием. Так же и человек, получивший доступ к большим данным и компьютеру, еще не в полной мере может разобраться в них, однако с каждым годом их обработка и анализ становятся возможны все более широкому кругу, а инструментарий постоянно упрощается.
Мы можем представить, как в недалеком будущем с развитием технологий и общедоступных инструментов обработки данных человек сможет взглянуть на предмет и сразу получить ответ на многие вопросы, сегодня кажущиеся нам нерешаемыми.
Человек и большие данные
Как знание о бездушном предмете или процессе позволяет угадывать его дальнейшие изменения и развитие, так и простое знание индивида позволяет предугадывать и управлять его поведением. «Алгоритмы знают вас лучше, чем вы знаете сами себя», — говорит Ксавье Аматриэн, бывший специалист по сбору данных в Netflix. Знание модели человеческого поведения, сильных и слабых сторон индивида, о которых он сам, вероятно, и не догадывается, дает возможность не только высвободить его скрытый потенциал, рационализировать и улучшить его жизнь, но и открывает обратные возможности — незаметно для него самого манипулировать человеком, заставлять делать вещи, противоречащие его интересам, зарабатывать меньше, тратя на работу больше времени, провоцировать на покупку зачастую не нужных ему товаров и так далее.
Большие данные позволяют предсказывать поведение людей лучше, чем когда-либо. Взрослый человек, обладающий богатым жизненным опытом (и гораздо большими, чем у детей, данными в голове), может легко предугадывать поведение ребенка, направлять и учить его, или же без труда обмануть, обидеть. В новую эпоху мы, взрослые люди, не владеющие большими данными о нас и о социуме, ежедневно получаемые агрегаторами крупных корпораций и государств, по сути становимся для них такими же управляемыми детьми.
Современные компьютерные игры, социальные сети, мобильные приложения, контекстная реклама — все это использует большие данные для извлечения из человека максимальной прибыли, заставляя его уделять больше времени их продукту. Владельцы больших данных и ресурсов для их обработки используют их возможности самостоятельно, другие вынуждены покупать результаты обработки у корпораций вроде Google или Facebook и платить маркетинговым или информационным компаниям за их внедрение.
Часто приводимым примером ценовой дискриминации является использование больших данных в крупных казино. Изучая особенности своих клиентов на основе анализа больших данных, владельцы казино знают, когда вовремя вывести игрока из игры (например, предложением бесплатного обеда), чтобы он не проиграл слишком много своих денег и вернулся в казино опять, в сумме принеся заведению еще большую прибыль, оставаясь при этом его постоянным клиентом26. Вышедший в 2014 году на Всемирном форуме, посвященном приватности, доклад27 описывает то, как компании, собирая большие данные о поведении американцев, в результате их обработки формируют потребительские профили, позволяющие понять, сколько каждый конкретный гражданин готов заплатить за тот или иной товар, характеристику его покупательной способности — извлекать из каждого человека максимальную прибыль, используя созданные им же самим данные.
Другим примером применения больших данных в погоне за прибылью является их использование при составлении расписания работников. Основанный на статистических моделях анализ данных, включающий множество факторов вроде исторических тенденций продаж, интересов клиентов, прогноза погоды, наличия товаров, дает возможность компаниям в режиме реального времени планировать деятельность своих сотрудников вплоть до минуты. Рабочие смены разбиты на пятнадцатиминутные блоки и пересматриваются каждый день, чтобы гарантировать достаточное количество работников для удовлетворения предполагаемого спроса. Корпорации усиливают эксплуатацию труда, сокращают часы, одновременно увеличивая интенсивность работы, выполняемой их сотрудниками28,29. Как здесь не вспомнить Маркса, в свое время описавшего машину как «средство производства прибавочной стоимости»30. Другими словами, в условиях капитализма достижение прогресса никоим образом не нацелено на уменьшение трудовых усилий рабочих, а напротив, ставит задачу оптимизации их эксплуатации. Маркс описывает эту функцию «системы машин» в тринадцатой главе «Капитала», где подразделил ее на три составляющих: присвоение капиталом добавочных рабочих сил, удлинение рабочего дня и интенсификация труда.
