Единственный путь справиться с мировыми проблемами: накормить людей, предоставить им медицинскую помощь, снабдить их энергией, электричеством, да так, чтобы не поджарились до корочки с глобальным потеплением, - это результативное использование данных.
Что же так важно в больших данных? Подумайте, например, о проблеме осанки, о том, как вы сейчас сидите. Все сидят по-разному в зависимости от длины ног, спины и формы спины; и если бы я установил сотни сенсоров во все сиденья, я бы смог вывести индивидуальный индекс для каждого из вас, что-то вроде отпечатков пальцев.
Что мы с этим можем сделать? Ученые в Токио используют это как потенциальную противоугонную систему для машин. Идея в том, что когда угонщик садится за руль и пытается удрать, машина опознает, что за рулем водитель без доступа, и двигатель не заработает, пока вы не введете пароль на приборной панели.
Если бы мы собрали данные, у нас была бы задокументирована усталость водителя, и тогда машина смогла бы опознавать, когда водитель проваливается в эту позу, и посылать внутренний сигнал: вибрация руля, салонный гудок, и говорить: «Эй, просыпайся, внимательней следи за дорогой». Такого рода вещи мы сможем делать при документировании все бóльших аспектов нашей жизни.
Идея машинного обучения сегодня проникает всюду. Как вы думаете, как появились беспилотные машины? Стали ли мы более продвинутым обществом, доверяя все правила дорожного движения программному обеспечению? Нет. Дешевле память? Нет. Алгоритмы быстрее? Нет. Лучше процессоры? Нет. Мы поменяли подход к проблеме.
Мы перешли от проблемы, где пытались ясно и четко объяснить компьютеру как водить машину, к проблеме, где мы говорим: «Вот кипа данных про автомобиль. Думай сам. Пойми сам, что это светофор, что он красный, а не зеленый, что это значит, что нужно остановиться, а не проезжать».
Машинное обучение лежит в основе многих действий, совершаемых нами в сети: поисковые системы, машинный перевод, системы распознавания речи. Недавно исследователи дали компьютеру задание определить, раковые перед ним клетки или нет. Машина выявила 12 признаков того, что клетки действительно раковые. Тогда как медикам были известны лишь 9 из них.
Но у больших данных есть и негативные стороны. Полиция может использовать информацию в своих интересах, примерно как в фильме «Особое мнение».
Если мы будем иметь много данных, например, о месте совершения преступления, то будем знать, куда посылать патрули. Но если речь зайдет о частном лице - почему бы не использовать информацию о его аттестате? О наличии работы, кредитоспособности, о том, что человек смотрит в интернете, бодрствует ли поздно ночью?
Устройства, измеряющие биологические данные, покажут присутствие агрессивных мыслей. Мы можем выработать алгоритмы, прогнозирующие что мы собираемся сделать, и нас могут привлечь к ответственности еще до момента действия. Конфиденциальность была главной проблемой во времена малых данных. В эпоху больших данных проблемой будет охрана свободы воли, свободы выбора, желаний, свободы действий.
Есть и еще одна проблема. Большие данные сократят количество рабочих мест. Они изменят работу белых воротничков, профессиональные знания в 21 веке так же, как автоматизация фабрик и конвейеризация бросили вызов синим воротничкам в 20 веке.
Подумайте о лаборанте, который смотрит в микроскоп, определяя, рак перед ним это или нет. Этот человек окончил университет, он покупает вещи, голосует, участвует в деятельности общества. И этот человек, как и целая флотилия таких же профессионалов, столкнется с радикальными изменениями в своей работе или даже с ее полным устранением.
Нам нравится думать, что в долгосрочной перспективе технологии создают рабочие места. Но мы забываем, что многие категории деятельности при этом просто исчезают и никогда не возвращаются. Индустриальная революция не принесла бы вам пользы, если бы вы были лошадью. Так что нам нужно быть внимательными и использовать большие данные для социальных целей.
Нам нужно быть хозяевами этой технологии, а не ее прислугой. Мы лишь на подступах к эре больших данных, и, честно говоря, у нас не очень получается управлять всей получаемой информацией. Это проблема не только для Агентства национальной безопасности. Коммерция собирает много информации и также ею злоупотребляет. Нам нужно стать более умелыми в этом, и это займет какое-то время. Это как проблема огня для первобытного человека - если мы не будем осторожны, он нас обожжет.
Кеннет Кукьер - редактор раздела данных журнала Economist, автор бестселлера «Большие данные: революция, которая изменит то, как мы живем, работаем и мыслим», переведенного на 16 языков.