Нужно понимать, что глобальная датификация характеристик и жизни индивида, ее моментальная обработка в системе больших данных позволяют дополнить картину, открыть те стороны человеческой жизни, которые пока что нельзя записать в виде цифровых показателей. Например, далеко не факт, что наука в обозримом будущем сумеет датифицировать человеческие мысли до такого уровня, чтобы их можно было прочитать и сохранить. Однако фиксация и перевод в цифру изображений с камеры в общественном месте или на личном телефоне, анализ эмоций на лице человека, ритм его сердцебиения, скорость движения его курсора мышки в Интернете и другие факторы рано или поздно позволят предугадывать поведение индивида не хуже, чем прочтение его мыслей. Что уж тут говорить, если даже сам Марк Цукерберг, опасаясь за неприкосновенность своей частной жизни, заклеивает камеру и микрофон на своем ноутбуке. Эта же особенность больших данных уже поставила под сомнение возможность пользовательской анонимности в перспективе, сделав ее математически невозможной. Современные алгоритмы позволяют даже по мельчайшим крохам данных воссоздать недостающую информацию о человеке. Владельцы больших данных теперь могут узнать всё не только о тех, кто предоставляет им свои данные, но и о тех, кто не контактирует с ними или специально скрывает производимую им информацию.
Профессор Массачусетского технического университета и один из ведущих мировых специалистов в области больших данных Алекс Пентленд, на чьи работы мы еще не раз будем ссылаться, последние десятилетия вместе со своими учениками опубликовал массу трудов с экспериментами над людьми в области изучения больших данных. Одним из распространенных типов его исследований являются так называемые «живые лаборатории». Данный подход во многом сводится к опережающей датификации исследуемой группы при помощи специальных устройств вроде запрограммированных смартфонов, датчиков, социометрических бейджей. «Представьте, что можно поместить целое сообщество в комнату с камерами слежения, а затем описать и отобразить все грани и ракурсы поведения, общения и социального взаимодействия между участниками. Теперь представьте, что этот эксперимент длится в течение нескольких лет, пока члены сообщества живут своей повседневной жизнью. Это и есть живая лаборатория», — пишет Пентленд31. В многочисленных живых лабораториях проходили тестирования самых разных аспектов индивидуальной и коллективной жизни, поведения индивидов, начиная от вопроса набора лишнего веса до электоральных предпочтений. «Мы смогли использовать связь между восприятием и поведением в прогнозировании результатов нескольких различных ситуаций и даже проводить манипуляции с окружением, чтобы вызвать поведенческие изменения»32. Конечно, живые лаборатории проводились в рамках законодательства, а их участники были в курсе эксперимента и оказываемого на них влияния. Однако вместе с датификацией нашей жизни, массовым использованием смартфонов, интернет-сервисов, электронных платежей и многого другого все общество шаг за шагом, само того не замечая, превращается в живую лабораторию. Во многих странах мира строятся «умные города», чья инфраструктура рассчитана на постоянный сбор и анализ больших данных горожан, а также динамичные изменения в зависимости от потребностей общества. Подобные города также по сути представляют собой территорию опережающей датификации, их создатели собирают все возможные данные городской среды (от денежных переводов и коммуникаций жителей до показателей сбора мусора), в большинстве случаев пока что не имея представления о том, каким именно образом будут использовать их в дальнейшем.
Владельцы данных получают возможности изучать и влиять на общественное поведение. «Уже по прошествии нескольких лет мы, возможно, будем располагать невероятно богатым набором данных о поведении практически всего человечества— и причем постоянно», — замечает Алекс Пентленд. Сегодня многие ученые и политики утверждают33, что возможности, открываемые революцией больших данных, создают для общества опасность построения новой информационной тоталитарной системы, контролирующей жизнь и поведение каждого человека.
Большие данные и управление обществом
Рассматриваемая нами технология используется сегодня в отдельных сферах и дает невиданные результаты. Вместе с тем государства и крупные корпорации ведут борьбу за владение новой информацией и большими данными, работают над созданием глобальных систем, объединяющих в единый механизм разрозненные информационные клади, создавая общие системы прогнозирования и управления общественным поведением на основе анализа больших данных. Приведем несколько примеров.
Американская система, разработанная по заказу спецслужб и Министерства обороны США компанией «Палантир», стоимость которой оценивается уже более чем в 20 миллиардов долларов, официально ставит своей основной задачей профилактику и борьбу с преступностью. Несмотря на предсказуемую закрытость системы, в СМИ и официальных отчетах часто фигурирует достаточно подробная информация о ее работе. После терактов 11 сентября правительство нацелилось на кардинальное усиление общественной безопасности. Работы по разбору, структурированию и анализу огромных массивов данных, создаваемых и имеющихся на тот момент в Соединенных Штатах (таких как записи десятков тысяч камер наблюдения, полицейские протоколы, финансовая деятельность и денежные переводы граждан, сведения о геолокации, поведение в Интернете и многое другое), выпала на долю «Палантира». Большую часть информации компания берет из государственных учреждений либо покупает у информационных корпораций. За полтора десятка лет своего существования «Палантир» выполнил задачу по анализу данных, предоставив спецслужбам и полиции США готовую систему общественного контроля на основе обработки больших данных. Каждое действие внесенных в базу субъектов (а внесены туда далеко не только преступники) цифруется и обрабатывается, а в случае, если анализ больших данных или явные действия наблюдаемого указывают на совершение им правонарушения, эта информация передается полиции или спецслужбам. К самым громким делам, раскрытым с применением анализа больших данных, относятся разоблачение группы азиатских хакеров34 и ликвидация Усамы бен Ладена (но это не точно). По каждому занесенному в общую систему больших данных американцу составляется и постоянно ведется сводная база информации, содержащая большое количество самых разных цифровых следов человека. Постоянная обработка базы специальными алгоритмами позволяет выявлять корреляции и информировать полицейских или спецслужбы в случаях, когда поведение одного из наблюдаемых, описываемое вновь полученными данными, может указывать на совершение им преступления или планирования такового. «Палантир» учитывает условный «уровень доверия» к каждому гражданину, присваивая «штрафные баллы» в случае, к примеру, его задержания полицией или иных событий, свидетельствующих о его антиобщественной деятельности. Различные системы больших данных, ставящие целью предупреждение преступлений и помощь правоохранительным органам, используются и многими другими странами, например, индийская система NATGRID точно так же, как и система «Палантира», собирает и совмещает данные для защиты страны от террористических угроз.
Оценивать людей по балльной системе решили и в Китае. Анализируя характеристики каждого гражданина, единая система больших данных присваивает ему «рейтинг благонадежности», от которого во многом будет зависеть его дальнейшая судьба. Гражданам с низким рейтингом благонадежности могут не выдать кредит, не допустить к учебе в хорошем заведении, не продать билет в другую страну и т.д. К поступкам, изменяющим рейтинг в глазах системы, относятся не только нарушения закона, но практически любые действия гражданина: асоциальное поведение, попытки обмануть налогового инспектора, нарушения правил планирования семьи и т.д. Особый шик системе добавляет связанность с камерами наблюдения, которых по всей стране уже установлено более 170 миллионов, а к 2020 году это число перевалит за 400 миллионов штук. Искусственный интеллект, анализируя большие данные, позволяет моментально найти и задержать нарушителя. Так, журналист ВВС, участвуя в эксперименте, сумел скрываться от китайского «Большого брата» всего 7 минут, после чего был задержан полицией35. Или другой известный случай, когда китайские камеры нашли обвиняемого в финансовых преступлениях гражданина, выловив его лицо в пятидесятитысячной толпе зрителей концерта знаменитого китайского певца Джеки Чуна36.
Приведенные примеры показывают, как массовая датификация, обработка больших данных позволяют государству и владеющими данными структурам выйти на новый уровень общественного контроля, эффективно борясь с любыми формами преступности и тотально регулируя общественное поведение.
Конечно, на протяжении всей истории, а особенно с начала двадцатого века специальные службы всего мира собирали данные на граждан с целью осуществления общественного контроля. Вместе с тем никакая Штази (считавшаяся наиболее продвинутой спецслужбой двадцатого века в плане установления массовой слежки и датификации ее результатов) и на десятую долю не владела данными, доступными корпорациям и государствам в начале двадцать первого века. Количество собранных ими данных раз за разом перерастает в качество, начавшаяся революция больших данных позволяет предугадывать преступления до их совершения, знать о человеке гораздо больше, чем он все еще знает о себе сам, а в перспективе— просчитывать вероятностные модели судьбы каждого отдельного человека на годы вперед и глобально регулировать общественное поведение.
Но помимо естественного тяготения государств и крупного бизнеса к контролю над обществом здесь присутствует еще один немаловажный фактор, непрерывно подталкивающий их к реализации модели «тоталитарного информационного концлагеря» в эпоху больших данных. Дело в том, что применять достижения науки во вред человеку могут не только государства или корпорации, но и простые преступники, мошенники, террористы. Например, авторы доклада «Вредоносная активность Искусственного интеллекта: Прогнозирование, и смягчение последствий»37, подготовленного учеными Оксфордского университета и рядом других крупных исследовательских организаций, указывают на то, что искусственный интеллект в самом ближайшем будущем сможет имитировать голос и манеру общения определенного человека, сделав возможным принципиально новый уровень обмана и мошенничества, а самоуправляемые дроны могут доставлять не только товары, но и оружие, наркотики или даже взрывчатку на большие расстояния без прямого участия человека, существенно расширив возможности террористов. Поскольку приведенные примеры, а также множество других вариантов противоправного использования технологий подрывают основы государственности, естественным ответом государств видится развертывание репрессивного аппарата на основе больших данных — тотальная деанонимизация и надзор во имя установления стабильности и безопасности всего общества.
Подвижки в этом направлении наблюдаются и в самых разных странах, и внутри крупных корпораций, об угрозах мирового терроризма в новую эпоху говорят всё чаще. К примеру, сегодня мало кто помнит, что всего 5-7 лет назад для полноценного пользования крупнейшими социальными сетями достаточно было иметь электронный ящик и вовсе не требовалось привязывать к странице номер мобильного телефона. Подобные подвижки постепенно снижают возможности анонимного пребывания в Интернете, позволяют собирать все больше данных, привязанных к конкретному человеку. Важной проблемой здесь является и то, что используя пугало «мирового терроризма» или «кибермошенников», правящий класс имеет возможность регулировать процесс становления подконтрольного общества, постепенно смещая окно Овертона. Может получиться так, что очередной поджог Рейхстага или взрыв небоскребов в одночасье легитимируют в общественном сознании саму возможность установления тотального контроля.
На пороге революции
Практически любые общественные институты, создаваемые цивилизацией (например, религия, народное образование, частная собственность), из поколения в поколение влияли на поведение индивидуумов, делая его более похожим и предсказуемым. Объединенные общими идеями, знаниями, верой, законами люди могли объединяться в племена, нации, общности. В этом смысле все развитие классового общества представляло собой движение от разрозненных групп индивидов ко все более структурированной и управляемой модели, объединяющей целые народы и всех жителей земного шара.
Начавшаяся революция больших данных в плане управления обществом является не чем-то принципиально новым, а логическим развитием этапа мировой истории — с одной стороны требующего, а с другой предоставляющего технологические возможности к созданию общественного института нового уровня, призванного кардинально изменить мир.
Объединение различных источников и получение все большей информации о каждом отдельном человеке, ее автоматическая обработка позволит излечивать и сохранять жизни миллионов людей, предотвращать катастрофы и преступления, упростить жизнь каждого отдельного человека, невероятно увеличить производительность труда. Вместе с тем владельцы информации получат огромную власть над обществом — власть неконтролируемую и абсолютную, невиданную ранее ни одним диктатором, возможность управлять мыслями и судьбами миллионов людей, подавлять инакомыслие до его фактического появления.
На пути построения такого общества все еще много преград как технологических, так и социальных. К технологическим можно отнести недостаточность объемов датификации жизни общества, отсутствие мощностей для обработки данных и проверенных алгоритмов машинного обучения. Однако, рассматривая изменения, происходящие в последние десятилетия в этих областях, а также некоторые совершенно революционные возможности, открывающиеся перед нашей цивилизацией в самом ближайшем будущем, можно прогнозировать, что к концу века физические вопросы воплощения нового общества, где поведение и особенности каждого индивида полностью датифицированы, обрабатываются в онлайн-режиме и предугадывают на определенный период времени, будут разрешены.
К социальным преградам на пути построения нового общества в первую очередь относятся существующие общественные институты, одним из главных и наиболее общих (включающих в себя совокупность других) являются современные государства. Антиконсюмеристский журнал Adbusters недавно даже объявил о смерти национальных государств, «разбитых глобальной машиной финансов, вычислениями и всепроникающими алгоритмами больших данных»38. На наш взгляд, списывать государства со счетов пока еще рано. Подробно взаимоотношение государства и общества мы и рассмотрим в следующих главах. Тем не менее уже сегодня мы наблюдаем их ломку и трансформацию в борьбе с зарождающимся новым миром. Этот процесс продолжится и примет невообразимые формы в ближайшие десятилетия.
Глава 2. Капитализм и большие данные
Рассмотрев главные черты революции больших данных, мы продолжим изучение ее специфики в условиях конкретных исторических обстоятельств. Как уже говорилось, технологии не бывают плохими и хорошими. То, каким образом будут использоваться достижения науки, станут ли они инструментом насилия и подавления или же будут использованы для высвобождения потенциала каждого человека, зависит от господствующих общественно-политических отношений. Нам с вами довелось жить в эпоху капитализма, при котором производственные отношения регулируются условно свободным рынком, главным мотивом участников которого является безостановочное стремление к максимальной прибыли. В этой главе мы подробнее рассмотрим некоторые черты современного капитализма и их влияние на то, в какой форме может быть реализована революция больших данных, одновременно раскрывая новые ее особенности и на первый взгляд скрытые возможности больших данных.
В конце, обобщив материал, мы попробуем представить модель будущего: каким будет наш мир и жизнь его обитателей по завершении революции больших данных на основе нынешнего глобального капитализма. Как уже говорилось, по мере прочтения главы у читателя могут возникать самые разные вопросы, на самые частые из которых мы постараемся дать ответы в конце.
Манипуляция общественным сознанием как фактор развития экономики
Поскольку все социальные последствия происходящих изменений мы планируем рассматривать в историческом контексте, для дальнейшего анализа нужно отметить манипуляцию индивидуальным и общественным сознанием как фактор развития, свойственный современной мировой экономике. На первый взгляд может показаться, что это имеет мало общего с описываемыми процессами. Однако согласно исторической логике, чтобы понять, как именно изменится общество и экономика при появлении новых технологий, необходимо подробно рассмотреть его текущее состояние, внутренние противоречия и векторы развития. Итак, давайте разберемся.
За последние две сотни лет капитализм как экономическая система претерпел немало изменений. Одним из наиболее значимых изменений, к которому он шел (и продолжает идти),— это постоянное увеличение относительного значения манипулятивного фактора при формировании спроса над значением условной естественной потребности получателей благ. Если классическому капитализму в большей степени соответствовала формула «спрос рождает предложение», то сегодня, используя неоднократно описанные и изученные с различных сторон технологии (такими учеными, как А. Грамши, Р. Чалдини, Д. Ариэли, С. Кара-Мурза и многими психологами-бихевиористами), капитализм в погоне за прибылью уже сам способен создавать у потребителя манипулятивный спрос на товары лишь для того, чтобы самому же и удовлетворять его. Никого давно не удивляет, что стоимость рекламы и продвижения товара может во много раз превышать затраты на его непосредственное производство, а сам товар при его подробном рассмотрении оказывается нужным лишь на короткое время отчужденному сознанию покупателя39. Однако дело далеко не только в рекламных бюджетах. Свободный рынок и неконтролируемая конкуренция приводят к тому, что в погоне за прибылью производителю в один момент становится легче обмануть потребителя, чем создать по-настоящему конкурентный товар. Под обманом в данном случае мы имеем в виду не мошенничество и прямое нарушение законодательства, а манипулятивное воздействие на индивидов с целью вплести его в созданную производителем систему потребления.
Большую работу в описании манипулятивного фактора в мировой экономической системе представляет вышедшая в 2015 году книга двух нобелевских лауреатов по экономике 2001 и 2013 года, Джорджа Акерлофа и Роберта Шиллера, под названием «Охота на простака. Экономика манипуляций и обмана». Будучи сторонниками капитализма и приверженцами свободного рынка, авторы констатируют манипуляцию как одну из неизбежных составляющих современной экономики и самого свободного рынка как такового. «Вслед за Адамом Смитом мы могли бы признать, что рыночное равновесие носит оптимальный характер. Но тогда его не следует понимать как устанавливающееся в зависимости от истинных желаний покупателей и продавцов... Господствующая экономическая теория игнорирует это различие, поскольку большинство экономистов считают, что зачастую люди знают, чего на самом деле хотят»40. Обобщая известные исследования, авторы классифицируют типы манипуляционного воздействия на потребителя, приводят примеры того, как манипуляция спросом стала одним из важнейших элементов практически любой отрасли современной рыночной экономики. Значительная часть работы нобелевских лауреатов посвящена описанию последних крупных финансовых кризисов, причиной каждого из которых становился раздутый финансово-манипулятивный пузырь, всякий раз принимающий новые формы, но всегда заключающий в себе манипулятивную основу. «Мы написали эту книгу, чтобы опровергнуть то, что мы считаем ошибочным убеждением. Под последним мы понимаем концепцию свободного рынка, в правильность которой свято верит большинство населения США и которая достаточно популярна за рубежом. Эта концепция — результат примитивной интерпретации традиционной экономической теории. Она основывается на том, что свободная рыночная экономика, где действуют предостережения относительно распределения доходов и внешних эффектов, воплощает в себе все лучшее в этом мире»41.
Таким образом, даже сторонники рыночной модели говорят о том, что в наши дни влияние манипуляции (они называют это фишингом) на экономику имеет глобальную тенденцию к росту. За небольшим исключением капитал стремится не удовлетворять потребности или создавать инновационные продукты, а создавать манипулятивный спрос для его скорейшего удовлетворения и получения выгоды: «...рыночная экономика рождает всё усложняющиеся манипуляции и обман». Нужно констатировать факт, что усилиями постоянно доводимых до совершенства технологий рекламы и маркетинга капитализм на современном этапе уже сделал манипуляцию одним из факторов развития современной экономики, которая «по сути, не может справиться с обманом и мошенничеством»42.
Впрочем, марксисты давно указывали на данную особенность рыночной экономики. Маркс в первых же строчках «Капитала» писал: «Природа этих [удовлетворяемых товарным капиталистическим производством] потребностей, — порождаются ли они, например, желудком или фантазией, — ничего не изменяет в деле». В дальнейшем неоднократно акцентируя внимание читателей на том, что стремление капитала к прибыли в рыночных реалиях довлеет над сдерживающими свободный рынок общественными институтами, поскольку «...при 300%-й прибыли нет такого преступления, на которое капитал не рискнул бы, хотя бы под страхом виселицы».
Из области экономики манипуляция и свойственные ей технологии проецируются на все остальные сферы общественной жизни. Данные процессы и влияние, оказываемое манипулятивным капитализмом на общество, довольно полно описаны современными учеными (и не только марксистами), раскрывающими сущность современного общества потребления как общества колоссального отчуждения, а современную мировую экономику как рынок симулякров — брендов, имеющих ценность только для отчужденного сознания потребителя.
В результате даже известные сторонники свободного рынка в наши дни указывают на необходимость усиления роли государства в регулировании экономики, обуздания манипуляции и обмана, которые являются неизбежными составляющими рыночной конкуренции.
Зададимся вопросом о роли развития технологий в процессе построения современной манипулятивной экономики. Плоды информационных революций в виде радио, телевидения, Интернета каждый раз как бы приближали капитал к потребителю, отчуждая все больше нашего личного пространства и предоставляя капиталу все более широкие возможности для манипулятивного воздействия. Революция больших данных открывает новые возможности для увеличения доли манипулятивного спроса даже на существующем этапе. Это одна из причин того, почему ее плоды наиболее заметны в сферах маркетинга и рекламы, а по факту используется практически в любом взаимодействии корпораций с потребителями. Вместе с цифровой эпохой капиталистическая манипуляция вошла в жизнь сотен миллионов человек: социальные сети ежегодно проводят многочисленные А/В-тестирования на основе тысяч поведенческих записей, заставляя нас судорожно обновлять страничку вместо общения с сидящим рядом живым человеком, компьютерные игры увлекают не хуже наркотиков, а интернет-зависимость уже признана психическим заболеванием. Множество исследовательских работ описывают, как капитализм, вооруженный большими данными и современными технологиями, создает человека нового типа, эксплуатируя все более глубокие психические свойства личности, слабости и зависимости, превозносит эгоизм и индивидуализм, предлагая иллюзию непрерывного общения, делает людей одинокими. Отработанная и показавшая свою эффективность технология переходит в сферы политики, организации жизни общества и государства, работы средств массовой информации.
Продолжение революции больших данных на основе манипулятивного капитализма катализирует роль манипуляции в экономике. Мы уже описали, что использование больших данных в разных областях дает весомый эффект, однако в общественной сфере, связанной
Информация и данные в системе товарно-денежных отношений
Прежде чем рассматривать наступающие вместе с эпохой больших данных структурные изменения современного капитализма, нам придется рассмотреть информацию в целом и большие данные в частности в системе товарно-денежных отношений.
Маркс отмечал, что «товарное обращение есть исходный пункт капитала. Историческими предпосылками возникновения капитала являются товарное производство и развитое товарное обращение, торговля. Мировая торговля и мировой рынок открывают в XVI столетии новую историю капитала»43. Описывая всеобщую формулу капитала «деньги - товар - деньги» (Д-Т-Д), он раскрывал его сущность постоянного стремления к прибыли: «Купить, чтобы продать, или, точнее, купить, чтобы продать дороже,
Пришло время определиться с тем, какое место в системе товарно-денежных отношений занимают информация и данные, из которых она может быть извлечена. Информация вообще и данные в частности всегда были неотрывно связаны с любым производством товаров или услуг. Чтобы создать палку-копалку, нашим первобытным предкам сперва нужно было представить ее в своей голове, проанализировать данные, применять полученную информацию. Вместе с технологическим прогрессом росло значение информации— древнему человеку не нужно было изучать особенности материалов для создания первых орудий, точно так же Генри Форду для создания передового для своего времени автомобиля не нужны были сотни гигабайт данных со всякого рода датчиков и миллионы часов датифицированного поведения людей. Долгое время информация в системе товарно-денежных отношений не отделялась как-либо от непосредственного производства, потому как на рынке практически не существовало отдельных субъектов, занимающихся исключительно интеллектуальной деятельностью, созданием информации для ее дальнейшей продажи непосредственным производителям товаров. Институциональное выделение информации в системе экономических взаимоотношений происходит в начале XVIII века, вместе с появлением первых законов об авторском праве и патентах, вроде принятого в 1710 году Статута королевы Анны.
В качестве же отдельной составляющей производственного процесса ученые начинают массово выделять информацию лишь с конца XIX — начала ХХ века. «Развитие основного капитала показывает, до какой степени всеобщее общественное знание превратилось в непосредственную производительную силу, и до какой степени условия самого социального жизненного процесса оказались помещены под контроль всеобщего интеллекта и преобразованы в соответствии с ним», — писал Маркс45. Знание, владение информацией, достижениями науки позволяют создавать все более совершенные и конкурентоспособные товары. А в середине ХХ века происходит научно-техническая революция, в результате которой наука (производство знаний, информации) становится основным фактором развития экономики.
Революция больших данных является следующих шагом, когда для производства качественной информации необходимы большие данные. Рассматривая примеры множества современных предприятий, занимающихся исключительно сбором данных для их дальнейшей продажи, и зарождение целого ряда новых профессий (вроде копателя данных), мы видим, что сегодня сами по себе данные отрываются от информации и трансформируются в самостоятельный элемент экономической системы.
Данные становятся неотъемлемой и крайне важной частью информационной составляющей в наиболее
лее прогрессивных производствах. Рассмотрим их возрастающую роль на каждом этапе товарно-денежного цикла:
- говоря о непосредственном производстве товаров, мы уже приводили в первой главе достаточно примеров использования больших данных в промышленности, сельском хозяйстве и других сферах материального производства. Информация является ключевым и наиболее востребованным элементом современного производства, а большие данные, в свою очередь, становятся их важнейшей частью и неотъемлемой составляющей — тем, из чего «куется» информация;
- информация об обществе и особенно персональные данные позволяют регулировать потребность людей в тех или иных товарах, создавать манипулятивный спрос. Лучше всего это заметно в наиболее датифицированной среде общественной жизни — Интернете. Скажем, две крупнейшие информационные корпорации Google и Facebook контролируют 85% рынка интернет-рекламы46. Невозможность продажи эффективной интернет-рекламы без больших данных показывает, что они заняли ключевое и неотъемлемое место в одной из ниш, связанных с регулированием спроса;
- информация и большие данные могут сами являться товаром. Собираемые данные имеют стоимость, зависящую, в первую очередь, от необходимых затрат на их получение. А вот стоимость информации, которую можно из них извлечь, во многом зависит от уже имеющегося у экономического субъекта объема больших данных, ведь объем получаемой информации находится в экспоненциальной зависимости от него. К примеру, данные телефонов в телефонных книжках большого числа пользователей смартфонов не имеют практической пользы и могут приносить прибыль лишь в сочетании с другими большими данными той или иной информационной корпорации, в совокупности позволяющими продавать качественную рекламу. Несмотря на это, данными в наши дни торгуют далеко не только лишь все крупные информационные корпорации. Пока большая часть общественной жизни еще не до конца датифицирована, малый бизнес и информационные стартапы часто находят неиспользуемые источники больших данных и успешно их коммерциализируют. Так, компания «Максимателеком» — оператор бесплатного Wi-Fi в Москве и Санкт-Петербурге — самостоятельно монетизирует собираемые пользовательские данные. В своей презентации компания рассказывает, как реклама, основанная на анализе имеющихся у них данных о передвижениях и предпочтениях людей, позволила привлечь новых постоянных клиентов в кафе «Капучинка»47. А сеть кофеен Shiru в обмен на кофе берет не деньги, а персональные данные своих клиентов48;
- большие данные активно используются в сфере банковской и биржевой деятельности, в том числе связанной со спекуляцией денежными массами и товарами. Их анализ является неотъемлемой частью работы различных хедж-фондов, строящих финансовые прогнозы. В целом владение информацией качественно нового уровня открывает широкие возможности для проведения рыночно-финансовых манипуляций, что является фундаментом существования целого кластера финансового капитала;
- большие данные начинают играть ключевую роль и в развитии науки, определяя ее современные рамки, а также вектор всей информационной составляющей товарного производства, что мы подробно разберем чуть позже.
Обобщая все вышесказанное, можно сделать вывод, что постепенно выходящие на рынок большие данные присутствуют на всех этапах товарно-денежных отношений, каждый из которых неизбежно связан с производством информации и возможностями ее обмена. Революция больших данных в данном случае катализирует указанные процессы.
Кроме того, происходит «отделение» данных от информации. Большие данные в новую эпоху могут рассматриваться как отдельный от информации элемент экономических отношений, так же как информация в свое время стала рассматриваться в качестве отдельного элемента материального товарного производства и оказании услуг.
С ростом объема и вариативности (а также развитием технологий по их обработке) большие данные могут постепенно занять ключевое место на каждом этапе товарно-денежных отношений, а значит, и в мировой экономике в целом.
Информационный капитал и его интересы
Поделиться книгой: