2014-2020 Для России проблема «Больших Данных» приобретает стратегическое значение. В 2014 году по оценке исследователей лишь 1, 5% российской цифровой Вселенной представляли собой «насыщенные данные», которые являются управляемой сферой анализа. Несмотря на то, что в России ведутся работы в сфере исследований «Больших Данных» (например, центром исследований и разработок ЕМС в Сколково), данная проблема требует как можно более широкого обсуждения. Серия статей
14.04.2020 COVID-19: искусственный интеллект, большие данные, контроль за населением. Е. Ларина, В. Овчинский
Возможности и пределы применения
28.02.2019 Рывок в искусственный интеллект ... или фальстарт? Е. Ларина, В. Овчинский
Мир в последние 30 лет пребывает в состоянии технотупика
20.08.2017 О криптовалютах, токенах и блокчейне – на языке «родных осин» Ларина Е.С.
Тема криптовалют по популярности соперничает с батлами реперов. Многие воспринимают криптовалютную лихорадку как что-то модное, приходящее. Многие гуру-экономисты тут же вспоминают Нидерланды XVII века, когда луковицы тюльпанов продавались по цене домов. Российскому населению, с изумлением наблюдающему за биткойном, на ум приходят МММ с С.Мавроди и другие пирамиды 90-х. Однако о биткойне и блокчейне не стоит судить поверхностно. Они появились в нашей жизни не случайно. Пришли надолго. Что же до ажиотажа, то поговорим о нем отдельно и не сразу.
04.01.2017 От больших данных к Большому Брату. Иван Бегтин.
Государства следуют той же канвой, что и все крупнейшие корпорации в последние годы. Интернет-технологии позволяют монетизировать слежку за гражданами, как минимум, в части их потребительского поведения. Государства же являются «догоняющими игроками», использующими коммерческие наработки в своих целях. Об этом в лекции директора АНО «Информационная культура» Примеры.
10.12.2016 Искусственный интеллект приведет к сознательной архаизации жизни. Кулешов А.
Академик Александр Кулешов, один из ведущих отечественных специалистов в деле создания нейросетей, искусственного интеллекта и сложных систем обработки информации рассказал о том, насколько близко человечество к созданию самосовершенствующихся машин, к чему приведет их создание и то, был ли прав Стивен Хокинг, опасающийся тех проблем, которые несут за собой разумные машины.
09.12.2016 Big Data. Кто сделал Трампа президентом?
Современное общество все больше погружается в цифровой мир и это неизбежно ведет к созданию огромных массивов информации, которые на первый взгляд нельзя использовать для практических задач из-за их объема. Если вчера искусственный интеллект обучали водить машину и распознавать слова, то сегодня его уже научили выигрывать избирательные кампании и выбирать президентов в США. Индивидуальный профиль человека и индивидуальная обработка его сознания
25.02.2016 Корпорация монстров Google и цифровая диктатура будущего.
Выступление писателя и историка Перетолчина Д. на круглом столе в дискуссионном клубе партии "Родина". Палитра проектов Google. К вопросу о тоталитаризме и трансгуманизме.
18.09.2015 Реально биг дата. Смирнов Р.
14.07.2014 Большие Данные в России: императивы ситуации
30.06.2014 Большие данные. О чем умолчал Э.Сноуден
16.06.2014 Большие Данные, фруктовые салаты и Большой Брат
02.06.2014 Прогностические вооружения и Большие Данные
19.05.2014 Большие Данные в сетевом измерении
05.05.2014 Большие Данные как стратегический ресурс
14.04.2020 COVID-19: искусственный интеллект, большие данные, контроль за населением
Возможности и пределы применения
С первых шагов противостояния эпидемии коронавируса, сначала Китай, а потом и другие страны активно используют технологии искусственного интеллекта (ИИ) и больших данных (БД).
Борьба с эпидемией коронавируса включает три этапа — обнаружение, изоляция, профилактика и контроль. На всех этих этапах большое внимание отдается ИИ и БД. Интеграция различных источников информации с помощью этих технологий позволяет упорядочить и обработать идентификационную информацию людей, их действия, траекторию движения и состояние здоровья.
Профессор Института журналистики университета Цинхуа Шэнь Ян пишет, что это «первый в истории человечества случай объединения данных общенародного характера, и такая унификация основана на авторизации пользователей» (Насколько эпидемия приблизила будущее.). Непрерывное развитие эпидемической ситуации приведёт к дальнейшему развитию технологий ИИ и БД и улучшению способности людей использовать их для понимания общества.
Применение ИИ и БД включает в себя поддержку мер по контролю за эпидемиологической обстановкой, прогнозированию эволюции вспышек заболеваний, защите населения, наблюдению за его перемещением, в том числе и в целях его ограничения, проведению исследований для разработки вакцины или лечения. Что касается последнего аспекта, ИИ используется для ускорения секвенирования геномов, более быстрой постановки диагноза, проведения анализов с помощью сканеров или для управления роботами для технического обслуживания и доставки.
Медицинский аспект использования ИИ в борьбе с пандемией ещё ни разу не стал предметом критического обсуждения в СМИ и социальных сетях, при опросах общественного мнения. Но социальные проблемы использования ИИ при проведении всего комплекса ограничительных мероприятий, наоборот, вызвали волну обсуждений, связанных с тревогами о соблюдении прав и свобод граждан.
Эта проблема активно обсуждается и у нас в стране, особенно после принятия в субъектах федерации правил оформления и использования цифровых пропусков для передвижения в период действия режимов повышенной готовности ( см., например, Указ мэра Москвы N 43 – УМ от 11.04.2020).
С введением чрезвычайных мер, связанных с карантином, самоизоляцией, закрытием границ и другими мерами по сдерживанию распространения вируса, операционная среда и функционал правоохранительных органов и спецслужб становятся все более сложными. Они оказываются в центре беспрецедентной ситуации, играя часто не менее важную роль в сдерживании распространения вируса, чем медицинские работники. При этом выполняют весь привычный объем работы по обеспечению общественной безопасности. В ответ на этот растущий кризис многие из этих структур обращаются к ИИ и БД, а также связанными с ними технологиям. Расширение возможностей наблюдения, мониторинга и обнаружения занимает одно из первых мест в списке приоритетов.
Обострение эпидемиологической обстановки вызовет ещё более активное использования ИИ и БД.
ИИ и БД как инструменты контроля за населением
Большую эффективность в осуществлении контроля за больными людьми, а также теми, кто находится на карантине или самоизоляции, показывает практика цифрового отслеживания контактов через сигналы с мобильных телефонов (digital contact tracing) - с помощью специального приложения или через мобильных операторов.
Как отмечено в обзоре ВВС в «Коронаслежка: «Большой брат» как выход из карантина» (ВВС,12.04.2020), в эпидемиологии отслеживание контактов используется десятилетиями для борьбы с заразными болезнями.
Но если раньше эпидемиологи расспрашивали пациентов о том, где они были и с кем встречались после развития симптомов болезни, а затем составляли список контактов, оповещали людей и наблюдали за ними, то сейчас цифровые инструменты в течение нескольких минут дают точную и детальную информацию о встречах и перемещениях.
Для справки:
Прототип современных технологий отслеживания контактов при эпидемии был разработан еще в 2011 году в рамках проекта FluPhone в компьютерной лаборатории Кембриджского университета. Испытания на волонтерах выпали на вспышку свиного гриппа и продемонстрировали успех этой технологии.
Поскольку пандемия началась в Китае, то, естественно, здесь нарабатывалась первые виды контроля над населением для локализации эпидемии. Получила распространение практика распознавания больных людей, оснащения в этих целях представителей правоохранительных органов "умными" шлемами, способными помечать людей с высокой температурой тела. Кроме того, в Китае разработанная властями система Health Check действует через популярные платформы Alipay and WeChat. Она генерирует специальные QR-коды, которые в зависимости от статуса горят разными цветами: зеленым (свобода передвижения), оранжевым (семь дней карантина) или красным (14 дней карантина).
В Израиле был разработан план использования индивидуального наблюдения по телефону, чтобы предупреждать пользователей о опасности контактов с людьми, которые потенциально могут быть носителями вируса. Приложение, разработанное минздравом Израиля, посылает оповещения пользователям, если они находились рядом с заразившимся человеком. Кроме того, полиция и служба контрразведки ШАБАК получили право следить за передвижениями израильтян и определять тех, кто контактировал с заразившимися.
В Южной Корее предупреждение передаётся органам здравоохранения, когда люди не соблюдают период изоляции, например, находятся в людных местах, таких как общественный транспорт или торговый центр. Южная Корея обошлась без всеобщей изоляции, но власти пошли на жесткие меры для отслеживания контактов у носителей вируса: они получают данные GPS у мобильных операторов и данные об операциях по банковским картам, а также могут смотреть записи с камер видеонаблюдения.
В Сингапуре разработанное властями приложение TraceTogether заменило массовую изоляцию. Система работает не через геолокацию, а через Bluetooth-соединение, и следит лишь за близкими контактами, а не всеми перемещениями человека. Когда два пользователя оказываются на расстоянии двух метров, их телефоны устанавливают связь. Если встреча длится больше получаса, оба телефона сохраняют запись о ней. Если человек заболевает, правительство оповещает всех, с кем он встречался за последние 14 дней.
В Италии одна из компаний по заказу государства также разработала приложение для смартфона, с помощью которого можно проследить маршрут зараженного вирусом человека и предупредить людей, контактировавших с ним. Конфиденциальность гарантирована тем, приложение не раскрывает телефонные номера или личные данные. В Ломбардии телефонные операторы предоставили данные о передвижении мобильных телефонов с одного терминала на другой.
Правительство США обратилось к компаниям с просьбой предоставить доступ к агрегированным и анонимным данным, особенно в отношении мобильных телефонов, для борьбы с распространением вируса. Компании Apple и Google объявили, что объединятся для разработки технологии отслеживания контактов владельцев телефонов, которая поможет замедлить распространение коронавируса.
Проект ставит целью, чтобы владельцы смартфонов использовали приложения, благодаря которым потенциально зараженные люди смогут узнавать, что им следует пройти тестирование или соблюдать карантин
Согласно плану, телефоны будут использовать Bluetooth, чтобы обмениваться информацией с телефонами, находящимися поблизости. Инфицированные коронавирусом владельцы телефонов смогут передавать Apple и Google перечень телефонов людей, рядом с которыми они находились. Благодаря этому те, кто оказался в группе риска, будут проинформированы об этом.
Данные о номерах телефонов будут зашифрованы, чтобы сохранять анонимность пользователей, в том числе для Apple и Google. Компании также заявили, что их система не будет отслеживать координаты по GPS.
ИИ и БД после пандемии
Как можно было убедиться, цифровые технологии, включая ИИ и БД, являются важными инструментами для содействия принятию скоординированных ответных мер в связи с этой пандемией.
Совет Европы в своём обзоре «ИИ и контроль коронавируса COVID - 19» (март 2020 года) подчеркивает, что необходимо оценить принятые чрезвычайные меры, по окончании кризиса, с тем чтобы определить преимущества и проблемы появившиеся при использовании цифровых инструментов ИИ и БД. На это же обращают внимание многие видные учёные современности, которые считают, что временные меры по контролю и массовому мониторингу населения с помощью этих технологий не должны считается тривиальными и не должны стать постоянными (см., например, Юваль Ной Харари: Мир после коронавируса, The Financial Times).
В США, например, защитники гражданских свобод обращают внимание на то, что после терактов 11 сентября 2001 года полномочия спецслужб по слежке были расширены. Террористическая угроза в основном миновала, однако полномочия постоянно продлеваются
7 апреля 2020 года Совет Европы принял Набор инструментов для государств-членов «Уважение к демократии и правам человека, верховенство закона в условиях эпидемиологического кризиса COVID-19».
Этот документ является важнейшим ориентиром для правого обеспечения принимаемых государством мер по сдерживанию пандемии, в том числе и мер, касающихся контроля над населением.
Цель этого документа в предоставлении правительствам инструментария для борьбы с нынешним беспрецедентным и массовым эпидемиологическим кризисом таким образом, чтобы уважать основополагающие ценности демократии, верховенство законов и прав человека.
В качестве базовой посылки признается, что правительства сталкиваются с огромными проблемами в своем стремлении защитить население от угрозы COVID-19. Кроме того, имеется в виду, что «нормальное функционирование общества не может быть сохранено в полной мере в свете основных защитных мер, необходимых для борьбы с вирусом, а именно в условиях соблюдения различных форм социального дистанцирования». Также признается, что «принимаемые меры неизбежно ограничивают права и свободы граждан, которые являются неотъемлемой и необходимой базисной ценностью демократического общества, управляемого верховенством закона».
В документе говорится, что «масштабы мер, принимаемых в ответ на нынешнюю угрозу COVID-19 и способы их применения, значительно различаются в зависимости от этапа борьбы с вирусом». Хотя ограничительные меры, предпринимаемые государствами-членами, оправданы на основании обычных положений Европейской конвенции о правах человека, «могут понадобиться меры исключительного характера, предполагающие отступления от обязательств государств-членов в части соблюдения Конвенции. Каждое государство должно оценить, соответствуют ли принятые им меры отступления от предусмотренных Конвенцией прав и свобод граждан масштабам угрозы».
Именно государства определяют, находится ли жизнь нации под угрозой «чрезвычайной ситуации», и если да, то как далеко необходимо зайти в преодолении чрезвычайной ситуации.
Некоторые конституционные права не допускают каких-либо отступлений даже в условиях чрезвычайной ситуации. Это: право на жизнь, за исключением случаев, когда это происходит в контексте законных актов войны (ст. 2); запрещение пыток и бесчеловечного или унижающего достоинство обращения или наказания (ст. 3); запрещение рабства и работорговли (ст. 4-1) и правила «без наказания, без закона» (ст. 7).
Отступления в соответствии со ст. 15 не зависит от официального объявления чрезвычайного положения или какого-либо аналогичного режима на национальном уровне. В то же время «любое отступление должно иметь четкую основу, предусмотренную в национальном праве с тем, чтобы защитить граждан от произвола в условиях борьбы с чрезвычайной угрозой».
Принцип законности
Даже в чрезвычайной ситуации должно обеспечиваться верховенство права. Основополагающим принципом верховенства права является то, что действия государства должны осуществляться в строгом соответствии с законом. «Закон» в этом контексте включает в себя не только акты парламента, но и, например, чрезвычайные указы исполнительной власти, при условии, что они имеют конституционную основу. Многие конституции предусматривают особый правовой режим (или режимы), расширяющий полномочия исполнительной власти в случае войны или крупного стихийного или другого бедствия. «Законодательные органы также могут принимать чрезвычайные законы, специально разработанные для урегулирования нынешнего эпидемиологического кризиса, которые выходят за рамки существующих правовых норм».
Ограниченная продолжительность режима чрезвычайного положения и чрезвычайных мер
Во время чрезвычайного положения правительства могут получить общие полномочия по выпуску декретов, имеющих силу закона. Это приемлемо при условии, что эти дополнительные полномочия имеют ограничения по срокам. Основная цель режима чрезвычайного положения заключается в сдерживании развития кризиса и скорейшем возвращении к нормальной жизни.
Во время чрезвычайного положения не только полномочия правительства по законодательному обеспечению должны быть ограничены сроком действия чрезвычайного положения, но и любое законодательство, принятое в период чрезвычайного положения, должно также включать четкие временные ограничения на продолжительность этих исключительных мер.
Принцип необходимости
Принцип необходимости требует, чтобы чрезвычайные меры были способны обеспечить достижение конечной цели при минимальном изменении нормальных правил и процедур демократического принятия решений.
Распределение полномочий и проверка исполнительных действий
Исполнительная власть должна быть в состоянии действовать быстро и эффективно. Это может потребовать упрощения процедур принятия решений и смягчения системы сдержек и противовесов. Это может также потребовать в рамках, предусмотренных конституцией, изменения стандартного распределения полномочий между местными, региональными и центральными органами власти в решении конкретных проблем по борьбе с вирусом. «Обычный порядок должен быть восстановлен, как только этого позволит ситуация».
Конфиденциальность и защита данных
В документе особо подчеркнуто, что «новые технологии доступа к персональным данным и их обработке могут способствовать сдерживанию и прекращению пандемии. Мониторинг, отслеживание и прогнозирование являются важнейшими функциями эпидемической политики. Необходимо использовать для борьбы с вирусом все наиболее эффективные инновации последних лет, включая искусственный интеллект, технологии распознавания лиц, анализ социальных сетей и данных геолокации».
В то же время потенциал использования современных технологий не должен быть применен для несбалансированного вторжения в частную жизнь. Принципы защиты данных и Конвенция Совета Европы 108 позволяют сбалансировать высокие стандарты защиты персональных данных и общественных интересов, а также информации, связанной со здоровьем, с потребностями борьбы с эпидемической угрозой.
Конвенция допускает исключения из обычных правил о защите данных в течение ограниченного периода времени и с соответствующими гарантиями (например, анонимизации), с эффективной системой надзора с тем, чтобы обеспечить сбор, анализ, хранение и прогнозирование на основе данных. Указанный документ Совета Европы подчеркивает, что «крупномасштабная обработка персональных данных с использованием искусственного интеллекта должна осуществляться только тогда, когда научные данные убедительно покажут, что потенциальные выгоды для общественного здоровья перекрывают риски утечки персональных данных или их использования сторонними организациями».
***
Сделанный выше обзор цифровых и других высокотехнологичных инноваций, помогающих различным странам противостоять пандемии COVID-19 и беспрецедентный для Совета Европы подход, не просто информирующий, а рекомендующий временно ограничивать различного рода права и свободы для решения этой задачи, ориентирует на необходимость повышения готовности к реагированию на новые вызовы и угрозы, например, к биологической войне.
Хотя по своим масштабам ситуация с COVID-19 беспрецедентна, в условиях отсутствия международного регулирования и контроля за высокими технологиями самой различной направленности – от ИИ, БД до синтетической биологии – нет оснований полагать, что впереди у нас не грядут новые испытания. Поэтому важно по завершению борьбы с эпидемией в стране, а в этом нет сомнений, внимательно проанализировать собственные достижения, ошибки и просчеты и постараться взять лучшее из зарубежного опыта, чтобы встретить новые угрозы во всеоружии.
28.02.2019 Рывок в искусственный интеллект ... или фальстарт?
Мир в последние 30 лет пребывает в состоянии технотупика
Президент России Владимир Путин обязал Правительство РФ до 15 июня 2019 года разработать национальную стратегию в области искусственного интеллекта. Данный пункт содержится в перечне поручений главы государства по итогам послания Федеральному собранию (до этого было поручение президента от 30 января т. г. разработать подходы к такой национальной стратегии).
Для Путина проблема искусственного интеллекта в последнее время постоянно находится среди приоритетных. Достаточно вспомнить его ставшую крылатой фразу: «Тот, кто станет лидером в этой сфере, будет властелином мира».
И так считает не только российский президент. В 2017 – 2018 г. г. свои стратегии в области искусственного интеллекта приняли Канада, Китай, Дания, Комиссия ЕС, Финляндия, Франция, Индия, Италия, Япония, Мексика, Скандинаво – Балтийский регион, Сингапур, Южная Корея, Швеция, Тайвань, ОАЭ И Великобритания. В феврале 2019 г. Президент США Д.Трамп выступил с Американской инициативой по развитию искусственного интеллекта, которая приобрела силу закона.
В прошлом году был опубликован ряд международных докладов о положении дел в этой области. Согласно им, лидируют Соединенные Штаты, в которых в настоящее время работают более 2000 компаний в области искусственного интеллекта, контролирующие примерно 40-45% глобального рынка. За ними следует Китай, где искусственным интеллектом занимаются более 1000 компаний, на которых приходится более 20% мирового рынка. Причем, в течение последних пяти лет китайцы ежегодно увеличивают свою долю в среднем на 2-3%. Затем с большим отрывом следуют Великобритания, Канада и Индия. Шестерку лидеров замыкает Израиль. Остальные четыре места приходятся на западноевропейские страны ЕС.
В 2018 году проведено международное исследование «Индекс готовности к автоматизации», согласно которому оценена степень готовности правительств 25 стран к наступающей волне автоматизации. Первое место в рейтинге заняла Южная Корея, за ней Германия и Сингапур. Россия в этом рейтинге только на 16 месте.
Отсутствие России среди стран-лидеров в области искусственного интеллекта неудивительно. По данным агентства TAdviser и «Инфосистемы Джет», за 2007-2018 годы государством и частным секторов в России на искусственный интеллект потрачено чуть более 25 млрд. рублей, что с учетом курса на момент трат составляет менее 1 млрд. долларов. По правительственным наметкам в 2020 году необходимо обеспечить расходы на искусственный интеллект на уровне 0,3-0,4 млрд.долларов в год. Много это ли мало? Согласно данным Всемирного банка, в 2018 году Соединенные Штаты потратили на искусственный интеллект и продвинутые когнитивные системы несколько более 10 млрд.долларов, а Китай – как минимум 5-6 млрд.долларов. Существенно превышают прогнозируемый на 2020 год российский уровень расходы на искусственный интеллект в Великобритании, Индии, Канаде, Израиле и в общеевропейской программе. К этому следует добавить, что помимо указанных стран, существует еще одно государство – теневой лидер в области искусственного интеллекта – Япония, где основные направления работ и расходования средств не публикуются.
Приведенная статистика убедительно свидетельствует, что положение дел с искусственным интеллектом в России далеко от удовлетворительного. В определенном смысле, базируясь на ресурсах, выделяемых на искусственный интеллект, ситуацию можно считать угрожающей для национальной безопасности, экономического развития и социально-политической стабильности.
Поскольку именно искусственный интеллект становится важнейшим компонентом не только производственной революции, но и национальной мощи и глобального влияния, к этой теме приковано пристальное внимание разведывательных органов. Осенью прошлого года в Соединенных Штатах состоялся ряд конференций, организованных ведущими фабриками мысли, ассоциированными с военно-промышленным комплексом и разведывательным сообществом по данной проблематике. При всем разнообразии мнений, высказанных в ходе этих встреч, постепенно выкристаллизовалась единая точка зрения. Главную угрозу для американской гегемонии в области искусственного интеллекта представляет Китай. Россия, в отличие от традиционной стратегической и тактической военной мощи, не является сколько-нибудь серьезным игроком на этом поле. Данный вывод аргументировался не только национальными расходами на искусственный интеллект, количеством и качеством полученных страной патентов, долей на глобальном рынке, и направлениями миграции высококвалифицированных программистов, разработчиков искусственного интеллекта. Прежде всего, анализировался национальный потенциал триады, составляющей мощность национального искусственного интеллекта.
В стратегическую триаду искусственного интеллекта входят:
Во-первых, произведенное в стране собственное аппаратное и телекоммуникационное обеспечение искусственного интеллекта.
Во-вторых, программное оснащение искусственного интеллекта, в первую очередь пакеты нейронных сетей, машинного обучения, разнообразного статистического софта, анализа неструктурированной информации, перевода, интерфейса человек-компьютер и т.п.
В-третьих, большие данные, которые собственно и служат «не только новой нефтью, но и пищей для искусственного интеллекта».
Соединенные Штаты, Китай и возможно Япония располагают всеми тремя компонентами триады искусственного интеллекта. Что касается России, то, по мнению аналитиков по обе стороны Атлантического океана, располагая в отличие от многих других, в том числе европейских стран уникальными, недоступными другим агентам, постоянно пополняемыми архивами больших данных, наша страна уступает по двум другим компонентам триады – харду и софту. Что касается программного обеспечения, согласно американским, израильским, китайским оценкам, российские математики, разработчики, программисты, по меньшей мере, не уступают представителям других стран-лидеров. Однако, начиная примерно с 2012 года, налицо мощнейшая утечка наиболее квалифицированных кадров не только в Соединенные Штаты, но и в последние годы – в Западную Европу, в Южную Корею и отчасти в Гонконг, Сингапур и т.п. Также Россия, и об этом свидетельствуют официальные международные данные, не располагает парком собственных аппаратных средств, позволяющих создавать мощный специализированный искусственный интеллект.
В силу указанных выше причин не только американские, британские, но и азиатские эксперты в последнее время списали Россию из числа участников гонки за искусственный интеллект, отведя ей роль донора первоклассных кадров. Трудно спорить с тем, что подобные выводы имеют некоторые основания и подкрепляются статистическими данными. Однако, по мнению авторов, ситуация, хотя и трудна, но отнюдь не безнадежна. Как это ни парадоксально, России благоприятствуют фундаментальные базисные факторы, определяющие мировую динамику.
В силу многих обстоятельств на ведущих мировых форумах и даже на узких конференциях фабрик мысли речь об этих факторах не идет. Причина проста. В русской литературе она описывается известной фразой: «В доме повешенного не говорят о веревке».
Отрицательная конвергенция как магистральное направление глобальной динамики
30 лет назад произошли три события, ключевые для судеб человечества. Перестала существовать социалистическая система и блок ориентированных на нее развивающихся стран. Затем случилась крупнейшая геостратегическая катастрофа XX века – распался Советский Союз.
Синхронно с этим в Китае произошло резкое обострение социально-экономической обстановки и внутриполитической борьбы и случился расстрел демонстрантов, в основном из числа молодежи на площади Тяньаньмэнь. Это событие повлекло за собой практически полный разрыв наладившихся с 70-х годов прошлого века американо-китайских отношений, включая введение эмбарго на осуществление американских капиталовложений в Китай, продажу оружия и другой высокотехнологичной продукции.
В условиях нестабильных цен на энергоносители и в стремлении обеспечить себе полный контроль в одном из наиболее стратегически важных районов мира американская и британская разведки сначала спровоцировали вторжение Саддама Хусейна в Кувейт, а затем осуществили военную операцию «Буря в пустыне», погрузившую этот регион на 30 лет в войну, деструкцию и напряженность.
Три важнейших политико-стратегических события резко изменили расклад внутри мировых элит и запустили три важнейших процесса и по сегодняшний день определяющих мировую динамику.
Во-первых, прекращение социально-экономического, научно-технологического и военно-стратегического соревнования двух систем помимо прочего резко изменило расклады внутри западной элиты и поспособствовало решающей победе финансового капитала над промышленным. Стартовала финансиализация, которая в течение вот уже 30 лет все более и более расширяет масштабы и полностью деформирует глобальную экономику, превращая ее в обслуживающую систему фиктивного капитала. Центральные банки в интересах элитных групп фактически бесконтрольно эмитируют все новые и новые объемы резервных валют.
Если капитализм, в конечном счете, это – строй, нацеленный на получение прибавочной стоимости, накопления капитализации, то финансиализм – это паразитарная система, в которой прибыль получается не в результате воспроизводства, а печати денег и раздачи приближенным банкам, инвестиционным структурам и т.п. Известно, что за период с 2008 года глобальная денежная масса выросла примерно на 40 трлн.долларов. Значительную часть из них получили не домохозяйства, реальный бизнес или даже государство, а финансовая сфера на неограниченный период времени под символические проценты – от 0,5% до 1% в год.
Во-вторых, крах СССР избавил значительную часть американских, британских, европейских элит от преследовавшего их всю вторую половину XX века кошмара формирования единой антикапиталистической коалиции в составе СССР, Китая и Индии. Синхронно с распадом СССР через Гонконг и Сингапур в Китай, прежде всего свободные экономические зоны, пошли гигантские и нарастающие из года в год инвестиции преимущественно из финансовой системы под юрисдикцией Британской Короны, включающей не только собственно Великобританию, но и охватывающие весь мир оффшоры, связанные также с голландским и швейцарским капиталом. Именно эти инвестиции и обеспечили наряду с трудолюбием народа и эффективностью китайского руководства феноменальный рывок Поднебесной. Что касается американцев, то они подключились к этому процессу лишь в конце 90-х годов, когда Б.Клинтон восстановил китайско-американские отношений и снял ограничения на инвестиции и экспорт технологий.
Поскольку в 90-е – первой половине нулевых годов китайское экономическое чудо базировалось на сверхнизкой заработной плате, то, в конечном счете, новое мировое разделение труда, связанное с превращением Китая в мировую фабрику, покончило с бодро развивавшимися в 70-80-е годы процессами роботизации, автоматизации производства на Западе и в СССР. В прессе замелькал заголовок «Китайские кули победили роботов».
В-третьих, завершение соревнования двух систем в политической, военной и социально-экономической сферах позволило победителям этого соревнования осуществить конверсию многих технологий и разработок, которые исходно ориентировались на нужды вооруженных сил и военно-промышленного комплекса. Главным здесь стало введение в гражданский оборот принципиально новой телекоммуникационной системы, долгое время разрабатываемой под эгидой Пентагона, а конкретно – его научного агентства DARPA. В самом конце 80-х годов, когда уже было понятно, что соревнование выиграно, Соединенные Штаты легализовали интернет и превратили его в открытую для любых пользователей свободно развиваемую и достраиваемую систему.
Сегодня мало кто помнит, что зачатки подобных систем, в том числе ориентированные непосредственно на домохозяйства и промышленность, уже существовали в 80-е годы. Речь идёт, прежде всего, о французской системе Минитель, которая, по сути, представляла собой прообраз справочно-информационного интернета, ориентированного непосредственно на население. Ни для кого не секрет, что развитием интернета в начале 90-х годов занимались, прежде всего, университеты, научные учреждения, а также особо продвинутые гики. Однако финансировали все это ведущие фонды и корпорации – подрядчики Пентагона. Последовательно занимаясь микроэлектроникой и телекоммуникациями еще с 50-х годов прошлого века, они представляли колоссальный потенциал новой системы. Кстати, уже тогда он не представлял секрета для наиболее продвинутых исследователей. Например, в Советском Союзе еще в 1980 году в «Молодой гвардии» была опубликована книга Ю.Шейнина «Интегральный интеллект», где подробно, в деталях, был описан сегодняшний, а местами даже завтрашний интернет.
Отмеченные выше процессы поставили на рубеже 80-90-х годов крест на поступательном развитии цивилизации за счет развертывания научно-технической революции. В 70-80-е годы о разворачивающейся научно-технической революции средства массовой информации, исследователи, политики и руководители ведущих стран говорили не меньше, а возможно и больше, чем ныне о так называемой Четвертой производственной революции.
Хотя сам по себе термин «научно-техническая революция» вошел в оборот на рубеже 60-70-х годов, наибольшие темпы революция набрала в начале 80-х годов. В Соединенных Штатах ставший президентом бывший губернатор солнечного штата Калифорния Р.Рейган приступил к осуществлению не только пропагандистского PR проекта «Звездные войны», но и вполне реального целевого секретного проекта «Сократ», ориентированного на разработку и реализацию в американской экономике последних достижений научно-технической революции. В СССР в тот же период (судя по опубликованным в последние годы воспоминаниям) руководство КГБ СССР инициировало соответствующие закрытые программы. Их целью была инвентаризация принципиально новых прорывных технологий в решающем направлении не только военной, но и гражданской сфер, качественно отличающихся от решений и технологий индустриального воспроизводства XX века. Часть этих технологий отбирались для практической разработки и последующего внедрения в народное хозяйство и оборонную сферу.
Крушение СССР и прекращение на тот период соревнования двух систем не только свернули указанные закрытые проекты, но и существенным образом остановили бурное развитие научно-технической революции в целом.
Технотупик
Когда в начале 2016 года глава Давосского форума Клаус Шваб провозгласил Четвёртую промышленную революцию, он решал вполне определенную задачу. Необходимо было дать сигнал мировой элите, что дела в мире идут хорошо и глобальное общество движется от одной производственной революции к другой. Говоря о четвертой промышленной революцию, он мельком упомянул и о третьей, которая связана с микроэлектроникой и интернетом. Тем самым утверждалась парадигма устойчивого, хотя и не без трудностей, поступательного развития глобальной экономики и прежде всего ее авангарда – США, ЕС и Китая.
Однако на поверку имела место подмена понятий. Из истории хорошо известно, что любая производственная революция как раз и является таковой, поскольку ведет к повышению эффективности использования ресурсов, и прежде всего роста производительности труда в странах-лидерах производственной революции. Между тем, многочисленные расчеты, включая юбилейный доклад Римского Клуба «Come On!!» (2017 года) показывают, что в течение последних 50 лет темпы глобального экономического роста, а также темпы роста эффективности неуклонно снижаются. Более того, сам по себе прирост был обеспечен в основном сначала за счет Японии, Южной Кореи и Германии, а затем Китая. Т.е. стран, реализующих так называемую модель догоняющего развития с опорой на зарубежные инвестиции и внедрение зарубежных готовых технологий. Фактические данные позволяют уверенно говорить, что никакой Третьей производственной революции не было. А что касается Четвёртой, то она скорее является не новой революцией, а попыткой возобновления прерванной научно-технической революции 70-80-х годов прошлого века.
Однако весьма сомнительно, что эта попытка увенчается успехом. Прежде всего, следует отметить, что мир в последние 30 лет пребывает в состоянии технотупика. Это понимают наиболее продвинутые представители западной элиты. Подтверждением этому является лежащий на поверхности факт, который, тем не менее, остался незамеченным или, по крайней мере, неакцентированным большинством продвинутых аналитиков. Поясним, о чем идет речь.
Избирательная кампания Д.Трампа шла под лозунгом «Сделаем Америку снова великой!». Лозунг имел двойной смысл. Один – для широких масс избирателей. Он вселял в них надежду, что Трамп защитит рабочие места от китайцев, мексиканцев и европейцев, создаст более благоприятные условия для развития бизнеса и вернет тем самым Америку в благословенные 50-60-е годы.
Второй, более глубокий смысл предназначался для элитных групп. Его носителями были много сделавшие для победы Д.Трампа один из ведущих высокотехнологичный предприниматель Питер Тиль, мыслитель и специалист по информационным операциям Стив Бэннон и руководитель крупнейшей нефтяной компании Exxon Рекс Тиллерсон. По их мнению, сделать Америку снова великой можно было только за счет выдвижения на первые роли во всех сферах производителей или мейкеров, и ограничения господства «распределителей» и хозяев фиктивного капитала. Наиболее полно этот подход описан в статье Питера Тиля «Конец будущего», опубликованной еще в 2011 году, и в серии выступлений Стива Бэннона в разгар предвыборной кампании 2016 года.
То, что глобальное общество, в том числе Америка, по-прежнему, находятся в технотупике и деструктивной фазе динамики лишний раз подтверждает тот факт, что и Тиль, и Бэннон, и Тиллерсон покинули Трампа, а их концепты и разработки исключены из актуальной повестки его администрации.
Для того, чтобы охарактеризовать технотупик, позволим себе привести объемный отрывок одного из наиболее авторитетных научных аналитиков и журналистов - Майкла Хэнлона - на одном из совещаний фабрик мысли в конце прошлого года в Лондоне.
«Мнение, что наш XXI век является одним из самых быстрых в развитии, так популярно, что оспаривать его очень трудно. Почти каждую неделю мы читаем о “новых надеждах” для больных раком и лабораторных открытиях, которые могут привести к созданию передовых лекарств, обсуждаем новую эру космического туризма и суперджетов, на которых можно облететь планету за пару часов. И все же мы порой задумываемся над тем, что этот образ небывалых инноваций не может быть правдив, что многие из этих восторженных криков о прогрессе на деле являются лишь надувательствами, спекуляциями — даже сказками.
А когда-то было время, когда спекуляции совпадали с реальностью. Оно подошло к концу более сорока лет назад. Большая часть того, что случилось с тех пор, сводится к косметическим улучшениям уже созданного. Этот настоящий век инноваций — я назову его Золотой Четвертью — длился примерно с 1945 по 1971 годы. Практически все, что определяет современный мир, либо создали, либо подготовили в это время. Контрацептивы. Электроника. Компьютеры и зарождение Интернета. Ядерная энергия. Телевидение. Антибиотики. Космические полеты. Гражданские права.
Но реален ли прогресс сегодня? Ну, оглянитесь вокруг. Посмотрите в небо, и те самолеты, которые вы увидите, будут слегка обновленными версиями тех самолетов, что были созданы в 60-е — чуть более тихие Тристары с лучшей бортовой аппаратурой. В 1971 обычный лайнер восемь часов летел из Лондона в Нью-Йорк и это не изменилось. А еще в 1971 был лайнер, который летал тем же маршрутом за три часа. Теперь Конкорд мертв. Наши машины быстрее, безопаснее и экономичней в плане топлива, чем машины 1971 года, но коренного сдвига так и не случилось.
И да, мы живем дольше, но это до разочарования слабо связано с недавними прорывами. С 1970 года правительство США потратило больше 100 миллиардов долларов на то, что президент Ричард Никсон назвал «Войной с раком». Еще больше было потрачено остальными богатыми нациями, которые хвастались хорошо оборудованными лабораториями по исследованию рака. Несмотря на миллиардные вложения, война обернулась разгромным поражением. Согласно Национальному центру статистики в области здравоохранения, в США показатели смертности от всех видов рака упали лишь на пять процентов за 1950–2005 годы. Даже если вычесть искаженные факторы вроде возраста (все больше людей доживают до возраста, в котором можно заболеть раком) и улучшенную диагностику, горькая правда такова: в борьбе с большинством видов рака ваши шансы на 2014 год ненамного выше шансов на 1974. Во многих случаях методы вашего лечения будут теми же самыми».
Злорадствовать об иллюзорном характере технологического прогресса в США или в Европе не приходится. У нас дома дела обстоят мягко говоря, не лучше. Например, сегодня никого не удивляет тот факт, что страна не может производить самолеты и вертолеты, спроектированные в 80-е – начале 90-х годов и прошедшие летные испытания в конце 90-х - начале нулевых годов. Мы утратили в области микропроцессорной техники даже те разработки, которые у нас существовали в конце XX века. Например, оптические процессоры на алмазной подложке, специальные процессоры для линейки компьютеров «Эльбрус» и т.п. Новый айфон, разработанный в США и произведенный в Китае или робот-пылесос из Южной Кореи, конечно, облегчают быт, однако, не имеют никакого отношения к научно-технической революции.
Искусственный интеллект в контексте системного кризиса
Как отмечалось выше, искусственный интеллект базируется на триадном потенциале: аппаратно-коммуникационной инфраструктуре, программно-алгоритмическом оснащении и больших структурированных и неструктурированных данных, пополняемых в режиме реального времени.
Бесспорно, в отличие от подавляющего большинства научно-технологических кластеров в сфере аппаратно-телекоммуникационной инфраструктуры за последние 30 лет произошли поистине революционные сдвиги. В соответствии с законом Мура, 30 лет происходило экспоненциальное наращивание мощностей компьютеров и пропускной способности телекоммуникационной магистрали при стремительном удешевлении единицы мощности.
Параллельно, интернет позволил впервые в истории человечества получить, по сути, полные, пополняемые в режиме онлайн архивы поведения, как групп различной размерности, так и отдельных индивидуумов. Причем последние три-четыре года с появлением интернета вещей эти архивы стали охватывать не только мысли, интересы, желания или действия в интернет-среде, но и любой поступок и более того, движение в физической реальности. Цифровой мир, о наступлении которого возвестил несколько лет назад глава Google Э.Шмидт – это не только единство виртуальной и физической реальности, но и, прежде всего, мир тотальной осведомленности хозяев платформ обо всех и каждом.
Что же касается программно-алгоритмического оснащения, то, по большому счету, оно представляет собой совершенствование решений и разработок, сделанных еще в XX веке. Это относится и к принципам машинного обучения, и к нейронным сетям, и к распознаванию образов на основе построения полных комбинаторных таблиц, и к анализу структурированной и неструктурированной информации. Поскольку прорывных открытий в прикладной математике в XXI веке не сделано, то соответственно алгоритмическое ядро современного софта сложилось и существовало в основных чертах еще в период разработки программ «Сократ» и соответствующих советских. Просто 30-40 лет назад эти алгоритмы не являлись машиноисполняемыми программами. У компьютеров не хватало мощности для полных комбинаторных вычислений.
В конечном счете, естественно, огрубляя, можно сказать, что искусственный интеллект базируется, прежде всего, на возможности вычисления количественных зависимостей и отношений между огромным и все возрастающим числом переменных. В этом сила и слабость нынешнего искусственного интеллекта.
Искусственный интеллект уже сегодня способен гораздо эффективнее человека решать любые комбинаторные, счетные задачи, а соответственно распознавать стабильные образы, искать корреляции между огромным числом переменных, выбирать нужную информацию в огромных массивах данных. Ограничением сегодняшнего, да и завтрашнего искусственного интеллекта, является то, что, будучи порождением математики, он не способен помочь в решении противоречивых и динамических задач, где имеет место переход количества в качество. Математика работает только с непротиворечивыми и количественными системами.
В изложенном нет какого-либо умаления достижений искусственного интеллекта. В человеческой практике, согласно расчетам исследователей, как видим, 75-80% задач относится к рутинным, выполняемым, что называется, инстинктивно, на автомате, в рамках наперед заданных условий и норм. В пределе искусственный интеллект может успешнее человека решать все эти задачи. Главное, чтобы были сформулированы условия и определены параметры. Даже самый лучший компьютер, обыгрывающий человека в шахматы или в Го, не способен принять решение о том, что пора закончить играть в Го и перейти к иному виду спорта. Люди старшего поколения прекрасно помнят песню В.Высоцкого о поединке боксера и чемпиона мира по шахматам. Вот эта песня для компьютера принципиально непонятна.
Не только в социальных медиа, но и в серьезной научной периодике, в кулуарах правительств, на международных и на закрытых национальных совещаниях вот уже несколько лет множатся обещания, что еще чуть-чуть и искусственный интеллект определит, как вылечить рак, сконструирует наиболее экономичный космический корабль или разгадает тайну глобального климата. Однако, внимательные аналитики понимают, что все это надо делить даже не на два, а на гораздо больше.
Бесспорно, мощнейшие комбинаторные возможности искусственного интеллекта позволяют решать все более широкий круг задач. Однако, искусственный интеллект сегодня – это не только маркер прорывный разработок, но и прежде всего, маркетинговая марка. Каждые три-четыре года в информационных технологиях появляется новая фишка, на которую клюют инвесторы и вкладывают миллиарды даже не напечатанных, а генерируемых как электросигналы долларов, евро, юаней и тугриков. Только за последние 10 лет мейнстримом являлись социальные сети, большие данные, экспертные когнитивные системы, типа «Watson», искусственный интеллект. Буквально сейчас продолжается хайп блокчейн-технологий, а в двери стучится сверхновый лейбл дополненной реальности. Все эти направления реальны и, бесспорно, серьезно меняют жизнь, бизнес и гражданское общество. Однако все они, несомненно, являются обещаниями, которые исполняются далеко не полностью и сменяются новыми посулами. Пожалуй, лучшей метафорой современного общества является Изумрудный город, где гудвины стараются заработать друг на друге.
В условиях технотупика и безальтернативной стагнации реальной экономики, прикрытой ростом фиктивного капитала в виде курса акций и т.п., искусственный интеллект используется всеми лидерами гонки не в реальной экономике, а в управлении обществом, в обеспечении незыблемости устоев глобального Изумрудного города.
Глубинный смысл «Долгого государства Путина»
Не так давно Владислав Сурков опубликовал знаковый текст «Долгое государство Путина». Как и следовало ожидать, он вызвал острые горячие дискуссии. Причем, большинство обсуждающих увидели в тексте апологетику действующей власти и попытку подвести под российские, во многом неказистые реалии прочную концептуальную основу.
Однако, вполне может оказаться так, что даже наиболее вдумчивые читатели не вполне поняли глубинный смысл текста. Если совсем коротко, то суть его в том, что высказывается мнение об объективности перехода общества от презумпции выбора к принципу доверия. Доверие идет на смену выбора в том смысле, что, по мнению автора статьи, реального выбора в традиционных демократиях остается все меньше и меньше, а соответственно выбор все больше и больше превращается в фикцию, которая чем-то должна быть заменена. В качестве замены предлагается доверие. Эта конструкция категорически не устроила значительную часть участников обсуждения. Однако проблема состоит вот в чём.
Если мы внимательно посмотрим на тенденции развития, а главное, практического применения наиболее мощных систем искусственного интеллекта, то неизбежно придем к выводу, что он используется в странах-лидерах для если не лишения, то, по крайней мере, существенного ограничения возможностей выбора для граждан этих государств.
Наиболее ярко и выпукло это демонстрирует проектируемая к полному запуску в конце 2020 года система Социального кредита в Китае. В настоящее время в Китае разворачивается мощнейший парк искусственных интеллектов, которые будут обрабатывать информацию, получаемую от сотен тысяч камер наружного наблюдения, десятков миллионов планшетов, смартфонов, компьютеров. Эти системы будут контролировать все электронные платежные транзакции, внимательно наблюдать посредством интернета вещей не только за онлайн, но и за реальным оффлайн поведением граждан. В зависимости от результатов граждане еженедельно будут получать определенные баллы, своеобразные оценки своего поведения с позиций соответствия целям и нормам китайского общества. На Западе эту систему уже прозвали оруэлловским Большим братом.
Однако по факту это не вполне так. Дело в том, что вся китайская жизнь пропитана конфуцианской традицией с приматом государства, общества, старших в повседневной жизни личности. Без такого примата китайский социум не смог бы выжить на ограниченной естественными преградами территории в течение тысячелетий. В этом смысле искусственный интеллект системы Социального кредита – это фактически материализация, а точнее информатизация свойственных каждому китайцу конфуцианских заповедей.
Общество при суженом выборе – это не только китайская прерогатива, обусловленная исторической традицией. Это - одновременно реальность Соединенных Штатов, Великобритании, а в перспективе и других европейских стран.
Недавно на русский язык была переведена одна из наиболее влиятельных книг XXI века, работа консультантов Президента США и Премьер-министра Великобритании- К.Санстейна и Р.Таллера - «Nudge. Архитектура выбора”. В дословном переводе Nudge – это подталкивание. Фактически речь идет не о подталкивании, а о незаметном, или как пишут авторы «мягком» принуждении к выбору одного определенного варианта из нескольких.
В настоящее время система Nudge опробуется более чем в 40 странах мира, но наиболее изощренные и эффективные формы разработаны и практически используются именно в США и Великобритании. Это неудивительно. Вот уже как минимум 25 лет население всех экономически развитых стран, и в первую очередь уже упомянутых, ежесекундно через интернет, а также телевидение мягко принуждается к покупке тех или иных товаров или услуг. Не зря маркетинг и реклама уже давно являются важнейшими секторами экономик многих стран, а в структуре цены товара расходы на принуждение к покупке занимают от 15% до 40%.
Кредитная экономика потребительства и поведенческая пассивность неразрывно связаны между собой. Поколения потребителей, сформированные глобальной деструкцией последних 30 лет, когда мировое общество впитало в себя все недостатки капитализма, реального социализма и даже предшествующих формаций, включая феодализм и рабовладение, это – люди, все более и более уклоняющиеся от выбора. Собственно, маркетинг и реклама построены на эксплуатации стереотипов, привычек, элементарных эмоций и желаний. Nudge представляет собой просто следующий шаг в лишении населения как в форме потребительской массы, так и электората, возможности реального выбора. Он, в отличие от традиционного маркетинга, эксплуатирует не только привычки и социальные стереотипы, но и особенности человеческого поведения, групповые инстинкты и свойственные всем людям в той или иной степени леность и отсутствие желания размышлять и напрягаться.
Позволим себе высказать одну неожиданную гипотезу: широко раздуваемая вот уже два года история с вмешательством России в выборы в США является отвлекающим маневром от массированного использования технологии Nudge для манипулирования политическим поведением американских избирателей.
Дело в том, что в ходе избирательной кампании 2016 года впервые масштабно штабом Д.Трампа были использованы Nudge-технологии. По оценке серьезных аналитиков, именно они склонили в пользу Трампа выбор традиционно демократических штатов «ржавого пояса» и принесли ему победу в коллегии выборщиков, при том, что в общенациональном голосовании он проиграл два миллиона голосов Х.Клинтон.
Американцы, и об этом свидетельствуют серьезные, продвинутые ресурсы, всерьез задумались об опасностях Nudge и о том, что искусственный интеллект не когда-то в будущем, а уже сегодня лишает свободы выбора рядовых граждан не только в экономической, но и в политической сферах.
Таким образом, искусственный интеллект, как показано на примере Китая и США, используется в первую очередь для нужд социального управления, превращения буржуазных демократий и авторитарных социалистических режимов в техноэкономические алгоритмические общества. В этих обществах население работает, принимает участие в политической жизни и даже организует свою повседневность в соответствии с алгоритмами, которые реализуются через платформы, типа Amazone или Uber, управляемых искусственным интеллектом на основе больших как обезличенных, так и персональных данных.
Искусственный интеллект и глобальный кризис
История, даже всемирная, это – не процесс непрерывного поступательного развития. Эпохи подъема сменяются периодами спада. Сложные продвинутые общества в истории человечества не раз становились жертвой своей сложности и уступали место гораздо более архаическим и неразвитым структурам. Примерами тому не только Римская Империя и Минойская цивилизация в Европе, но и распады китайских империй, исчезновение цветущих государств Бактрии и Согдианы и т.п.
Есть основание полагать, что человечество находится на грани очередного серьезного кризисного периода. И дело здесь не только в неизбежности в ближайшие годы очередного циклического кризиса. Гораздо важнее, что классический капитализм, став глобальным, исчерпал ресурсы своего существования и на наших глазах трансформируется в поле битвы между финансиализмом и алгоритмической техноэкономикой. Все это происходит на фоне уже начавшегося биосферного кризиса, когда каждый год исчезает до 2% насекомых и 0,5% других живых существ. Все более неустойчивым становится климат. Непрерывно растет загрязнение окружающей среды, которая уже давно стала общенациональной проблемой для Китая и превращается в серьезный социальный вопрос для российских и американских мегаполисов. Ближайшие годы неизбежно станут временем наложения друг на друга негативных тенденций в области экономики, климата, демографии, биосферы и техноценоза. Эта неизбежность заставляет совершенно по-новому посмотреть на проблемы, в том числе искусственного интеллекта.
Нынешний искусственный интеллект, базирующийся на больших данных и традиционной математике, эффективен в условиях пусть быстрого, но стабильного в своих основах мира, мира, где будущее есть в основном продолжение настоящего. Однако мы вступаем в новый мир. В новом мире главными критериями станут выживаемость, надёжность и способность отвечать на экстремальные вызовы. В этом есть значительный шанс для российского общества. Оно традиционно живет в условиях форс-мажора и тектонических сдвигов, поэтому привыкло к режиму выживания. Бесспорно, этот режим мало кому понравится, но, скорее всего, он является неизбежной перспективой. Выживание невозможно без взаимного доверия общества и власти, без создания технологической основы или инфраструктуры выживания общества в форсмажорных условиях. В этой связи недальновидной выглядит идея копирования западных или восточных, например, китайских, лекал в виде цифровизации экономики или попытки догнать уже ушедший поезд традиционного искусственного интеллекта.
Буквально в последние месяцы все чаще в наиболее серьезных, рассчитанных на политический и научный истеблишмент, изданиях появляются публикации о необходимости создания альтернативных моделей искусственного интеллекта, ориентированных не на стабильные условия, а на экстремумы, форс-мажоры и режим выживания. В данном контексте упоминаются такие направления, как переход от чисто дискретных вычислительных устройств к аналого-цифровым, создание интерфейсов компьютер-человек, базирующихся не только на электронном подключении, но и на глубинных особенностях человеческой психики, дополнение двоичной «да-нет» алгоритмики нечеткой логикой, переход от распределенных последовательных к параллельным и многомерным вычислением. По сути, речь идет о переориентации с парадигмы «компьютер как механизм» на природоподобные технологии, о которых впервые в мире с высокой трибуны было сказано в выступлении Путина на Генеральной Ассамблеи ООН еще в 2015 году.
При наличии политической воли, социально-экономических условий, а главное, не показного, а реального доверия и солидарности между властью и населением, именно в России есть наибольшие шансы сделать прорыв в этом направлении. В странах-лидерах гонки в сфере искусственного интеллекта в традиционные направления, базирующиеся на достижениях НТР 70-80-х годов, сделаны слишком большие инвестиции, политические и иные ставки, чтобы отказаться от механической парадигмы и перейти к природоподобной (такие работы активно ведутся в Курчатовском институте). В нашей же стране, где в силу стечения объективных и субъективных факторов, а также случайных обстоятельств, задел традиционных разработок, производственной базы и инфраструктуры полностью исчерпан, можно при наличии воли, желания и единства реализовать имеющиеся не только в России, но и за рубежом разработки и решения по искусственному интеллекту, эффективному в кризисном мире.
Елена Ларина, Владимир Овчинский
http://zavtra.ru/blogs/rivok_v_iskusstvennij_intellekt_ili_fal_start
20.08.2017 О криптовалютах, токенах и блокчейне – на языке «родных осин»
На днях руководство одного из ведущих российских СМИ попросило на понятном языке объяснить, что кроется за криптовалютным бумом. Подготовила текст. Надеюсь, он будет небезынтересен и читателям блога.
Сейчас тема криптовалют по популярности соперничает с батлами реперов. Многие воспринимают криптовалютную лихорадку как что-то модное, приходящее. Многие гуру-экономисты тут же вспоминают Нидерланды XVII века, когда луковицы тюльпанов продавались по цене домов. Российскому населению, с изумлением наблюдающему за биткойном, на ум приходят МММ с С.Мавроди и другие пирамиды 90-х.
Однако о биткойне и блокчейне не стоит судить поверхностно. Они появились в нашей жизни не случайно. Пришли надолго. Что же до ажиотажа, то поговорим о нем отдельно и не сразу.
Прежде всего, детективная завязка. Биткойн появился в 2008 г. Это – год глобального финансово-экономического кризиса. Его создал человек или группа людей, которые до сих пор неизвестны. Долгое время, вплоть до 2013 г., про биткойн и криптовалюты слышали только шифропанки, хакеры и компьютерные фанаты. Да и то не все. Между тем, биткойн – это плод не просто огромной работы, а соединения идей, высказанных задолго до создания первой криптовалюты.
Чтобы понять важность этих идей и сложность их упаковки в один продукт, разберемся, что такое биткойн и другие криптовалюты. Некоторые считают, что это – компьютерный код. Другие полагают - своего рода мания, предмет спекуляция. Третьи что-то рассказывают про шифры. Четвертые – про протоколы. В итоге, основная часть публики, глубоко не погруженная в программирование и хайтек, вообще не понимает, что происходит в глобальном масштабе у них на глазах. С испугом и растерянностью люди во всем мире наблюдают, как буквально за два года из ничего вырос огромный рынок. Сейчас он оценивается примерно в 120 млрд.долларов.
Возможно, вы удивитесь, но, по сути, биткойн и другие мощные криптовалюты – это даже не протокол, а огромный распределенный компьютер. Он состоит из связанных сетью и оснащенных специальными программами компьютеров всех, кто участвует в транзакциях.
Теперь посмотрим, что нужно распределенному компьютеру для работы. Прежде всего, сами компьютеры, провайдеры, которые обеспечивают связь, и желание людей за компьютерами поддерживать сеть и что-то в ней делать. Выделим главные составляющие крптовалюты.
Первое. Как это ни парадоксально, криптовалютная революция – это не революция, а контрреволюция. Общедоступный интернет появился в мире на рубеже 80-90х гг., а активно стал развиваться в начале 90-х годов. Интернет – это иерархическая структура. Он держится на корневых серверах, скрепляющих всю всемирную паутину. Это и есть сеть интернет. Однако задолго до интернета появились одноранговые сети. Это – сети, где все участники обладали равными правами и передавали друг другу сигналы с компьютера на компьютер. Криптовалюты используют именно одноранговые, или как их еще называют P2P сети (равный к равному). В сети как в жизни. Если есть иерархия, то есть начальник или хозяин. Такие сети работают быстрее, тогда их участники полностью зависят от хозяев интернета.
Второе. Интернет в значительной степени стал тем, что он есть, благодаря протоколу передачи данных http. Обязательная составляющая любой криптовалюты – блокчейн – это и есть другой протокол. Он предназначен не для передачи гипертекстов (кликабельных текстов и др.информации), а для передачи транзакций (перевода денег, передачи прав собственности и т.п.). Блокчейн – это своеобразный интернет денег.
Третье. При любом взаимодействии есть ключевая проблема. Это – проблема доверия. Вообще вся нынешняя экономика в значительной мере родилась в рамках решения проблемы доверия. Внутри семьи, особенно традиционной, такой проблемы нет. А даже между хорошо знакомыми людьми она возникает. Нынешняя денежная система, бухгалтерский учет, да и юридические нормы решают в значительной степени проблему доверия. Решают путем писаных норм и наказаний за их нарушения. Биткойн с первых дней своего существования решал ключевую задачу – обеспечить взаимодействие кого угодно в условиях неполного доверия. Был написан программный код протокола – блокчейн, – который обеспечивает автоматическое выполнение транзакций (любых сделок, переводов) лишь тогда, и если стороны выполняют предусмотренные программами условия. Они могут быть какие угодно. (Например, родители переводят ребенку-студенту деньги в другой город, где он учится. В традиционной экономике все заканчивается тем, что студент получает деньги и тратит их, как хочет, единственное, с оглядкой на родителей. Биткойн или другая криптовалюта позволяет записать программным кодом, на что студент может тратить деньги, а на что нет. Это будет реализовано автоматически. Деньги просто не спишутся с его банковской карты, если он пойдет покупать спайс.)
Четвертое. Бухгалтерский учет. Бухгалтерия пронизывает всю нашу жизнь. Без нее мы никуда. Уже почти 500 лет мы пользуемся двойной бухгалтерией и сводим дебет с кредитом, убытки с доходами. При этом существуют огромные армии бухгалтеров и юристов. Они следят за тем, чтобы бухгалтерия велась правильно. Несмотря на это ежегодно мир сотрясают скандалы, когда крупнейшим компаниям удается годами вести поддельную бухгалтерию. Еще в конце 80-х гг. прошлого века была создана трехсторонняя бухгалтерия. К дебету и кредиту была добавлена третья запись – транзакция. По сути, сеть криптовалют – это не только огромный распределенный компьютер, но и огромная база данных, в том числе бухгалтерия. В ней запомнены все транзакции. Деньги просто не могут исчезнуть бесследно. Они всегда приходят с одного адреса на другой. Эту транзакцию невозможно забыть, стереть или подправить. Она общедоступна для всей сети.
Пятое. Для того, чтобы гигантский распределенный компьютер работал, у его участников должен быть интерес. Кто-то должен расходовать электроэнергию, использовать свои компьютеры для поддержания работы сети, осуществления шифрования для того, чтобы никто не мог подделать ни одну транзакцию. Вот в этом то пункте к протоколу и всему остальному добавляется криптовалюта.
Мифический Сатоши Накамото, а как мы с соавтором книги «Кибервойны XXI века. О чем умолчал Сноуден» В.С.Овчинским предположили – группа очень непростых и не случайных разработчиков и людей из элит, связали создание и поддержание сети с интересом. Чтобы была сеть, недостаточно провайдера. Надо, чтобы работали компьютеры и использовались их мощности. Тогда создатель(ли) блокчейна и придумали биткойн. Они предусмотрели дополнительно к протоколу программу, по сути, код, которому придается определенная ценность. Как только появляется ценность (не важно в чем она выражена), и люди соглашаются, что это – именно ценность, они начинают тратить свои ресурсы (в данном случае – использовать свой компьютер) на то или иное дело. Теперь просто понять, что такое майнинг. Это – работа определенной программы на компьютере, которая поддерживает существование и развитие сети блокчейн. И ничего больше. Если говорить грубо, то биткойн – это внутренняя валюта сети блокчейн биткойна, виртуальная цифровая валюта, предмет интереса и вожделения майнеров. Сейчас появились другие протоколы блокчейна, привязанные к иным цифровым монетам – Ethereum, Ripple и др.
Почему речь сначала пошла о внутренней валюте? Почему биткойн связывается с преступниками? Нельзя ли разделить блокчейн и анонимность? Здесь заключена еще одна тайна биткойна. С первых дней существования интернета значительная часть наиболее продвинутых айтишников боролась против диктата государств и их контроля над сетью. При этом, чем дальше, тем больше в борьбу были вовлечены лучшие мозги. Хакеры, одним словом. Поэтому естественно, при разработке биткойна был сделан упор на шифрование и анонимность. Если почитать первые обсуждения биткойна на форумах в 2010- 2012 гг., можно увидеть, что на тему криптовалют общались в основном хакеры, шифропанки, компьютерные анархисты и т.д. Не зря биткойн появился после восхода звезды Джулиана Ассанжа, а фантастический первый взлет его капитализации произошел после откровений Э.Сноудена и всемирной мании на приватность.
Строго говоря, блокчейн может существовать и уже существует как шифрованный, невзламываемый, неанонимный протокол.
Более того, неанонимный блокчейн – это мечта любого правоохранителя. В мире неанонимного блокчейна не только все знают, какие транзакции происходят, но и кто кому переводит, и даже при определенных условиях: кто, сколько, и какой криптовалюты или фиатных денег (долларов, евро, франков и т.п.) имеет в кошельках.
Суть важнейшей задачи, которую решил условный Накамото – в следующем. Для каждой сети главное – ее поддержание и рост. Придумав внутреннюю валюту блокчейна – биткойн – он заинтересовал продвинутых разработчиков, хакеров, шифропанков использовать ресурсы собственных компьютеров для поддержания сети. Для этого надо было только скачать приложение и превратить свой компьютер в элемент всемирного распределенного компьютера. При этом вначале вознаграждение было получить в разы легче, чем сейчас. В будущем будет совсем сложно.
Хитрость Накамото в том, что на программном уровне он заранее программно установил, сколько всего может быть сгенерировано биткойнов за всю историю. Кстати, именно по этой причине классический биткойн стал лишь первой ступенью ракеты, а не космическим кораблем полностью. Один биткойн никогда не сможет покрыть потребности мировой экономики.
Когда разработчики разобрались в новом программном чуде, они стали на протоколе биткойна – блокчейне – придумывать свои варианты валют. Их появилось в 2012-2014 гг. немерено. Большая часть из них не выжила, поскольку ничего интересного в себе не содержала. Однако события, связанные с выпуском криптовалют «на коленке», сарафанное радио, вирусный маркетинг сделали дело. Информация о чем-то новом, непонятном, с какой-то внутренней ценностью, стала доступной не только узким кругам продвинутых айтишников, но и преступникам, отмывателям денег, биржевым спекулянтам.
В 2014 г. случился первый экспоненциальный подъем курса биткойна. Менее чем за год он поднялся с 200 до 1200 долларов, и превысил цену унции золота. Затем пошел вниз. Из внутренней валюты биткойн-блокчейна он превратился в криптовалюту – инвестиционный актив, который может купить или продать любой желающий. Прежде всего, не для того, чтобы биткойном за что-то расплачиваться, хотя это было и остается важной функцией, а главное, чтобы им спекулировать – покупать и продавать. В итоге – биткойн де факто стал деньгами. Правда, в мире почти никто не признает криптовалюты за деньги. В первую очередь не признают центральные банки. Банки и правительства называют биткойн и другие криптовалюты инвестиционным активом или особым классом товаров, но, по сути, появились именно деньги. Деньги – это не просто средство обмена. Вот пишет о деньгах в книге «еMoney. Неофициальная биография денег» банкир и публицист Феликс Мартин: «Можно сказать, что в центре новой теории денег лежит идея кредита. Деньги – не средство обмена, а социальная конструкция, состоящая из трех фундаментальных элементов. Первый из них – абстрактные единицы ценности, в которых измеряются деньги. Второй – система счетов, благодаря которым можно вести учет долгов и кредитов физических лиц или учреждений и осуществлять торговлю между ними. Третий – возможность передачи кредитором полученного обязательства третьей стороне для погашения другого долга».
Деньгам не обязательно быть золотом или серебром. Уже в XVIII веке они сбросили вещественную форму и стали бумажными. Затем валюты превратились в программный код, передаваемый сигналами, ничем не отличающимися (за исключением юридической нормы) от биткойна. Различие в том, что эмиссии, т.е. выпуск денег, могут делать только центральные банки государств или групп государств (ЕС), Больше никаких отличий сегодня нет. Более того, биткойн, объем которого ограничен, хотя бы этим отличается от эмиссии долларов, евро и т.п.
Маленький итог. Впервые идею криптографического протокола, который заодно будет заинтересовывать в поддержании сети, высказали исследователи, работавшие на АНБ в середине 90-х гг. Частные деньги придумал австрийский экономист фон Хайек в 80-е гг. Тройной бухгалтерский учет разработал американский бухгалтер Юджи Иджири в далеком 1989 г. Одноранговые сети существовали еще до интернета. Так что пазл сложился.
Однако когда биткойн зажил собственной жизнью, надо было решать следующую задачу: отделить биткойн и шифропанков, разорвать, казалось бы, незыблемую связь криптовалюты биткойн и его протокола – блокчейна. С этой ролью справился вундеркинд, родом из России Виталик Бутерин. Скажу честно, я за ним наблюдала с 2014 года. Хорошо знаю, что его принимали на высшем уровне. Он, конечно, чрезвычайно умный и талантливый молодой человек. Но он – не выдающийся программист. Он для этого слишком молод и не успел получить серьезного математического образования. Виталик Бутерин стал, прежде всего, глашатаем, идеологом и во всех случаях публичным лицом эфириума – нового блокчейн-протокола и виртуальной валюты. Кстати, любопытно, команда эфириума стала работать над проектом не в привычной Америке или бурно развивающейся Азии, а в консервативной Швейцарии – стране, чье название – синоним денег. Там был создан фонд Эфириум, который координирует работу разработчиков по всему миру. Сейчас Виталик Бутерин перебрался в Сингапур – новую финансовую мекку планеты.
В эфириуме главный упор был сделан на разработку протокола блокчейн, удобного для любых транзакций. Они осуществляются через «умные контракты». Умный контракт – это не юридический контракт. Это – автоматически выполняемое условие передачи чего-то кому-то. Передаваться могут деньги, собственность, данные, да все, что угодно. Оперативно, менее чем за два года, команда разработала собственный блокчейн-протокол, свои приложения, облегчающие разработку умных контрактов и т.п. Так появилась вторая основная криптовалюта на сегодняшний день – эфириум. Биткойну (BTC) и эфириуму (ETH) принадлежит сегодня львиная доля общей капитализации рынка криптовалют.
Теперь поговорим о безумстве этого года, так называемом ICO и тех новых криптовалютах, которые продают и покупают сегодня. Их число стремительно приближается к тысяче.
После глобального финансово-экономического кризиса 2008-2009 гг. появился не только биткойн, но и краудфандинг. До этого в мире существовало железное правило. Если у тебя нет больших денег, ты не можешь инвестировать в рисковые активы – будущие звезды бизнеса. Обычным людям разрешено покупать акции и другие ценные бумаги только на биржевом рынке. При этом, еще с 90-х гг. прошлого века сверхвысокие доходы можно получить не на бирже, а на внебиржевом рынке, где действует венчурный капитал. Он прогнозирует тенденции и на ранней стадии вкладывается в гуглы, яндексы, теслы и т.п. Соответственно, зарабатывает не проценты, не десятки, а сотни процентов.
Краудфандинг начался не с инвестиций. Сильные мира сего настолько достали платежеспособное население планеты, что оно оказалось радо поддерживать даже без надежды на доход различного рода разработки: производство гаджетов, написание книг и т.п. Первоначально краудфандинг появился как экономика дарения. В лучшем случае люди, помимо сопричастности к делу, получали взамен денежного дара что-то в первую очередь или со значительной скидкой. Начавшись с США, краудфандинг быстро добрался до Западной Европы и Азии. В России его судьба оказалась трудной. Доверия, да и денег в стране мало. Скоро рядовые американцы начали задавать вопросы, если можно просто подарить деньги, то почему нельзя их инвестировать. Еще Б.Обама дал такое разрешение, но тут же его ограничил. Дарить может каждый, а инвестировать все равно только богатый человек. Краудинвестинг только в минимальных суммах оказался доступен для американцев.
И тут настал час ICO. Когда идет какой-то стихийный процесс, важно, чтобы он охватил как можно большее число команд и людей. Большинство отсеется, а остальные внесут лепту в общее дело. Собственно программирование в значительной степени так и развивается. Методом снежного кома. Айтишники называют это открытым кодом, т.е. каждый может участвовать. Еще используется термин «модель Linux».
Теперь хочу обратить внимание на ключевую деталь. Когда фонду Эфириум в 2014 г. понадобились деньги, команда не стала обращаться в банки, венчурные фонды или к богатым инвесторам. Она продала монеты эфируим (или эфир), т.е. код, в котором воплощен интерес, за доллары, евро и кстати биткойны. Успех превзошел все ожидания.
Когда эфириум набрал силу, блокчейнизация всего мира перешла в третью фазу. Она имеет три измерения. Первое – блокчейн признали правительства и центральные банки. Второе – блокчейн, как автоматически выполняемые сделки или сделки в условиях неполного доверия, проникает во все поры мировой экономики. И третье –ICO открыл любым командам (как грамотным и талантливым, так и составленным из людей случайных, а то и мошенников) путь к продаже собственных цифровых монет за валюты как реальные, так и крипто. В принципе до эфириума такой опыт был, но только с эфириумом он стал всемирно признанной практикой.
Сегодня не проходит и недели, чтобы не проводилось новое ICO или краудсейлы. Т.е. продажи криптомонет или цифровых криптоденег тем, кто хочет их купить. Есть правда одно ограничение. Их не продают гражданам США. Тонкость в следующем. Когда в ходе ICO говорят о продаже монет, это – строго говоря, лукавство. Продают либо товар, либо долю в будущих доходах. Такие продажи в американском законодательстве запрещены для всех, кроме богатых людей – квалифицированных инвесторов.
Размеры и темпы ICO поражают. Десятки, а иногда и миллионы долларов собираются не за недели, а за дни, а несколько раз – и за часы. Вот здесь конечно серьезная история о мировой экономике и власти переплетается с демонстрацией человеческой жадности, легкомысленности и самонадеянности. (Кстати криптовалюты – не единственный пример. Например, в последние годы сначала в разы выросли цены на недвижимость в некоторых городах Канады и Австралии, а теперь стремительно падают. Причина проста. Инвесторы из Южной Азии и прежде всего из Китая, парковали незаконно выведенные деньги и вкладывали их во что угодно.).
Значительная часть криптовалют не выживет. Подавляющее большинство нынешних проектов ICO лопнут. В этом смысле резоны американских законодателей не лишены оснований. Квалифицированные инвесторы знают, во что можно вкладываться, а во что – нельзя. В свою очередь население стран, подобных России, с традициями МММ, может стать желанной добычей мошенников и проходимцев из мира непонятных криптовалют и диковинных интернет-протоколов.
Коротко о криптовалютах, как их различать. Есть три основных типа криптовалют и их вариации.
Первый тип – это криптовалюты, имеющие собственный протокол блокчейна. Самые известные из них – это биткойн, эфириум, китайские NEO и т.п.
Второй тип – это блокчейн-протоколы с внутренней ценностью – криптовалютами или лучше назвать – криптомонетами, предназначенными для определенных целей. Им наиболее точно подходят наименования токены. Токен в переводе с английского это – ключ. Покупая токен, человек не только приобретает инвестиционный товар для спекуляций, но и своего рода ключ, платный пароль, или как говорят айтишники API с тем, чтобы пользоваться тем или иным сервисом. Например, третью строчку по капитализации криптовалют занимает Ripple. Это – специализированный блокчейн-протокол для перевода денег. И только. Он позволяет резко снизить цену трансграничных платежей. Его вовсю используют не только децентрализованные структуры, но и мировые банки. Многие наиболее интересные более-менее небольшие проекты делаются именно в этом секторе. Цель здесь – не продать побольше монет на ICO, а занять нишу в мировой или региональной экономике и финансах.
Третий тип – это криптовалюты как инвестиции и предмет спекуляций. Их часто называют лексемы. Потенциал их не слишком велик, хотя бывают и здесь интересные проекты. В этих проектах всегда используются основные протоколы, типа блокчейн биткойна, блокчейн эфириума, блокчейн WAWES. И главное, не в функции, а в проекте, приспособить под проект блокчейн и продать монеты, рассказывая зевакам, что если бы они на 1000 долларов купили в 2013 году биткойнов, то сегодня были бы миллионерами. А они и продают именно новый биткойн, а соответственно их монеты и надо срочно покупать. На подобные проекты повсеместно приходится львиная доля нынешних ICO. Хотя подчеркну еще раз, и здесь есть талантливые команды, отличные разработчики, блистательные проекты с большим коммерческим будущим.
Хочу привлечь внимание еще к одной цифре. При всем значении для глобальной экономики, динамики развития и ажиотаже, роль криптовалют в мировых финансах пока микроскопически мала. Капитализация криптовалют составляет примерно 120 млрд. долларов. Глобальная денежная масса – порядка 75 трлн.долларов. Грубо говоря, сейчас на криптовалюты приходится 0,2% мировой денежной массы.
В общем, решение руководства страны взять курс на цифровую экономику и поддержать блокчейн – это не только своевременное, но и уникальное решение. Тот же Виталик Бутерин мало с кем из мировых лидеров встречался. Теперь главное – не превратить блокчейн в новый повод принятия программ, разработку громадья планов или добычу чего-нибудь где-нибудь, например, криптовалют на заводе «Москвич». Блокчейн – это, прежде всего, технология завтрашнего дня. От нее зависит не только экономическая динамика, но и национальная безопасность. Не зря те же китайцы не стали брать на вооружение биткойн биткойна или эфириума, а создали свой многофункциональный блокчейн-протокол NEO, ориентированный именно на китайскую специфику. Блокчейн – это как раз позиция, где государство, общество и бизнес могут работать сообща, как партнеры. Надо помнить, что блокчейн – это протокол «равный к равному», и сверху им не покомандуешь.
Ларина Е.С.
04.01.2017 От больших данных к Большому Брату. Иван Бегтин.
|
|
Государства следуют той же канвой, что и все крупнейшие корпорации в последние годы. Интернет-технологии позволяют монетизировать слежку за гражданами, как минимум, в части их потребительского поведения. Государства же являются «догоняющими игроками», использующими коммерческие наработки в своих целях. Об этом в лекции директора АНО «Информационная культура» Примеры.
10.12.2016 Искусственный интеллект приведет к сознательной архаизации жизни.
Академик Александр Кулешов, один из ведущих отечественных специалистов в деле создания нейросетей, искусственного интеллекта и сложных систем обработки информации рассказал о том, насколько близко человечество к созданию самосовершенствующихся машин, к чему приведет их создание и то, был ли прав Стивен Хокинг, опасающийся тех проблем, которые несут за собой разумные машины.
"ЧУЖОЙ" ИЛИ ЧЕЛОВЕЧЕСКИЙ ИНТЕЛЛЕКТ?
"Почему искусственный интеллект и "умная" обработка данных сегодня привлекают так много внимания? Что произошло? Данные, на самом деле, обрабатывались всегда. Еще со времен Галилея результаты научных экспериментов обрабатывались (математически). Что сегодня случилось нового, что вытолкнуло эту проблему на передний план?", — начал свой рассказ ректор "Сколтеха".
Как отмечает академик Кулешов, изменился объем данных, с которыми сегодня работает человек и компьютеры – сейчас компьютерные программы собирают, хранят и обрабатывают терабайты и петабайты данных, обработка которых при помощи традиционных систем анализа информации крайне сложна.
Люди, к примеру, операторы АЭС или пилоты самолетов, имеют доступ к десяткам или даже сотням экранов с различной диагностической информацией, каждый из которых почти ничего не значит сам по себе, и не поможет найти ошибку в работе оборудования, но комбинация которых почти со 100% вероятностью позволит раскрыть проблему еще до того, как она достигнет критической стадии.
Естественно, продолжает ученый, что человек не способен одновременно следить за 50 экранами, что порождает необходимость создания систем, которые анализировали бы эти данные и выводили на один экран только то, что действительно важно для принятия решений и мониторинга ситуации.
"Абсолютно новые математические системы, появившиеся для анализа таких "больших данных", выросли за их пределы, и они применимы для анализа любой информации при помощи любых технических средств. На самом деле, они бы и в 17 веке были бы новыми и пригодились бы ученым того времени. Но я подчеркиваю, что все это появилось именно на волне новых технологий", — продолжает Кулешов.
Большая часть дискуссий вокруг этих технологий, как отмечает академик, произрастает из того факта, что существует разница между русским словом "интеллект" и английским словом intelligence, которая заставляет многих участников этих споров считать, что искусственный интеллект должен быть некой антропоморфной конструкцией, напоминающей и имитирующей свойства интеллекта человека. На самом деле, по словам Кулешова, последние 25-30 лет исследований показывают, что подобный подход ошибочен и не ведет к значимым результатам, применимым на практике.
"Антропоморфность и природоподобность – популярные термины, однако за минувшие века ничего никогда не получалось. К примеру, Леонардо да Винчи рисовал механических коней, Дедал и Икар пытались летать, как птички, однако ничего никогда не получалось – по нашим улицам сейчас бегают совсем не механические кони, и летаем мы иначе. То же самое с мозгом – те попытки понять, как устроен мозг, и сделать то же самое в компьютере, полностью провалились", — добавляет лектор.
ГЛУБИНЫ ИНТЕЛЛЕКТА
Фактически, ренессанс разработок "искусственного интеллекта" начался совсем недавно, в конце 2000 годов, когда ряд американских и российских математиков и программистов предложили и реализовали алгоритмы ИИ, которые в последствии стали называться методами "глубинного обучения" и методами "обучения на базе многообразий".
"В конце концов, о нейронных сетях начали забывать, стало понятно, что ничего не получается с ними, и все как-то пропустили публикацию в 2005 году статьи Хинтона и Крижевского, которая сейчас определяет наше будущее. Я тоже участвовал в этих "похоронах", но оказалось, что не все так просто", — объясняет ученый.
Как оказалось, простые нейронные сети, объединенные в каскады и сложные системы из различно устроенных сетей, ведут себя не так, как ожидали ученые. И, как показала практика, они способны решать те задачи, которые раньше искусственному интеллекту не были под силу, в том числе распознавание речи, фотографий людей, различных объектов и даже предсказание поломок и катастроф.
"Возникла совершенно уникальная ситуация – никто сегодня не может сказать, как работают глубокие нейронные сети. Американское оборонное агентство DARPA готово выдать премию в миллион долларов за объяснение того, как они работают, но я так полагаю, что эта премия в ближайшие лет 30-40 останется невостребованной. Я знаю очень серьезных математиков, которые бьются над этой задачей без малейшего успеха. Мы, можно сказать, вернулись к временам натурфилософии – есть некий способ, который фантастически хорошо работает, но мы не можем объяснить, почему", — рассказывает Кулешов.
Глубинные нейронные сети, говорит ученый, давно догнали и обогнали человека во многих областях знаний, умея определять и различать такие вещи, которые обычному, нетренированному человеку просто не под силу. Самые последние версии подобных нейросетей совершают меньше ошибок, чем люди, натренированные решать те задачи, за которые будут отвечать подобные системы ИИ в будущем.
К примеру, ученые уже создали нейросети, способные описывать происходящее на фотографиях и в видеороликах не хуже, чем это делает человек. Подобные алгоритмы могут помочь слепым или глухим людям понимать то, что происходит вокруг них и что они не могут услышать или увидеть, а спецслужбы смогут использовать такие сети для поиска террористов или подозреваемых в архивах видеонаблюдений или при оперативной работе в аэропортах и прочих местах скопления людей.
"В мире сегодня работает около 70 миллионов инженеров-конструкторов, и статистика показывает, что лишь 20% продуктов их деятельности является какими-то новыми разработками. Остальные 80% были или уже созданы другими инженерами, или являются незначительными доработками уже существующих моделей. Создание системы ИИ, способной находить то, что вам нужно, резко сократит то время и ресурсы, которые обычно тратятся на их разработку. Пока таких систем нет, но уже через 1-2 года они появятся", — продолжает академик.
По его словам, другим примером подобных систем является программа, разработанная аспирантами Кулешова, позволяющая определять, есть ли у человека болезнь Альцгеймера или нет, изучая фотографии его мозга, полученные при помощи магнитно-резонансного томографа.
Всего 200 снимков МРТ людей, страдающих от этой болезни, российским ученым хватило для того, чтобы "научить" искусственный интеллект различать здоровый и больной мозг с 90% точностью. Схожим образом российские математики научились находить язвы в желудке человека по его электрокардиограмме.
В сотрудничестве и по заказу с РКК "Энергия", Кулешов и его коллеги создали новый революционный алгоритм управления двигателями МКС, который позволит сократить расходы топлива на поддержание высоты станции в примерно 40 раз по сравнению с текущей программой, созданной американскими учеными для замены старой российской системы, и в пять раз лучше готовящейся программы НАСА.
Новая система, основанная на технологиях "обучения на базе многообразий", будет проверена на борту станции уже в следующем году. Другая система ИИ, созданная российскими математиками и программистами, уже сейчас работает в РЖД и помогает определить, какие поломки стоит починить в первую очередь для минимизации расходов ресурсов.
Похожие программы, как рассказывает ученый, иногда используются и для самых неожиданных целей – к примеру, ИИ, созданный для просчета крыльев самолетов, используется компанией Louis Vuitton для создания кремов для отбеливания кожи.
"Дальнейшее развитие этих технологий радикально поменяет жизнь человека. Представьте себе, вы выходите из зарубежной гостиницы, вас случайно фотографируют туристы, этот снимок попадает в поисковую систему, она вас "вычисляет" на этих снимках и через пять минут ваш начальник об этом узнает. В результате вам будет очень сложно убедить его в том, что вы поехали в "местную" командировку", — объясняет Кулешов.
АРГУМЕНТИРОВАННАЯ АРХАИЧЕСКАЯ РЕАЛЬНОСТЬ
Развитие ИИ, как считает академик, открывает дверь в совершенно новое пространство, в которое человечество вступит очень быстро. И не все в этом мире будет полезным и приятным для человечества в целом и отдельных людей в частности.
"Совершенно очевидно, что социальные сдвиги от этого будут громадными. Число работников средней квалификации уже сегодня сокращается как шагреневая кожа, и появление ИИ, способных решать эти задачи, лишит их работы. Все эти инженеры, таксисты, пилоты, медсестры, рабочие – миллионы людей – должны будут исчезнуть, и только 1%, как показывают текущие исследования, может приспособиться к новым реалиям и переучиться", — рассказывает ученый.
По его словам, "мы стоим на грани совершенно чудовищных социальных последствий от развития систем искусственного интеллекта. Мы сейчас не можем оценить их масштаб, подобно людям, находящимся в центре урагана или на пике революции. Деньги сейчас нужно срочно вкладывать в образование, так как люди средней квалификации становятся совершенно ненужными".
Как отмечает ректор Сколтеха, мир сегодня в состоянии прокормить все человечество, но он не в состоянии его занять. Эта безработица и отсутствие цели в жизни могли уже отразиться на жизни Европы и других развитых стран и породить различные радикальные движения, подобные ИГ и прочим запрещенным экстремистским и религиозным группировкам.
"Это сознательная архаизация жизни, создание ситуации, в которой я буду ощущать себя нужным. Черт с ним, что я живу хуже, но зато я живу не как все. Ощущение того, что тебе постоянно бесплатно присылают фастфуд и дают кроссовки раз в полгода, но при этом ты ни для чего не нужен, на самом деле ужасное. И ощущение это будет только нарастать по мере развития ИИ и робототехники", — продолжает Кулешов.
Заметная часть этой проблемы связана с тем, что человек просто не успевает "эволюционировать" вслед за ИИ – поколения людей сменяются каждые 25 лет, а технологические революции происходят с интервалом в 5-6 лет. Поэтому, как отмечает ректор, число "ненужных" людей будет постоянно расти, и только массовое образование может помочь избежать социального взрыва и появления новой волны луддитов.
"У того, на пороге чего мы стоим, сейчас еще нет названия, и я даже не знаю, как это можно назвать. Наверное, их можно назвать "неуправляемыми интеллектуальными системами". Это принципиально новые системы, генерирующие сами себя, и мы совсем недалеко от того времени, когда они начнут проникать в нашу жизнь", — заключает ученый.
http://izborskiy-club.livejournal.com/600302.html
09.12.2016 Big Data. Кто сделал Трампа президентом?
|
|
Современное общество все больше погружается в цифровой мир и это неизбежно ведет к созданию огромных массивов информации, которые на первый взгляд нельзя использовать для практических задач из-за их объема. Если вчера искусственный интеллект обучали водить машину и распознавать слова, то сегодня его уже научили выигрывать избирательные кампании и выбирать президентов в США. Индивидуальный профиль человека и индивидуальная обработка его сознания
25.02.2016 Корпорация монстров Google и цифровая диктатура будущего.
|
|
Выступление писателя и историка Перетолчина Д. на круглом столе в дискуссионном клубе партии "Родина". Палитра проектов Google. К вопросу о тоталитаризме и трансгуманизме.
18.09.2015 Реально биг дата.
Техническая заметка в продолжении про "цифровую укопию" - сводка ссылок на реальные информационные базы (суда, самолеты, оффшоры, базовые станции, ...).
Отслеживание самолетов
Отслеживание судов (в том числе яхты и маломерки):
можно кстати самим танкеры отслеживать, их не так уж много - если на Аргус, Платтс, Кортес не хватает.
Росреестр:
http://maps.rosreestr.ru/PortalOnline/ - выписка на владельца любой недвиги за несколько рублей
Выписка на владельцев компании из егрюл - http://egrul.nalog.ru/ , теперь бесплатно
проверка истории машины - http://www.gibdd.ru/check/auto/
(кстати в сервисе проверки штрафов на ПГУ - можно было смотреть и _чужие_ штрафы тоже, не знаю как сейчас )
все Российские речные суда - http://www.rivreg.ru/services/class/suda_registr/
Кипрские оффшоры:
http://www.cyprus-data.com/ 20 баксов
Типа непрозрачные британские острова BVI:
http://www.bvifsc.vg/en-gb/divisions/registryofcorporateaffairs.aspx
на самом деле просто чуть дороже - 150 баксов (очень хочу узнать о новых владельцах d3.ru, что то там помоему ходорковским завоняло )
Швейцарские персональные - https://secure.creditreform.ch/index.php?id=821&L=1 , ну и обще европейские коллекторско-скоринговые http://www.skyminder.com/basic/services/services.asp
И недавно для себя открыл великолепнейший образец datashare концепции (когда данные собирают сами пользователи)
Карта базовых станций (850 тысяч станций по всей планете, 5млрд записей об уровне сигнала) :
Есть все от Донецка до Алеппо, с координатами вплоть до метра - хоть сразу артиллеристам отдавай.
Проверил, упомянутая Слободиным билайновская на мавзолее, по которой он смотрел чужой трафик, тоже есть.
Кстати интересно существует приложение для вояк? Помню на военной кафедре по полигону под Лугой с буссолью бегал и планшетом, считал что то. Теперь же все в мобильном телефоне можно - забил координаты своей Д-30, координаты цели, тип снаряда, погоду из сервиса или мобильной погодной станции (трехкопеечные китайские, дома такую недавно поставил - давление влажность ветер все измеряет и передает куда следует), ...
Многие сервисы не централизованные, по тем же самолетам - аналогично opensignal'у , для энтузиастов(?) есть usb свистки ADS-B ( http://ru.flightaware.com/adsb/stats/ ) ... у нас в России тоже делают, правда почему то продавцы шифруются наверно все таки полузаконно.
Карты электросетей и газопроводов, нефтепроводов приводил раньше.
Также писал заметки про базу патентов и базу метрологии для отслеживания работ-строек-исследований.
Данные по _всем_ потребителям электроэнергии практически в открытом доступе (см. заметку про деликатесы в тарифном меню).
Короче, при относительно небольших вложениях можно отследить практически любую серьезную планетарную экономическо-социальную активность по прямым или косвенным признакам. Transparency on the march. Так ведь и до "неизвестных отцов" скоро _рядовой_ гражданин сможет добраться ))) ( в смысле "неизвестности" конечно).
Это открытые сервисы, а есть же еще "утечки"... или коммерческие базы, полуоткрытые, закупочные процедуры крупных структур (в том числе армейских), рекрутинговых агентств-систем( oraclовый taleo - 50% всего корпоративного HR рынка америки например держит у себя в облаке).
Еще по этим самым косвенным (слежу по crossborder taxe's активности) - сейчас наблюдается бегство "капитала" в сингапур-гонконг, но признаться откровенно я узкопленочным не доверяю, да и "капитал" то в баксах, бгг. Очевиден только один настоящий вариант спасения от переформатирования, "new world order", кнута цифрового надсмотрщика-мытаря на стройке новой вавилонской башни - уютный планетарный heartland - RU, помимо политической стабильности - ни землетрясений, ни наводнений, ни ураганов... , поместье где нибудь под Плёсом... , счет в банке Россия (в энергорублях!)... потому как инструменты теже, но наша цивилизация однозначно гуманней, не смотря на все статейки в википедиях.
Наличие реальной информации рано или поздно должно трансформировать СМИ, а также стратегию и тактику любителей политико-экономического трепа - легко проверить заявления об успехах или неудачах, прогнозы и обещания. В том числе и такие типа серьезные вроде нашей энергостратегии до 2035 года http://minenergo.gov.ru/press/min_news/3344.html ( от 16 сентября 2015 )
P.S.
Буду рад комментариям с ссылками на подобные перечисленным ресурсы с открытыми массовыми данными.
Смирнов Р.
http://romansmirnov.org/?mode=blog_view&id=255
14.07.2014 Большие Данные в России: императивы ситуации
В течение последнего года практически ежемесячно, а то и чаще в стране проводятся различного рода конференции по Большим Данным. О чем же идет речь на подобных конференциях? Так на только что закончившемся Global Entrepreneurship Congress 2014 «Большие возможности Больших Данных», как сообщают электронные СМИ «участники дискуссии привели многочисленные примеры использования технологий Big Data и связанной с этим серьезной экономии средств компаний. Среди таких примеров – система анализа поведения оборудования самолетов, предсказание сбоев и поломок и упредительная замена изношенных частей в аэропорту, в который направляется конкретное воздушное судно; анализ открытых спутниковых данных для оптимального планирования парковок; управление показами рекламных баннеров на сайте в зависимости от того, какую именно покупку совершает пользователь с помощью своей кредитной карты; сервис, информирующий автовладельцев о планах городских властей произвести ремонт или уборку улицы в том месте, где они оставили припаркованный автомобиль; прогнозирование спроса на отдельные наименования товаров и управление складами онлайн-магазинов; использование беспилотных аппаратов для сбора информации о состоянии линий электропередач в отдаленных районах, которое приводит к исключению ненужных дальних поездок сервисных бригад; наконец, использование сенсоров на лопастях ветряных мельниц, данные с которых помогают спрогнозировать, откуда именно поступит электроэнергия в следующую минуту (поскольку цены на электроэнергию на глобальном рынке меняются ежеминутно, экономия измеряется миллионами долларов».
Конечно обсуждение «ветряных мельниц» и рекламных баннеров на сайтах впечатляет, но куда важнее следующие обстоятельства:
во-первых, на всех подобных конференциях речь идет о Больших Данных в их вчерашнем, а то и позавчерашнем понимании. Большие Данные, как правило, связываются исключительно с бизнес-аналитикой и с возрастанием объемов, многообразия и скорости передачи данных. Так понимали Большие Данные в США, Европе, Японии три- пять лет назад, когда собственно и появился этот термин;
во-вторых, речь на конференциях идет, как правило, о будущем времени. По мнению большинства участников, например, одного из руководителей компании Форс – Центра внедрения Oracle О.Горчинской «Практически нет проблем с наличием и доступностью технологий Больших Данных, готовностью поставщиков и интеграторов к их внедрению. Но в большинстве своем российские организации пока еще только присматриваются к таким решениям»;
в-третьих, ключевыми докладчиками, а то и организаторами таких конференций выступают, прежде всего, зарубежные компании, в первую очередь IBM, Oracle, SAP и т.п. Безусловно, взаимовыгодное, многостороннее сотрудничество с транснациональными гигантами IT индустрии весьма полезно и выгодно как для российской экономики, так и для российских разработчиков. Углубление такого сотрудничества соответствует интересам бизнеса, способствует оптимальному углублению разделения труда в IT сфере в глобальном масштабе.
Однако, в нынешней непростой геополитической обстановке нельзя закрывать глаза на одно неочевидное обстоятельство. Сегодня все зарубежные СМИ полны аналитическими статьями об использовании Россией энергетических ресурсов в качестве своеобразного геополитического оружия и средства достижения национальных целей. В этой связи вполне закономерно и логично предположить, что США, являющиеся бесспорными лидерами в сфере информационных технологий также рассматривают их как своего рода технологическое оружие и средство научно-технического, экономического и геополитического давления.
Зарубежные специалисты полагают, что рынок в сфере Больших Данных в России достаточно ограничен с точки зрения готовности российских потребителей к использованию кластера этих технологий. Однако представляется, что подобная ограниченность не является единственной причиной повестки дня конференций. Другая, непроговариваемая причина состоит в том, что, по сути, зарубежные производители программных продуктов, связанных с Большими Данными, навязывают российскому рынку своего рода «консервирующую динамику». Эта динамика закрепляет отставание российской экономики вообще, и IT отрасли в частности от зарубежных конкурентов и поддерживает господство зарубежных производителей на этом стратегическом сегменте IT рынка.
Любой профессионал в сфере Больших Данных на вопрос, какие темы сегодня обсуждаются на конференциях по Большим Данным за рубежом, ответит, что там речь идет, в первую очередь, о так называемой «предсказательной» аналитике, поведенческом маркетинге на основе Больших Данных, экспертных системах, базирующихся на когнитивных вычислениях Больших Данных и т.п. Ни о чем подобном в практическом плане на российских конференциях, организованных транснациональными IT компаниями, речь не ведется.
Как же быть в сложившейся ситуации?
Представляется, что начинать сегодня наверстывать упущенное и повторять уже пройденный путь вряд ли целесообразно. В подобном случае российский IT сегмент Больших Данных, обслуживающий, в том числе, не только интересы бизнеса, но и государственного управления, включая вопросы национальной безопасности, окажется вечно отстающем. Видимо, есть смысл сразу задуматься о реализации решений завтрашнего дня. Тем более, предпосылки в виде отечественной математической и программистской школ, кадрового потенциала, финансовых ресурсов и т.п. в нашей стране имеется.
Что же будет выступать завтрашним днем Больших Данных? Чтобы ответить на этот вопрос, необходимо внимательно присмотреться к наиболее динамично развивающимся направлениям сегодняшнего дня. Среди них выделяются:
- Третья производственная революция с массовой роботизацией, автоматизацией производства, внедрением 3D печати, базирующаяся на информационных технологиях и Больших Данных, как на несущей конструкции;
- повсеместное распространение «интернета вещей» и ускоренный переход от «интернета вещей» к «интернету всего». «Интернет всего» предполагает, что к всемирной сети будут подключены практически все устройства, предметы и инфраструктуры во всех сферах жизнедеятельности социума и отдельного человека;
- широкое распространение автоматизированных систем поддержки и принятия решений на основе Больших Данных. Наиболее значительным прорывом в этой сфере на сегодняшний день стали системы высокочастотного, полностью роботизированного трейдинга. Ежедневно эти системы при минимальном участии человека или без оного, осуществляют торговые сделки, измеряемые сотнями миллиардов долларов. Ширится мнение, что на высокочастотном трейдинге отрабатываются человеко-машинные и автоматизированные системы принятия решений для сложных и сверхсложных систем.
Все три магистральных направления развития информационных технологий ведут к появлению в ближайшем будущем распределенных самообучающихся систем когнитивных вычислений. Поясним, о чем идет речь на самом простом примере. Всем хорошо известно, что Google активнейшим образом развивает программу полностью автоматизированных автомобилей, способных к нормальной эксплуатации в напряженной городской среде. В рамках этой программы реализуется следующий важнейший принцип. Каждый автомобиль снабжен как автономным бортовым компьютером со встроенной программой машинного обучения, так и подключением к общей базе сверхбольших Данных для всех эксплуатируемых автомобилей. Т.е. на каждой дорожной ситуации, на каждом ЧП, в которое попадает машина, программа учится, находит имеющиеся в ней ошибки, устраняет их с тем, чтобы в последующем не попадать в подобные ситуации. В этом смысле машина, пускай грубо, но имитирует принцип жизнедеятельности человека, который, как известно, учится на собственных ошибках. Одновременно программа сообщает о найденной ошибке, ее решении в общую распределенную базу сверхбольших Данных, к которой подключены все автомобили. Тем самым, каждая машина учится не только на собственных ошибках, но и на ошибках, которые совершаются другими автомобилями. Более того, найденное программой одного автомобиля удачное программное решение становится достоянием всех. Фактически мы имеем дело со своего рода стаей, соединенной тесными связями взаимного обучения. Применительно к производственным роботам подобная программа сейчас реализуется в Германии. К роботам, занимающимся уборкой домов – в Японии.
О чем это все говорит? Мы видим, что повсеместно Большие Данные используются для коллективного обучения и выработки все более эффективных решений. Фактически это, по сути, является имитацией памяти и логического мышления. Ведь память тоже аккумулирует знания о прошлом, о том, что удалось и не удалось, закрепляет удачные образцы, которые в дальнейшем и используются в поведении и, как открыл П.Анохин, в опережающем реагировании на изменения внешней среды.
Сначала человек использовал только возможности своего физического тела и соответственно своей психо-физиологической памяти. Всем хорошо известно, что помнит человек практически все, но вот использовать все, что находится в памяти, не многим причинам.
В дальнейшем с появлением развитых языков и письменности человек, по сути, выстроил вторую, коллективную память, где фиксировались индивидуальные и групповые успехи и неудачи, к которым мог иметь доступ любой участник социума. В этом смысле тексты, фильмы, аудиозаписи и т.п. представляют собой память «второго рода».
Несложно заметить, что Большие Данные есть не что иное, как память «третьего рода», ориентированная на эксплуатацию человеко-машинными системами. Эта память имеет распределенный характер, в ней ничего не забывается, к ней постоянно открыт доступ, она используется в режиме 24/7 и построена так, чтобы быть удобной для применения мощнейших средств интеллектуального, прежде всего, математического анализа. Наконец, мощность этой памяти и возможность обработки хранящейся в ней информации при помощи самых различных методов значительно превышает мощность любого индивидуального интеллекта.
В этом смысле создание действующих систем хранения, обработки и восприятия Больших Данных, как памяти «третьего рода» является прорывом, сравнимым с появлением самих по себе компьютеров, а также других эпохальных технических решений. При этом, в данном случае речь идет не только о чисто техническом, но о социотехническом решении, которое затрагивает все стороны практической жизни людей. Также понятно, что создание и эксплуатация памяти «третьего рода» становится одним из решающих преимуществ, обеспечивающих ее обладателям доминирование в любых сферах жизнедеятельности.
В этой связи с особой остротой встает тема, которую в течение последнего года активнейшим образом разрабатывает один из самых известных людей в российской IT индустрии Игорь Ашманов. Это тема информационного суверенитета.
Информационный суверенитет — это «возможность государства управлять информацией». Информационный или цифровой суверенитет, как справедливо отмечает И. Ашманов, включает несколько компонентов. Это и техническая инфраструктура, и программные продукты, и собственные поисковые системы, и социальные сети и т.п.
В ближайшем будущем несущей конструкцией и ключевым ресурсом, определяющим цифровой суверенитет, становятся Большие Данные, как третий вид памяти. Именно Большие Данные аккумулируют в себе архивы и поисковых систем, и социальных сетей, и торговых платформ, и бизнес-и государственные базы самого различного рода и т.п.
Особо проблема цифрового суверенитета обостряется в современном мире. Не секрет, что сегодня происходит не только слом однополярной мировой системы, но и де факто мир прощается с Потсдамской системой мироустройства. Реальностью становится факт, что все большую роль в международных отношениях начинает играть не право, а сила.
Собственно процесс этот начался давно. Наиболее ярко он проявил себя в конце 90-х г. в связи с распадом бывшей Югославии и событиями в Косово. Сегодня же мы являемся свидетелями конца монополии на односторонний демонтаж прежнего миропорядка. Прекрасно отдавая себе отчет в возрастании значения силового компонента, Соединенные Штаты и их союзники одновременно не испытывают иллюзий относительно возможностей применения наиболее разрушительных видов вооружения. По мнению большинства экспертов ни Соединенные Штаты, ни Западная Европа не технически, не организационно, не, главное, ментально, не готовы к серьезной «горячей» войне.
В этой связи последние 30 лет, прежде всего, в США и Великобритании ведется неустанный поиск новых видов вооружений, которые позволяют реализовать Оруэллианскую концепцию: «мир – это война, свобода – это рабство». Первыми в ряду этих вооружений были кажущиеся сегодня простыми информационно-психологические вооружения, базирующиеся на традиционной пропаганде и достижениях классической психологии. Затем стали использоваться более изощренные технологии программирования деструктивных действий в виде «цветных» революций и т.п.
Не секрет, что до сих пор наиболее обсуждаемыми темами среди российского экспертного сообщества остаются темы цветных революций, так называемого «управляемого хаоса» и т.п. Между тем, эти темы всерьез уже перестали рассматриваться западным военно-разведывательным сообществом как последние, и наиболее совершенные военные технологии. При этом в США, Великобритании и т.п. продолжают активно издаваться книги по цветным революциям, управляемому хаосу, деструктивным восстаниям и т.п. Проводятся соответствующие конференции. Однако ничего принципиально нового на них не появляется. Детальный анализ участников конференций и авторов книг, а также конструктивное рассмотрение их содержания показывает, что последние полтора-два года подобные мероприятия выполняют скорее отвлекающую роль. Фактически есть основания полагать, что эта работа в немалой степени стала элементом большой операции прикрытия и дезинформации, направленной на отвлечение интеллектуальных усилий цивилизационного противника.
На практике же главные усилия, как мы постарались показать в серии статей, сосредоточены на разработке принципиально нового поколения вооружений, так называемых «поведенческих» вооружений. Поведенческие вооружения базируются на трех китах: Больших Данных, как памяти «третьего рода», когнитивных вычислениях, объединяющих мощь математических методов с пусть грубой, но уже имитацией работы человеческого мозга и аккумуляции достижений поведенческой психологии.
Как показывает анализ видимого и невидимого сегментов интернета, подавляющая часть публикаций на эту тему засекречена. Можно найти лишь отдельные фрагменты, куски работ или исследований, касающихся этих тем, но прямо не связанных с военно-разведывательной тематикой. Тем не менее, недавно появились прямые доказательства разработки, по крайней мере, в США и Великобритании, поведенческих вооружений, ориентированных на скрытое управление групповым поведением коллективов различной размерности. Так, в конце прошлого года Институт оборонного анализа, финансируемый Пентагоном, разведывательным сообществом и Государственным Департаментом опубликовал документ «Pathways to Cooperation between the Intelligence Community and the Social and Behavioral Science Communities». В нем упоминается, что в прошлом году было проведено большое совещание по программе «Minerva Research Initiative». Это закрытая программа IARPA в области управления групповым поведением на основе Больших Данных, которая получила статус стратегической важности с точки зрения национальной безопасности США.
В подготовленном в прошлом году Министерством обороны Великобритании докладе «Global Strategic Trends out to 2040» в качестве одной из целей ближнего прицела также выделено скрытое управление групповым поведением на основе Больших Данных. Этот доклад в определенной степени стал осмыслением британского военного бестселлера последнего года, книги бывшего командующего британскими подразделениями в Северной Ирландии, Косово, Ираке, Ливане и Афганистане генерал-майора Э.Маккея и коммандера С.Тотама «Поведенческий конфликт» (Behavioural Conflict: Why Understanding People and Their Motives Will Prove Decisive in Future Conflict). Выводом книги стали следующие слова: «Наша способность понять и незаметно изменять поведение групп людей станет определяющей характеристикой вооруженных конфликтов нового типа».
Нет сомнений, что в современной сложной геополитической ситуации Большие Данные являются стратегическим ресурсом и приоритетом не только развития экономики и социума, но и важнейшим вопросом обеспечения национальной безопасности. В этой связи представляется целесообразным:
Во-первых, сориентировать Фонд Развития Интернет Инициатив, Фонд Сколково и Фонд перспективных исследований на государственное и негосударственное финансирование старт-апов и отечественных разработок в сфере Больших Данных, нацеленных в первую очередь на межотраслевое использование, а также решение задач в области охраны правопорядка и национальной безопасности.
Во-вторых, организовать в ведущих университетах страны с мощными математическими школами и кафедрами по программированию, системному анализу, лингвистике и т.п. кафедры Data science (наука о данных). В оперативном режиме открыть при кафедрах магистратуры и группы ускоренного обучения Data science и когнитивным вычислениям. Организовать перевод на русский язык имеющихся онлайн видеокурсов по Большим Данным, когнитивным вычислениям и поведенческому анализу.
В-третьих, провести научно-практическое совещание по использованию Больших Данных, когнитивных вычислений и поведенческих наук для прогнозирования и противодействию скрытому управлению поведением. В рамах подготовки к совещанию осуществить инвентаризацию отечественных разработок и имеющихся кадров по указанному направлению.
В-четвертых, организовать с привлечением лучших вне зависимости от академических званий и занимаемых должностей специалистов межотраслевые и вневедомственные коллективы по разработке методологии, математического аппарата и программных решений по прогнозированию сложных социальных систем и противодействию скрытому управлению групповым поведением.
В-пятых, инициировать разработку пакета нормативных документов, связанных с вопросами государственного регулирования Больших Данных, включая их сбор, накопление, использование и возможность трансграничной передачи. При необходимости проработать вопрос о подготовке государственной концепции в сфере Больших Данных.
Ларина Е., Овчинский В.
30.06.2014 Большие данные. О чем умолчал Э.Сноуден
В любой спецоперации все прямо и косвенно причастные акторы стремятся реализовать собственные цели. Не является исключением эпопея Э.Сноудена. Вполне очевидно, что Э. Сноуден хотел раскрыть глаза американскому и мировому общественному мнению на незаконные методы деятельности АНБ, тотальную слежку и прослушку. В то же время нельзя не отметить, что большая часть разоблачений Э.Сноудена, при всей их сенсационности, не открыла чего-то нового для экспертов и специалистов в сфере разведки. Практически все, о чем поведал Э.Сноуден, было известно до него. Хотя и без деталей, подробностей, названий конкретных программ, размеров ассигнованных сумм и т.п. Конечно же, эти детали перевели предположения экспертов из разряда гипотез в сферу конкретных фактов и документированных мнений.
Однако интересно посмотреть, каких разделов коснулись разоблачения Э.Сноудена. В основном речь шла о нарушении приватности не только иностранцев, но и граждан США, прослушивании телефонных разговоров не только рядовых американцев, но и глав стран – союзников США, контроле со стороны АНБ за финансовыми транзакциями, осуществляемом по самым разнообразным потокам, программах развития кибервооружений и т.п. Все это произвело чрезвычайно большое впечатление и имеет до сих пор серьезных последствия как для престижа США, так и для межгосударственных отношений. Несомненно, это негативно сказалось и на доходах компаний, упомянутых в разоблачениях Э.Сноудена.
Тем не менее, есть устойчивое впечатление, что АНБ использовало эпопею Э.Сноудена, уж коль скоро она произошла, как стандартную операцию прикрытия в отношении действительно главной, до сих пор тщательно скрываемой задачи, решаемой Агентством Национальной Безопасности и другими государственными структурами США при его содействии. Речь идет о разработке и практическом использовании технологий управления групповым и массовым поведением в других странах мира, как в странах-союзниках, так и противниках Соединенных Штатов.
Нетрудно заметить, что в материалах Э.Сноудена вообще не содержится информация на эту тему и соответственно может возникнуть предположение, что тезис об управлении групповым поведением сколь угодно большой размерности имеет отношение не к фактическому положению дел, а к конспирологии. Причем, конспирологии, понимаемой не в смысле научного, фактологического расследования, а в традиционной трактовке, как плода упражнений незрелого ума и неустойчивой психики.
На сегодняшний день существует достаточно большое количество имеющихся в открытой печати, а также в специализированных публикациях данных и фактов, подтверждающих высказанный выше тезис о переходе США к скрытому управлению групповым и массовым поведением. Обозначим их.
Первое. Начать, несомненно, надо с наиболее наглядного, что называется материализованного свидетельства практической постановки задачи управления поведением. Речь идет о только что отстроенном, оснащенном и в настоящее время сдающимся в практическую эксплуатацию новом циклопическом центре АНБ в штате Юта. Понятно, что для целей шпионажа, радиоэлектронной разведки, криптографии и проч. требуется гигантский объем хранилищ данных. Однако, для них не нужно хранилище объемом в один йоттабайт, которое расположено в новом Дата Центре в штате Юта. Чтобы наглядно понять, о чем идет речь, отметим, что весь ежегодный интернет-трафик, включая собственно интернет, интернет вещей и проч. приближается в настоящее время к одному зеттабайту. Тем самым в Юте имеется хранилище для 100-летнего мирового интернет-трафика. Однако размерность сразу уменьшается в том случае, если не просто хранить трафик, т.е. данные всех типов, а обрабатывать их различными способами, для чего представлять данные в виде самых различных классификаций. Иными словами, не для чего иного, как для интеллектуального анализа сверхбольших объемов данных хранилище такой емкости просто не нужно.
Второе. В США в отличие от других стран еще в 1994 г. была создана специальная широкополосная сеть для совместного межведомственного использования ресурсов (аппаратных и программных) суперкомпьютеров. Фактически в Соединенных Штатах в отличие от других стран суперкомпьютерная сеть не разделена ведомственными и корпоративными барьерами, а функционирует как единое целое. Более того, в начале нулевых годов американцы договорились с Великобританией, что к этой сети подключаются и британские суперкомпьютеры. Это весьма важно, поскольку согласно международным оценкам, лидером по эффективности использования суперкомпьютеров в секретных проектах выступает именно Великобритания. Данных по этой сети нигде нет, но различного рода косвенные расчеты позволяют утверждать, что мощность этой сети составит от половины, до двух третей суммарной мощности всех 500 суперкомпьютеров, входящих в настоящее время в мировой рейтинг. Наиболее мощные суперкомпьютеры, входящие в сеть, принадлежат АНБ, Министерству энергетики США, британской разведке и американским университетам, тесно работающим с военно-разведывательным комплексом. С 2014 года общее руководство сети осуществляет Киберкомандование США.
Третье. За последние четыре года Соединенные Штаты истратили несколько сот миллионов долларов на разработку программ интеллектуального анализа не просто Больших, а сверхбольших массивов данных. Примечательно следующее обстоятельство. В коммерческом секторе для анализа Больших Данных в основном используются методы математической статистики. В то же время, анализируя гранты таких агентств, как DARPA и IARPA, можно увидеть, что средства затрачивались на разработку программ по анализу и прогнозированию на основе Больших Данных, базирующихся на принципиально новых разделах математики, типа теории категорий и преобразований, на системах распознавания образов, нейронных вычислениях и так называемом глубоком машинном обучении. Все эти методы на порядки превосходят с точки зрения выявления нетривиальных зависимостей и связей, мощности и точности прогнозирования, методы стандартной математической статистики, которые описываются как основной инструмент во всей специализированной литературе по Большим Данным.
Четвертое. Последние годы в США предпринимаются организационные и законодательные меры по обеспечению потребностей разведсообщества Большими Данными. Прежде всего, следует иметь в виду, что само по себе Агентство Национальной Безопасности является обладателем крупнейших массивов Больших Данных, которые оно получает в результате своей шпионской деятельности, о которой мир сегодня неплохо осведомлен благодаря разоблачениям Э.Сноудена.
Гораздо менее известна организация FSD. В переводе на русский она может быть названа Службой Федеральных Данных. Главным ее назначением является концентрация данных об американцах, которые собирают практически все федеральные ведомства, министерства, агентства и т.п. Без преувеличения можно сказать, что не в одной стране мира нет такой подробной базы данных на своих граждан, как в Соединенных Штатах, и содержится эта база не в АНБ, а в неприметной организации с указанным выше названием. При этом надо иметь в виду, что в данную организацию дополнительно стекаются все данные из страховых компаний, банков, пенсионных фондов, авиакомпаний и т.п. под американской юрисдикцией. Соответственно, если иностранцы застрахованы американской компанией, летали американскими авиалиниями, покупали товары в американских интернет-магазинах и т.п., то все их данные также попадают в эту организацию, а оттуда – в Центр Больших Данных АНБ.
Э.Сноуден не просто рассказал, а даже показал на слайдах связь с АНБ крупнейших интернет-компаний и телекоммуникационных гигантов. В результате произошел большой скандал. Компании сначала протестовали, затем сообщили, что вносят соответствующие требования в Конгресс США о том, чтобы прекратить практику использования их данных в интересах АНБ. Однако от публики, и даже большинства экспертов укрылось крайне важное обстоятельство. Речь в протестах идет о персональных данных, т.е. данных, по которым можно идентифицировать пользователя как Ивана Ивановича Иванова, либо Джона Смита Третьего и т.п. Большие же Данные – это не персональные данные. В принципе, персональные данные могут быть Большими Данными, а могут и не быть. Более того, для технологии Больших Данных сама по себе идентификация конкретного человека не важна и не интересна, потому что связи и закономерности, выявляемые при помощи Больших Данных, имеют статистический характер, а не касаются судьбы конкретного индивидуума. Про Большие Данные речь в разоблачениях Э.Сноудена вообще не шла.
Практически все крупнейшие провайдеры Больших Данных, а ими помимо правительственных агентств и структур являются Google, Facebook, Twitter, Amazon, eBay и т.п., имеют американскую юрисдикцию. Между тем, в антитеррористическом законе США, именуемом как ”Акт 2001 года, сплачивающий и укрепляющий Америку обеспечением надлежащими орудиями, требуемыми для пресечения терроризма и воспрепятствования ему” и Указе № 13603 от 16 марта 2012 г. подписанном Президентом Б. Обамой, озаглавленном «О готовности ресурсов национальной обороны» четко прописаны обязанности американских компаний с точки зрения национальной обороны.
В число этих обязанностей входит предоставление данных, потребных для выполнения задач национальной обороны. Известно, что Большие Данные подпадают под юрисдикцию этих указов. Причем, если в отношении персональных данных вообще и американцев в частности предусмотрены некоторые ограничения, связанные с необходимостью решений Секретного Суда для получения таких данных, то Большие обезличенные Данные должны предоставляться что называется в рабочем порядке по требованию.
Важно, что такие данные должны предоставлять не только американские компании – провайдеры Больших Данных, либо брокеры данных, но и компании, которые котируются на американском биржевом рынке. Последние два обстоятельства нуждаются в некотором пояснении. В Соединенных Штатах существует целый ряд крупнейших компаний, которые покупают данные по всему миру у других, как правило, у торговых компаний и перепродают их транснациональным корпорациям для целевого, или как его еще называют таргетированного маркетинга, и т.п. В итоге крупнейший брокер этих данных, компания Acxiom имеет сегодня полнее цифровое досье на уже более чем 600 млн.человек, из которых только 200 – американцы. Немногим меньшим количеством досье обладают такие брокеры данных, как Experian, Epsilon и т.п.
Кроме того, практически все крупные международные интернет-компании котируются на NYSE, либо на Nasdaq. Соответственно, и эти компании при получении запроса под угрозой лишения листинга также должны передавать обезличенные Большие Данные американскому правительству, а иными словами АНБ. При этом, то, что они могут иметь иную юрисдикцию и действовать в далеких от Америки регионах, не является препятствием для этих обязательств.
Подытоживая можно сказать, что АНБ сегодня имеет доступ к подавляющему большинству Больших Данных, имеющихся в мире. Некоторые высказывают точку зрения, что исключением является Китай. Однако другая часть специалистов не без основания полагает, что и китайские Большие Данные в немалой степени оказываются в США через американских и британских брокеров данных и учредителей многих крупнейших китайских интернет-ресурсов.
Пятое. В течение последних полутора лет в Соединенных Штатах прошел целый ряд научных конференций, круглых столов и заседаний, инициированных теми или иными «думающими танками», среди которых выделяется Институт сложности в Санта-Фе. В этих мероприятиях участвовали ведущие исследователи и разработчики в сфере Больших Данных, руководители департаментов поведенческого маркетинга и таргетированной рекламы, специалисты в сфере прогнозирования на основе Больших Данных – с одной стороны, и высокопоставленные правительственные чиновники, представители разведывательного сообщества и члены британской и американской правительственных программ Надж – с другой. Например, на одной из такого рода конференций с основным докладом Strategic potential of big data for National Security выступила исполнительный директор IARPA Катарина Марш.
Как правило, в большинстве такого рода мероприятий принимали участие один из ближайших советников Б.Обамы, участник группы по реформе АНБ Касс Санстейн, Ричард Талер, его соавтор по книге «Надж» и Алекс Пентланд. Алекс Пентланд недавно включен журналом «Форбс» в число семи самых влиятельных исследователей в области информационных технологий. Он руководит несколькими лабораториями в знаменитом МТИ, входит в число советников нескольких компаний из списка Форчун 500, консультирует правительство США.
Чтобы понять, о чем шла речь на этих мероприятиях, достаточно процитировать одну из статей Алекса Пентланда. «Я уверен, что значение Больших Данных состоит в том, что они дают информацию о поведении людей, а не об их убеждениях… Понятие Больших Данных и наука о сетях находятся за гранью обычных подходов к проектированию социальных структур… Адам Смит и Карл Маркс ошибались, или, по меньшей мере, предлагали только половинчатые решения. Почему? Потому что они строили свои теории на основе усредненных понятий рынка и классов. И хотя, безусловно, рассуждение в таких терминах тоже может быть полезным, однако очевидно, что социальные феномены на деле состоят из миллионов мелких транзакций между индивидами. Существуют отдельные примеры межличностных взаимодействий, которые не просто не укладываются в усредненные параметры, а являются причиной социальных вспышек и потрясений, таких как Арабская весна. Придется снизойти до этих мельчайших примеров, этих микропримеров, потому что они позволяют понять социальное устройство вне усредненных показателей. Мы вступаем в новую эру социальной физики, где решающий исход будет зависеть от самых мелких деталей, от таких мелочей, как ты да я…Сам факт того, что мы теперь сможем отслеживать динамику социальных взаимодействий и их происхождение, что мы больше не будем ограничены усредненными показателями, такими как рыночные индексы, вызывает во мне трепет. Мы будем способны предсказывать и управлять поведением рынков и возникновением революций».
На этих конференциях родился пока еще не получивший широкого признания термин «hidden power» или «невидимая сила».
Вполне очевидно, что представленные факты носят комплиментарный, т.е. дополняющий друг друга характер и показывают целостную картину завершающего этапа создания технологической системы управления групповым и массовым поведением любой размерности в иностранных государствах для реализации интересов США.
Итогом такого управления должно стать превращение субъектов мировой политики, экономики и т.п. в объекты, находящиеся под внешним, невоспринимаемым, руководящим воздействием. Для того, чтобы этого не случилось, необходимо в крайне сжатые сроки осуществить комплекс весьма интеллектуалоемких, высокотехнологичных мер, подкрепленных целым рядом обеспечивающих мероприятий, требующих затрат ресурсов и принятия новых юридических актов на государственном уровне. Об том – в заключительной статье цикла.
Ларина Е., Овчинский В.
16.06.2014 Большие Данные, фруктовые салаты и Большой Брат
Американская психология в отличие от направленности этой науки в других странах мира, прежде всего, в континентальной Западной Европе, России, Великобритании, отличалась подчеркнуто практическим характером. Фактически с первых дней существования на американском континенте, психология сразу же была взята на вооружение рекламистами, политическими пропагандистами и маркетологами. Они рассматривали ее как поставщика инструментов для решения каждодневных, практических задач. Инструментальная направленность американской психологии в значительной мере привела к тому, что ведущие университеты старались заполучить к себе уже известных, прежде всего, в Европе исследователей. Цель была не в том, чтобы создавать научные школы, а использовать уже имеющиеся наработки.
Собственно, таким образом, родилось едва ли не господствующее направление в американской психологии, так называемый бихевиоризм. В переводе на русский это означает наука о поведении. Наиболее яркие фигуры бихевиоризма Дж.Уотсон и Б.Скиннер, не скрывали, что их разработки имеют в основе труды российской психофизиологической школы и, прежде всего, И.П.Павлова, И.М.Сеченова и В.М.Бехтерева.
Бихевиористы считали, что с практической точки зрения бессмысленно использовать различного рода тесты, наблюдения за внутренним миром человека и т.п. Они исходили из того, что базироваться можно только на объективных, т.е. наблюдаемых данных, которые к тому же должны иметь количественное выражение. Бихевиористы полагали, что каждому стимулу соответствует строго определенная реакция человека.
На практике, дело оказалось естественно более сложным. В своем дальнейшем развитии бихевиористская школа стала учитывать не только реакции человека на те или иные стимулы, но и ситуации, в которых он действует. Наряду с этим, благодаря Курту Левину, бихевиоризм обогатился таким важным элементом, как открытие канального или тоннельного эффекта. Смысл этих эффектов достаточно прост. Оказалось, что для каждой группы людей существуют внешне незначительные факторы, стимулы или другие характеристики, воздействуя на которые можно добиться заметного изменения в поведении, в том числе в отношении значимых его параметров. Этот вывод был проверен на тысячах добровольцев в сотнях экспериментов.
Наконец, с широким развитием так называемых когнитивных исследований в бихевиоризм пришло понимание того, что люди совершенно по-разному думают в зависимости от уровня сложности и непривычности ситуаций, в которых они оказываются. Одновременно выяснилось, что реальный человек не похож на классического рыночного человека, который все выборы осуществляет рационально, на основе соизмерения плюсов и минусов, доходов и затрат. Человек, особенно в простых, привычных ситуациях, действует в соответствии со стереотипами и сложившимися поведенческими моделями, а, отнюдь, не исходя из детальных экономических расчетов. Что же касается сложных ситуаций, то там в основе выбора лежат опять же не расчеты, а прошлый жизненный опыт, ценности и другие трудно считаемые факторы.
В 70-90 годы поведенческая психология начала активно использоваться в экономических исследованиях. Появилась так называемая поведенческая экономика. Сегодня это одно из главных направлений не только теоретической мысли, но и политике на государственном уровне, принимаемых решений в частном секторе. Одним из первопроходцев применения поведенческой экономики к финансам стал Джордж Сорос. В теоретическом плане за достижения в области поведенческой экономики Нобелевские премии получили Д.Канеман, Дж.Акерлоф и в прошлом году Р.Шиллер.
Было бы удивительным, если бы поведенческая экономика, ставшая мейнстримом в маркетинге, рекламе, в финансовом и инвестиционном анализе и т.п. не пришла бы в политику. Решающий шаг в создании поведенческой политики был сделан двумя американскими профессорами Кассом Санстейном и Ричардом Талером. В 2009 году они опубликовали книгу “Подталкивание: как улучшить решения, касающиеся здоровья, достатка и счастья” (Thaler, Sunstein, Nudge: Improving Decisions About Health, Wealth, and Happiness, 2009).
Ключевое понятие книги, вынесенное в ее заголовок, – “подталкивание” (Надж) – практически мгновенно вошло в лексикон политиков, юристов, психологов, бизнесменов и т.п . Оно начало использоваться как для обозначения поведенческой политики, так и сформировавшегося на ее основе нормативного подхода к государственному регулированию. Смысл нормативного подхода, сформулированного в книге-манифесте, достаточно прост: “мы знаем, как сделать вашу жизнь счастливее”.
Крайне примечательным является то обстоятельство, что авторами книги были не рядовые американские профессора, а ключевые люди из окружений Барака Обамы и Дэвида Камерона. После опубликования книги К.Санстейн весь первый президентский срок Б.Обамы являлся ключевым лицом в его Администрации, а в ходе второго срока был назначен в комиссию по реформе АНБ, состоящую всего из пяти человек. Что же касается Р.Талера, то с 2010 года он является советником премьер-министра Великобритании Д.Камерона.
Что же за магическая технология, этот «Надж»? Он является своего рода квинтэссенцией поведенческой политики, или как ее называют в Америке «нового патернализма». В ее основе лежит тривиальная мысль, что человек – не робот и решения принимает не на основе соизмерения затрат и результатов, а под воздействием многих факторов, включая эмоции, настроения, привычки и т.п. Однако К.Санстейн и Р.Талер не остановились на азах поведенческой экономики, а интегрировали их с другими научными и технологическими достижениями.
Прежде всего, они обратились к достижениям нейропсихологии. Нейропсихологам хорошо известно, что масса мозга составляет примерно 2% от массы тела. Однако он потребляет в спокойном состоянии до 10% всей энергии организма. Это происходит, когда человек бездумно серфит в интернете, пьет кофе или болтает с друзьями.
Когда человеку необходимо решить задачу, которая требует размышлений, мозг потребляет до 25% энергии. А если стоит не обычная задача, а сложная проблема, то расход энергии увеличивается до 35%. Строго говоря, думать – это очень энергозатратное, и с точки зрения биологического функционирования, зачастую неоправданное занятие.
Поэтому подчас желаемым состоянием человека является лень. И лишь при необходимости он вынужден действовать, а уж тем более, напряженно думать. Однако жизнь устроена так, что думать человеку приходится практически всегда. Чтобы разрешить противоречие между энергетически выгодной ленью и необходимостью мыслить для того, чтобы существовать, а иногда и выживать, человек вооружается привычками, стереотипами, шаблонами действий, поведенческими паттернами и прочими автопилотами. Как говорится, живет на автомате.
Но, живя на автомате, человек стремится к удовлетворению своих главных потребностей и получению удовольствий. Поэтому поведенческие стереотипы каждого человека формируются так, чтобы как можно чаще получать удовольствия, и как можно реже сталкиваться с неприятностями и опасностями, а также необходимостью решать сложные проблемы.
К.Санстейн и Р.Талер не ограничились при построении своего метода исключительно достижениями психологии и нейронаук. Как раз к моменту написания их книги начался бум Больших Данных. При этом быстро стало понятно, что Большие Данные тем Больше, чем больше характеристик того или иного объекта, субъекта и т.п. они охватывают, чем больше параметров, характеристик содержится в Данных, и чем чаще эти Данные собираются.
Сегодня в Америке имеется несколько провайдеров данных о людях, социальных группах и компаниях. Крупнейший из них, Аcxiom имеет полный набор данных более чем на 500 млн. человек, включая большинство взрослых американцев и жителей других стран. Однако, самый большой провайдер данных – это американское правительство. Официально это – финансовые, налоговые службы, системы медицинского страхования и т.п. В имеющихся у государства и крупнейших частных провайдеров данных содержится практически все. От номеров социального страхования и водительского удостоверения до историй болезни и взаимоотношений с кредитными учреждениями. От девичьей фамилии матери до перечня мелких административных правонарушений. Общее число параметров цифровой личности каждого человека, включенного в базу компании, в среднем составляет в США около 50.
Третьей составляющей технологии К.Санстейна и Р.Талера стало использование Больших Данных в виде поведенческого архива, т.е. интернета. Как сказал знаменитый американской автор триллеров Майкл Маршалл Смит: «цифровые следы, а отличие от следов на земле, остаются навечно».
Фактически Интернет, помимо многого другого, является еще и всеобъемлющим цифровым поведенческим архивом, в котором зафиксирована активность людей в Сети за многие годы. При этом в архиве содержатся данные как о практических действиях, включая различного рода поездки, покупки, обращения к врачам и т.п., так и мысли в виде текстов и, наконец, даже намерения и эмоции, материализованные в коротких записях в социальных сетях, в текстах электронных писем и т.п. Этот архив имеет распределенную архитектуру. Его составные блоки имеются у поисковиков, у владельцев социальных сетей, в крупнейших интернет-магазинах, интернет-сервисах и, конечно же, у структур американского правительства, прежде всего в АНБ.
Наличие огромного всеобъемлющего поведенческого архива позволило компаниям – владельцам Больших Данных использовать их для предсказания поведения. Проиллюстрируем это широко известной в Америке историей. Однажды в магазин крупнейшей торговой сети Target зашел мужчина и потребовал вызвать менеджера. В своих руках он сжимал огромную кипу купонов магазина, полученных его дочерью.
«Моя дочь получила это по почте! – прокричал он. – Она еще в школу ходит, а вы посылаете ей купоны на детскую одежду и памперсы? Да как вы смеете! Вы хотите таким способом побудить школьниц рожать?»
Менеджер посмотрел на пачку купонов на материнскую одежду, детскую мебель – действительно, они были адресованы дочери рассерженного мужчины. Менеджер принес свои извинения.
Через несколько дней он позвонил мужчине, чтобы еще раз извиниться. По телефону голос отца звучал растерянно. «Знаете, я серьезно поговорил с дочерью, и выяснилось, что в моем доме происходило то, о чем я совершенно не догадывался. Она рожает в августе. Примите мои извинения».
Поэтому Target поставил перед отделом прогнозной аналитики задачу: определить, какая из покупательниц ждет ребенка до того, как это станет очевидно. Проанализировав покупательские привычки беременных женщин, аналитиками была разработана система прогнозирования беременности.
Представим себе ситуацию: молодая женщина заходит в магазин и покупает лосьон с кокосовым маслом, сумку для прогулок и ярко-голубой плед. Программное обеспечение в Target выдаст свой вердикт: вероятность беременности этой покупательницы – 87%. Данные поступают маркетологам, и теперь Target начнет формировать ее привычки и управлять ими: пришлет ей купон со скидкой на детскую кроватку, присыпку, детские бутылочки и т.д. Причем это будет выглядеть ненавязчиво, чтобы не вызвать волну негодования за «шпионаж»: скидки на товары для детей помещаются среди скидок на другие товары.
«Подталкивание» (Надж) представляет собой использование поведенческих стереотипов, психофизиологических реакций и Больших Данных для целенаправленной коррекции поведения тех или иных конкретных социальных, имущественных, возрастных и т.п групп. Для коррекции поведения используется открытый Куртом Левиным канальный или тоннельный эффект. Выбор тех или иных факторов воздействия, которые обеспечивают реализацию этого эффекта, осуществляется на основе предсказательной аналитики и Больших Данных. В бизнесе это используется для увеличения продаж. А в политике например, для прямого воздействия на электоральное поведение, как во время последних президентских выборов в США.
Прежде чем применить свою технологию на государственном уровне, К.Санстейн и Р.Талер опробовали ее в экспериментальном порядке. Известно, что чипсы, булочки и шоколадки вредны для растущего детского организма. Также не секрет, что, в общем и целом, школьники скорее возьмут на обед пакет вредных чипсов, чем полезный овощной салат. И любые прямые запреты окажутся недейственными, и будут обойдены. Между тем, известно, что выбор потребителей зависит от того, как расположены продукты на полках магазина. Попробуйте заставить школьников есть фрукты вместо чипсов. Невозможно? Можно. Главное, правильно использовать лень и поведенческие стереотипы.
Так, почему бы не воспользоваться этим обстоятельством, и не разложить в школьных кафетериях фрукты и салаты на уровне глаз школьников, а чипсы и булочки – в самых дальних углах, на нижних и верхних полках прилавков, куда надо нагибаться и подтягиваться. Когда К.Санстейн и Р.Талер провели массовые эксперименты в школах Вашингтона, Нового Орлеана, Сиэтла и Коламбуса, оказалось, что в поединке между ленью и вожделением в значительном числе случаев победила лень. В течение трех месяцев более половины школьников отказались от чипсов, и перешли на салаты, фрукты и другое полезное питание.
Затем работа была перенесена в онлайн. Р.Талер стал консультантом британского правительства и при помощи «подталкивания» вывел из тупика застопорившуюся пенсионную реформу в стране. Великобритания, подобно другим странам, столкнулась с растущим дефицитом в пенсионной системе и была вынуждена перейти к накопительной системе начисления пенсий. Однако, получив свободу выбора, значительная часть граждан не стала откладывать на старость, и проблема еще больше обострилась. Тогда по рекомендации созданной правительством поведенческой команды во главе с Р.Талером, после анализа Больших Данных была сформулирована рекомендация. Суть ее состояла в том, что компании должны автоматически включать работников в накопительную пенсионную схему, предоставив им право при желании отказаться от нее. Англичане решали, какой пенсионный план выбрать, при помощи портала пенсионной реформы.
До рекомендаций Р.Талера человек должен был сначала прочитать длинные рекомендации, написанные не всегда понятным для простого человека языком, а затем самостоятельно поставить галочку против выбранного варианта. Р.Талер предложил изменить ситуацию. Место рекомендаций заняли короткие, изложенные ясным слогом разъяснения плюсов и минусов каждого варианта, а галочку человек доложен был ставить, если он отказывался от накопительного варианта и выбирал другой из нескольких предложенных. Накопительный вариант стал выбором по умолчанию. Казалось бы, и в первом, и во втором случае за гражданами оставалась свобода выбора. Но с практической реализацией рекомендаций Р.Талера число граждан, перешедших на накопительную схему, значительно возросло. Лишний раз подтвердилось, что поведение человека зависит не только от самой по себе дилеммы выбора, а и оттого, как она формулируется и в каких условиях реализуется.
Летом этого года объявлено, что команды по использованию Надж создаются в большинстве министерств США, связанных с социальными вопросами. На них возложена задача «подталкивания» американцев к правильным с точки зрения правительства решениям не на основе объяснений, а путем использования поведенческих стереотипов, привычек и психофизиологических реакций. При этом американские СМИ высказали подозрение, что команды Надж создаются и в других, в том числе, разведывательных ведомствах. Однако их финансирование реализуется через секретные статьи бюджета, и поэтому их существование не афишируется.
Профессионалы Наджа, развивая поведенческую политику, исходят из нескольких основных принципов:
1. Для решения своих поведенческих проблем люди нуждаются во вмешательстве третьих лиц. Наилучшим кандидатом на эту роль является государство.
2. Эксперты, изучая то влияние, которое в реальной жизни оказывают на благосостояние те или иные акты выбора, принимают от имени индивидов решения лучше тех, на которые индивиды способны сами.
3. Любые стимулирующие схемы, которые возлагают на людей ответственность за последствия их прошлых действий, неэффективны. Вместо них необходимы схемы, которые немедленно вознаграждают или наказывают людей за будущие последствия их текущих действий – последствия, которые сами они неспособны осознать и учесть.
4. С точки зрения политики то, как люди ощущают себя в обществе, важнее того, что они желают, или того, что они делают.
Фактически, сегодня в Великобритании и США реализуется концепция подлинного Большого Брата. На уровне государственной политики реализуется принцип: правительство лучше знает, что хорошо, а что – плохо для людей, и поэтому вправе незаметно подталкивать их к тем решениям, которые оно считает правильными. Ключевую роль в этой технологии играют Большие Данные. Именно Большие Данные позволяют как угодно, в зависимости от поставленной задачи проводить классификацию групп и ситуаций, осуществлять анализ и прогноз, а главное, искать тоннельные или канальные факторы, обеспечивающие нужное поведение целевых групп в конкретных ситуациях. И, наконец, в режиме онлайн отслеживать эффективность подталкивания.
В отличие от многих других технологий, Надж не слишком широко рекламируется. Можно говорить о том, что правительства стараются сохранить полную монополию на эту технологию, не допустить ее широкого распространения в коммерческом секторе. Б.Обама как-то даже назвал группу специалистов по Наджу подготовленную К.Санстейном, бихевиористской командой мечты, способной решать важнейшие государственные задачи. Кстати, эта команда сыграла заметную роль во второй президентской кампании Б.Обамы на выборах 2012 года.
Следует подчеркнуть, что в ходе практического применения технологии подталкивания как в Великобритании, так и в США осуществлялась не выборочная, а практически поголовное наблюдение при помощи самого изощренного интернет-инструментария, насколько применение Наджа осознается населением. Выяснилось, что действие этой технологии практически не осознается.
В заключение стоит отметить, что при наличии соответствующих Больших Данных нет никаких ограничений для использования технологии Надж не только в отношении граждан собственной страны, но и населения любых государств мира. При наличии соответствующих Больших Данных Надж может рассматриваться как сверхэффективное информационно-психологическое оружие следующего поколения. Хотя, с учетом принципов и технологий, на которых построена система Надж, более точным является не привычное наименование информационно-психологического оружия, а скорее отнесение технологии подталкивания к поведенческому оружию, базирующемуся на Больших Данных, достижениях объективной психологии и нейронауках.
Ларина Е., Овчинский В.
02.06.2014 Прогностические вооружения и Большие Данные
Прогнозирование в сфере высшей политики, экономики и военного дела всегда имело амбивалентную, а по-русски говоря, двойственную природу. С одной стороны прогнозирование являлось важнейшей стадией разработки ключевых стратегических, тактических и оперативных решений тех или иных проблем и задач, разработки и реализации крупных проектов и военных компаний. С другой стороны, прогнозирование, подкрепленное мощным информационно-пропагандистским аппаратом, само по себе выступало как своеобразный вид вооружения, способ формирования будущего. Как стало известно после знаменитых экспериментов американского социолога Томаса, прогнозы, подкрепленные соответствующим информационным воздействием, сами по себе формируют реальность. Как гласит теорема Томаса: «Если человек определяет ситуацию, как реальную, она – реальна по своим последствиям». Другой американский социолог, а по совместительству советник администраций нескольких президентов Р.Мертон на основе теоремы Томаса опубликовал статью «Самоисполняющиеся пророчества». Самоисполняющееся пророчество – это ложное определение ситуации, вызывающее новое поведение, которое превращает первоначально ложное представление в реальность. Таким образом, теорема Томаса вкупе с технологией Мертона позволяют использовать прогнозирование как мощное оружие в геополитике, военном деле и бизнесе.
Поэтому вполне очевидно, что с развитием интернета и появлением Больших Данных, представляющих собой, в том числе, огромный поведенческий архив возникло желание максимально использовать открывающиеся возможности для разработки прогностических вооружений.
При этом, к началу нулевых годов профессионалам, работающим в этой сфере были ясны по меньшей мере три фундаментальных положения:
- во-первых, используя самые изощренные и эффективные методы, можно прогнозировать процессы, но не события;
- во-вторых, прогнозы с высокой степенью вероятности можно делать в отношении групп различной размерности, но не отдельных индивидуумов;
- в-третьих, знания о действиях групп и индивидуумов в одной ситуации не позволяет давать точные прогнозы о подобных действиях, осуществляемых в другой ситуации.
Соответственно, оказалось, что различного рода прогнозы, базирующиеся на традиционных выборках, построении сценариев, экстраполяции попросту не работают.
Развитие интернета дало возможность оперировать Большими Данными относительно человеческого поведения, намерений, желаний и т.п. В этой связи специалист номер один в мире по интеллектуальному анализу данных Г.Пятецкий-Шапиро писал: «Прогнозирование на основе больших данных состоит в извлечении нетривиальных выводов из заранее известных характеристик, признаков и сведений об объектах».
Использование интернета, как огромного, пополняемого в режиме он-лайн поведенческого архива для прогнозирования развивается по трем ключевым направлениям. Первое – это прямой интеллектуальный анализ общедоступных данных, предоставляемых поисковыми системами и различного рода социальными сетями и платформами. Второе – это создание рекомендательных систем, которые прогнозируют различного рода выбор субъектов и групп, и на этой основе рекомендуют им что угодно – от книг до кандидатов в президенты. Третье – это сложные прогностические системы, использующие разнородные данные, получаемые из открытой и закрытой части всемирной сети, обрабатываемые с помощью всего арсенала интеллектуального анализа данных.
Исторически главный упор был сделан на работу с общедоступными интернет-данными из социальных сетей и поисковых машин. Еще два-три года назад никто не мог помыслить о том, что инструменты веб-прогнозирования будут в благожелательном ключе обсуждаться на сайте головного банка ФРС. Но это произошло. Первым делом, как всегда бывает, за дело взялись академические исследователи, которые в Америке очень даже прагматически настроены и заинтересованы в максимально быстром внедрении их научных разработок в практику. В октябре 2010 г. в кругах инвестиционных аналитиков прогремел доклад Johan Bollen, Huina Mao (Indiana Unviersity), Xiao-Jun Zeng (The University of Manchester) «Twitter mood predicts the stock market».
Ими была сделана программа, которая позволяет использовать сообщения Twitter для прогнозирования движения индекса Dow Jones. Алгоритм работал следующим образом – отбирал из всех Twitter сообщений в режиме реального времени сообщения, маркированные определенными словами, затем удалял эмоционально окрашенные сообщения и на основе обработки нейтральных, эмоционально не окрашенных сообщений выдавал прогноз. Выяснилось, что он позволил предсказывать движение индекса на срок от двух до шести дней с точностью почти до 88%.
Большое признание в последнее время в Америке получили разработки Р.Петерссона, исследователя из Стэндфордского университета. В качестве неструктурированных данных для прогнозирования он использовал не Twitter, а контент социальных СМИ, т.е. платформ, где контент создают сами пользователи. Таких платформ с качественным контентом в англоязычном нете насчитывается сотни.
Его исследования были восприняты компанией MarketPsych. Был создан прогностический модуль. Он уверенно дает при достаточно консервативной стратегии 30% прибыли в год. В настоящее время эта компания приобретена крупнейшим информационным провайдером, всемирно известным Thompson Reuters. Соответственно прогнозы получают подписчики Thompson Reuters, интересующиеся инвестиционной и политической тематикой.
Совсем недавно за разработку системы, аккумулирующей информацию Twitter для трейдинга, взялась компания Titan Trading Analytics. В своей системе они используют 1500 ключевых слов и более 600 факторов. Как видим, создание и практическое использование программ прогнозирования, базирующихся на неструктурированных данных web 2 и прежде всего Twitter, стало сегодня повсеместной практикой инвестиционных, макроэкономических и политических аналитиков.
Огромную роль в современном геополитическом, военном и инвестиционном прогнозировании играют общедоступные данные, связанные с частотой поисковых запросов, которые постоянно публикуют главные поисковики мира, прежде всего, Google и Bing. В нынешней реальности любой поисковый запрос представляет собой фиксацию процесса мышления о чем-то. Он показывает нам объект этого мышления, его последовательность и многое другое. Когда интернет с одной стороны стал доступен для подавляющего большинства жителей в развитых странах в режиме он-лайн нон-стоп, а с другой, пользователи приучились к интернету, как к источнику мгновенного получения любой интересующей информации, использование поисковиков для прогнозирования стало возможным.
К настоящему времени независимыми группами исследователей, использующих различные методы и алгоритмы обработки поисковых запросов в целях прогнозирования установлено, что особым образом обработанная статистика поисковых запросов может выполнять роль опережающих индикаторов для целого ряда рынков и экономических параметров. В частности, это относится к динамике безработицы в США, Германии, Франции; динамике потребительских расходов на рынках электроники США, странах ЕЭС, Канаде; ценам на недвижимость США и Великобритании; биржевым индексам на «голубые фишки» на Нью-Йоркской и Лондонской биржах и фьючерсам на биржевой индекс китайских акций на гонконгской бирже. Уже полгода Министерство здравоохранения США успешно использует систему, построенную на анализе поисковых запросов для опережающего мониторинга и прогнозирования различного рода эпидемий в стране. На сегодняшний день обнаружено более 50 показателей, относительно которых поисковая статистика Google может быть использована как опережающий индикатор.
Вторым, бурно развивающимся направлением прогнозных вооружений, являются так называемые рекомендательные системы. Эти системы базируются на тщательном анализе поведения человека в сети. При этом анализируются не только его желания, высказанные в виде различного рода поисковых запросах, но и поведение на сайтах крупных интернет-магазинов – например, что человек ищет, как долго рассматривает что-либо и т.п. Используется здесь так называемый неявный сбор данных, когда все действия человека в сети протоколируются. Затем, на основе сложных алгоритмов выдаются рекомендации, которые подталкивают человека к тому или иному выбору. Наиболее известные рекомендательные системы созданы Amazon для книг и других товаров, продаваемых на этой универсальной платформе, eBay, Cinemax.com (рекомендации в отношении фильмов, демонстрируемых в кинотеатрах), Videoguide (для потокового видео) и т.п.
Во время последней избирательной кампании команда Б.Обамы, договорившись с крупнейшими рекомендательными платформами, успешно использовала их опыт для рекомендации Б.Обамы в качестве лучшего выбора для выявленных опять же по специальным алгоритмам колеблющихся избирателей и людей, которые вообще не собирались идти на выборы. По оценкам американских экспертов использование этой системы сыграло едва ли не решающую роль в победе Б.Обамы в кампании 2012 года.
Сегодня крупнейшие банки являются клиентами рекомендательной германской компании Kreditech. Гамбургский стартап Kreditech использует во время принятия решений информацию, почерпнутую из Facebook. Людей, претендующих на получение кредита, просят на время предоставить доступ к учётной записи в Facebook или другой социальной сети. По словам Александра Граубнера-Мюллера, одного из основателей фирмы, список ваших друзей выдаёт немало. Претендент, приятели которого прилично зарабатывают и живут в хороших районах, имеет больше шансов на кредит. Претендент, знакомый которого отказался возвращать деньги, занятые у Kreditech, ничего не получит.
В качестве одного из наиболее ярких примеров сложных прогнозных систем можно привести проект Recorded Future. В январе 2010 года проект Recorded Future был запущен за счет инвестиций Google, инвестиционного фонда американского разведывательного сообщества In-Q-Tel и собственных вложений К.Альберга – основателя проекта, в прошлом шведского разведчика и известного программиста.
Recorded Future базируется на трех основных блоках:
- Встроенном поисковике третьего поколения. В первом поколении были системы типа Yahoo и HotBot. Они искали просто те или иные слова в документах и выдавали документы в произвольном порядке. Поэтому такого рода поисковики сопровождались каталогами, формировавшимися в основном экспертами на основе поисковой выдачи. Нечто подобное можно до сих пор увидеть на первой странице Rambler. Вторым поколением стал Google. Революция Брина-Пейджа состояла в том, что поисковик стал искать не только по документам, но и в значительной степени по связям между документами или сайтами. Третье поколение ищет не только объекты, соответствующие поисковым запросам, не только связи между документами, но и взаимосвязи между объектами, их характеристиками и отношениями, содержащимися в различных документах. Сегодня это главное направление развития поиска. Оно в полной мере реализовано в Recorded Future.
- Разделении информационного поля на составляющие. В Recorded Future выделено три класса сообщений. Первый – это сообщения о событиях. События – это длящиеся определенный, достаточно небольшой период времени устойчивые конфигурации, которые характеризуются единством времени, места, участников и т.п. К событиям Recorded Future относит то, что может быть интерпретировано как факты, то, что реально произошло или происходит в данный момент. Второй – это мнения. К мнениям относятся любые сообщения относительно прошлых, настоящих или будущих событий, высказанные в авторитетных источниках, либо авторитетными людьми. В системе есть специальные алгоритмы, которые позволяют для каждой области выделить большую выборку таких источников и персон. Наконец, третий – это реакции. Здесь принимаются во внимание любые спонтанные реакции людей на те или иные ожидаемые события, зафиксированные в различного рода текстовых сообщениях. Не обязательно, чтобы эти сообщения были из авторитетных источников. Главное, чтобы они имели отношение к событиям и мнениям, так или иначе рассматриваемым и высказываемым в авторитетных источниках. Такое разделение на три сегмента информационного поля, как выяснилось, позволяет достаточно хорошо улавливать как господствующие тенденции и опережающим образом реагировать на их изменения, так и выявлять слабые сигналы.
- Рассмотрении интернета, как огромной распределенной сетевой базы неструктурированных данных. Еще у древних греков были знаменитые Мойры, которые пряли нити судьбы, образующие ткань реальности. Сестер было три. Первая олицетворяла, как мы теперь говорим, тренды. Вторая – случайности. Третья- неотвратимость последствий поступков и решений. Собственно Recorded Future использует поисковик, работающий в сегментированном информационном пространстве в масштабе огромной сетевой базы данных. В сетевой базе данных разные объекты и их характеристики связаны друг с другом прямыми, обратными и опосредованными связями. Соответственно, такой подход позволяет выявлять не только явные и очевидные связи, но и вести так называемый латентный анализ, т.е. получать неочевидные, а иногда даже и абсолютно не предполагаемые связи и отношения. К тому же обрабатывать огромное количество информации в алгоритмическом режиме. Т.е. оперировать информационными массивами, непосильными для непосредственной обработки человеком.
В настоящее время Recorded Future используется в трех сферах: государственной разведке и безопасности, в бизнесе, и в финансах для разработки инвестиционных стратегий.
Другим ярким примером прогностических систем нового поколения является платформа Quid. Эта система создана известным американским программистом и разработчиков Ш.Горли на деньги знаменитого Питера Тиля, чья разведывательная программа Palantir является любимым инструментом американского разведывательного сообщества.
Quid занимается прежде всего научно-техническим прогнозированием, поиском тех ниш, которые могут дать максимальный эффект с точки зрения развития технологий в любых сферах, включая сферу вооружения. Одновременно система может быть использована как своего рода организационное оружие, поскольку выявляет, образно говоря, технологические дыры в потенциале любой страны мира. В качестве материала для прогнозирования программа использует Большие патентные Данные, т.е. миллионы файлов, входящих в патентные базы по всем странам мира, а также информацию, почерпнутую из научно-технических, технологических журналов и средств массовой информации. В основе системы лежит простая, но очень эффективная мысль. Впервые она была высказана более 50 лет назад знаменитым польским мыслителем и фантастом С.Лемом. Идея состоит в том, что техника развивается примерно по тем же законам, что и живая природа. Как известно, в живой природе существует такая ключевая единица, как биоценоз, в который входят различного рода живые виды, составляющие пищевые цепочки, системы взаимодействия и в совокупности полностью заполняющими природный ландшафт. С.Лем предположил, что то же самое происходит в технике. И назвал это техноценозом. Система Ш.Горли обнаруживает такие техноценозы, ищет в них пустые, незаполненные места. Именно эти пустые места оказываются точками роста, где появляются наиболее эффективные и одновременно наиболее прибыльные технические и технологические решения. С другой стороны, если это пятно не будет заполнено, то система техноценоза будет уязвимой, неустойчивой и плохо приспособленной к дальнейшему развитию. За 2,5 года работы компании Ш.Горли ее клиентами стали ведущие американские корпорации, разведывательные и военные структуры.
Таким образом, Большие Данные обеспечили появление новых, на порядки более эффективных, чем раньше, методов прогнозирования научно-технических, инженерно-технологических, инвестиционных, политических, социальных и военных процессов. Эти методы в совокупности с методиками глубокого анализа на основе все тех же Больших Данных позволяют говорить о создании принципиально нового вида вооружений, а именно – прогностических вооружений. Они могут быть использованы как обеспечивающий механизм для разработки и применения традиционных вооружений, так и при определенных условиях, о которых расскажем в следующих статьях, как отдельный, принципиально новый вид вооружений. Более того, они становятся своего рода основой Shadow Power или невидимой силы, которая идет на смену мягкой силе.
Ларина Е., Овчинский В.
19.05.2014 Большие Данные в сетевом измерении
Долгие десятилетия в основе политтехнологий, методов жесткого информационного противоборства, конструкторов для проведения государственных переворотов и революций лежала так называемая «теория толпы». Она была разработана усилиями Лебона, Тарда, Конетти, Московичи и проч. Эта теория базировалась на внешнем описании процессов. Как любая описательная теория она исходила частично из наблюдений, частично из картины мира самих исследователей. Тем не менее, теория так или иначе работала и построенные на ее основе методы давали определенный эффект. Едва ли не последним представителем школы «теории толпы» был Дж.Шарп с его книгами, включая работу «От диктатуры к демократии». Однако сегодня с уверенностью можно сказать, что «теория толпы» описывает лишь небольшой фрагмент реальности.
В последние годы создана, по сути, новая наука – социодинамика, которая обобщает эмпирические закономерности, полученные в результате применения технологий Больших Данных к огромным массивам информации, содержащейся в архивах крупнейших социальных платформ web 1 и web 2, таких как Google, Facebook, Twitter и т.п.
Эти эмпирические закономерности сегодня используются для отработки практического инструментария внешнего воздействия, управления и манипулирования социальными группами любых масштабов и любого уровня структурированности, а также для сборки и деструкции социальных субъектов. Именно применение Больших Данных к информации, полученной из социальных сетей, позволило осуществить прорыв в отработке инструментария внешнего социального управления поведением.
Как правило, зарубежные работы о Больших Данных можно поделить на две основных группы. Одни заполнены техническими подробностями архитектурных решений и интересны лишь профессионалам-айтишникам. Другие представляют собой набор красивых поучительных историй об эффективности применения Больших Данных для решения тех или иных задач, прежде всего, в бизнесе. Читать такие истории весьма занимательно, но с практической точки зрения абсолютно бесполезно. Поэтому мы постарались пойти третьим путем. Он заключается в изложении результатов наиболее интересных исследований социодинамики и соответственно описании тех самых, только что выявленных, эмпирических закономерностей, которые используются для разработки нового инструментария социального конструирования и разрушения.
Научная группа Facebook с привлечением специалистов из американских университетов, научных центров Европы и Азии провела исследование не только на материалах Facebook, но и ряда других крупнейших сетей. Было установлено, что внутри глобальной сети существуют более-менее устойчивые субсети, или как их называют на английском – паттерны.
Оказалось, что при всем многообразии этих паттернов, в конечном счете, они образуют восемь базовых структур. В основу типологии структур положена внутренняя конфигурация паттерна, плотность связей и структура внешнего взаимодействия паттерна с глобальной сетью или другими паттернами. Под внутренней конфигурацией понимают взаимоотношения внутри паттернов между людьми с различными социальными ролями. Оказалось, и возможно это самое главное, что в каждом из восьми базисных паттернов информация распространяется различным образом и с неодинаковой скоростью. Различаются также по этим паттернам взаимоотношения между онлайн и офф-лайн поведением. Фактически – это ключевое открытие. Оно позволяет заметно увеличить эффективность внешнего управления групповым и массовым сознанием и поведением.
К.Марлоу, руководитель научной команды Facebook отметил, что им, вместе с исследователями Северо-Западного университета в Чикаго удалось обнаружить, что все сложные сетевые системы, например, такие как интернет, социальные сети, электросети и даже колонии термитов имеют множество сходных черт, характеризующих как динамику, так и статику этих систем. Более того выяснилось, что во всех этих системах есть своего рода несущие узлы и элементы, которые образуют своего рода «скелет» сети, либо ее устойчивого паттерна. Собственно эти «скелеты» и определяют само существование сетей, паттернов. В значительной степени от них зависит жизненный цикл сети и ее устойчивость к внешним воздействиям.
Решающую роль в этой работе сыграл коллектив профессора А.Э.Барабаши. Еще в 2010 году А.Барабаши подключился к работам созданного на деньги Пентагона центра по исследованию социально-когнитивных сетей (Social Cognitive Network Academic Research Center – SCNARC). Там перед ним была поставлена задача практической проверки разработанных ранее теоретических моделей безмасштабных сетей на больших объемах реальных данных. Результатом работы А.Барабаши стала статья «Достижение социального консенсуса в результате влияния убежденного меньшинства». В работе говорилось, что при достижении в социуме пороговой границы примерно в 10% убежденных сторонников какой-либо идеи, возникает лавинообразный процесс завоевания этой идеей умов большинства членов социума. Начиная с 30% процесс становится необратимым. Но всего этого недостаточно. Нужно контролировать от 15 до 25 % драйверов сети. Отличие драйверов в том, что они не просто собирают информацию от разных людей и не просто являются источником информации для других участников сети. Их особенность в том, что они делают и то, и другое, выступая в роли коммуникаторов между группами людей и, как бы являясь информационными мостами, соединяющими изолированные островки микросообществ, из которых обычно состоит любая соцсеть. Поэтому настоящие драйверы – это не чемпионы Facebook по количеству друзей, и не чемпионы Twitter по количеству фолловеров. Это коммуникаторы, получающие информацию от одних групп людей и передающие ее другим группам. Принцип действует и в реале, и в виртуале.
Структура связей между драйверами сети в реале или в виртуале собственно и создает тот самый «скелет» сети, который выявили команды Facebook и Чикагского университета. Соответственно разрушение любой сети или сложного социального субъекта наступает не тогда, когда удается разрушить наиболее плотные связи внутри сети, а когда удается разрушить контакты между драйверами или «скелет» сети.
Исследователи из Северо-Западного университета в Чикаго в сотрудничестве с группой из Массачусетского технологического института, установили, что для того, чтобы взять сеть или ее устойчивые паттерны под контроль и осуществлять внешнее управление ими достаточно контролировать определенный процент участников сети или паттернов. Этот процент в зависимости от типа сетей и паттернов колеблется в интервале от 10 до 80%. Проценты прямо определяются двумя параметрами – плотностью связей внутри сети или паттернов и степенью однородности элементов, входящих в сеть или паттерн.
Жан Жак Слотин, профессор Массачусетского технологического института отметил в этой связи, что для сетей, где элементами являются люди, т.е. социальных сетей в онлайне и офлайне, показатель контроля составляет от 9 до 15%. Практически это означает, что если контролируется информационный поток или поведение от 9 до 15% участников сети, то в значительной степени контролируется и вся сеть или паттерн. Это относится и к небольшим группам, и к социальным сетям максимального размера.
К. Марлоу в своих работах отмечает, что плотность социальных сетей гораздо выше, чем принято думать. Все хорошо знают правило шести рукопожатий. Оно гласит, что любые два человека в мире увязаны через цепочку из шести человек. Это правило растиражировано и в научной, и в популярной литературе, вошло в обиход. А между тем, базируется оно всего на нескольких экспериментах, проведенных в одном городе, а именно в Бостоне во второй половине 70-х годов. Команда Facebook, используя имеющиеся данные, проанализировала сведения на совокупности, составляющей 300 млн. пользователей сети в самых различных странах мира. Выяснилось, что для 98% пользователей Facebook действует правило не шести рукопожатий, а чуть больше четырех.
К неожиданным результатам привело недавнее исследование под руководством члена научной группы Facebook Э. Бакши. Его осуществляли коллеги из университета штата Мичиган. Эксперимент назывался «Эхо-камера». Суть его состояла в том, что исследовались пути распространения мемов и факторы, влияющие на отношение пользователей Facebook к тем или иным лицам, событиям, процессам. Эксперимент проводился на совокупности 80 млн. аккаунтов. С одной стороны был получен весьма ожидаемый результат, что распространение мемов зависит от конфигурации паттернов, а между паттернами решающую роль играет массовость охвата мемом участников сети в целом. Гораздо более неожиданным оказался другой вывод. До эксперимента все были уверены, что на отношения участников паттерна решающее влияние оказывает позиция по этому вопросу других его членов, или как еще их называют «близких друзей». Выяснилось, что это не так. Слабые связи, т.е. позиция сети в целом или большого его фрагмента, куда входят несколько паттернов, оказывает большее влияние, чем позиция «близких друзей». Результат был настолько неожиданный, что эксперимент был трижды повторен и дал те же результаты. Не менее удивительным оказался тот факт, что мнение в виртуале может существенно расходиться с поведением в реале. Кроме того, оказалось, что в реале зачастую действуют несколько иные законы, чем в виртуале.
Присцилла Чан, жена Марка Цукерберга попросила его использовать возможности Facebook для увеличения добровольных бесплатных доноров крови в США. Цукерберг попросил научную группу предложить стратегию и практические инструменты реализации этой программы. При анализе результатов программы выяснилось, что при переходе из онлайна в офлайн ситуация меняется. Если на виртуальное мнение более сильное влияние оказывают слабые связи, то на реальное поведение больше воздействуют сильные связи. Фактически технология научной группы была построена на том, чтобы с одной стороны обеспечить максимально быстрое распространение мема «донор – это круто» по сети и создать этому мему климат максимального благоприятствования, а с другой стороны побудить наиболее влиятельных членов паттернов показать пример реальным поступком. Достигнуто это было путем отправления им персональных посланий за подписью Цукерберга, содержащим помимо просьбы не очень значащую, но приятную бесплатную «плюшку».
Недавно вышла публикация центра Беркмана по изучению информации и общества при Гарвардском университете. Исследование проводилось на материале мониторинга веба и непосредственно полевых работ в Тунисе, Египте, Ливии, Йемене. Было выделено три аспекта влияния социальных сетей на политические процессы, прежде всего, в арабском мире, а именно – коммуникационный, мобилизационный и информационный. Исследователи из Гарварда сделали однозначный вывод о том, что мобилизационная роль социальных сетей в событиях в противовес мнению СМИ и блоггеров была весьма невелика. Различного рода виртуальные сообщества не придали сколько-нибудь массового характера выступлениям. Решающей технологией мобилизации стали пятничные молитвы и обращения мулл.
Коммуникационный фактор социальных сетей, безусловно, присутствовал. Более того, как было выявлено и по результатам мониторинга, и по результатам полевых исследований, он нарастал по мере развития событий. Т.е. на первом этапе коммуникация шла в основном вживую и через банальные телефоны, но дальше все чаще стали использоваться платформа Twitter и социальные сети.
Наиболее заметную роль социальные сети сыграли в части информационного освещения событий в арабском мире и во всемирном медийном пространстве. Результаты исследования убедительно показали, что сообщения в Twitter и социальных сетях оставляла ничтожно малая часть участников событий. В их число входили, прежде всего, агитаторы, или ангажированные блогеры. Кроме того, среди них было немало и тех, кто писал то, что думал, или выкладывал видео, которые реально снимал. При этом именно сообщения ангажированных блоггеров в значительной степени использовались мировыми онлайн СМИ всех форматов и формировали информационные потоки. Частично здесь имел место фактор целенаправленного использования фрагментарной информации в целях манипулирования общественным мнением. Но главным, по мнению исследователей из Гарварда, было то, что именно такая технология формирования новостей встроена в производственные процессы мировых интернет и офлайн СМИ. Т.е. так произошло не только потому, что кто-то целенаправленно занимался манипуляциями, но и потому, что это соответствовало отработанным технологиям подачи новостей в режиме нон-стоп.
Широко обсуждаются результаты промежуточных исследований Института анализа социальных и политических конфликтов Джорджтаунского университета. Этот Университет является одной из ведущих «фабрик мысли» обслуживающих, прежде всего, Госдепартамент и Совет национальной безопасности. Институт вот уже девять лет ведет тему «Квазитолпа в политических событиях».
Еще в прошлом веке Г.Лебон написал свою знаменитую работу о толпе. В ней сформулировано и классическое понимание толпы, как большого, в каком-то смысле даже избыточного количества людей, оказавшегося в определенное время в конкретном месте. Квазитолпа отличается от толпы тем, что представляет собой толпу, которая собралась не случайно из-за стечения тех или иных обстоятельств, либо объективных процессов, а была собрана сознательно, либо собралась в результате каких-то общественных процессов.
Уникальность этого исследования состоит в том, что феномен квазитолпы изучался не только на материале арабского мира, но и Западной Европы, конкретно, событий в Лондоне, Париже, Берлине в последние годы, США («Оккупай Уолл-Стрит»). В результате исследований, которые велись с привлечением специалистов из МТИ и Северо-Западного института, выяснились очень интересные вещи. Для каждой из стран имеется свой критический порог численного состава квазитолпы, когда она начинает играть активную роль в политических, социальных и экономических процессах, прежде всего, на региональном, городском и территориальном уровнях. Этот порог зависит от численности населения в ключевых городах, культурных особенностей, национального темперамента и компьютерной вооруженности населения.
В исследовании установлено, что квазитолпа превращается в своего рода устойчивый субъект действия, способный собираться с определенной периодичностью при выполнении условий, связанных с ее структурным составом. Конкретно речь идет о следующем. Ранее считалось, что в квазитолпе четко выделяются три группы участников. Это «заводилы», выступающие организаторами квазитолпы и первыми выходящие на площади и улицы. Вторая – «регулярные бойцы». Это – участники квазитолпы, склонные к жесткому противодействию с властью и органами правопорядка, как правило, берущие на себя основной удар при попытках сдержать или рассеять квазитолпу. Третья – «примкнувшие». Это те, кто откликается на призыв заводил, и является массовкой для бойцов. Впервые структура квазитолпы была раскрыта исследователями из Лондонской школы экономики на примере анализа движения британских футбольных болельщиков – ультрас в 70-е годы прошлого века.
Проведенные в последние годы исследования заставили посмотреть на квазитолпу несколько по-иному. Квазитолпа понимается не как простое объединение большого числа людей, а как единое целое, состоящее из людей и групп, объединенных сильными, слабыми и очень слабыми связями. Выяснилось, если в квазитолпе не менее 7-15% людей принадлежат к группам, внутри которых имеются сильные связи, то это необходимый но недостаточный фактор превращения квазитолпы в реальный фактор действия. Что это за группы? Это не организаторы квазитолпы, а люди, которые влились в нее не поодиночке, а группами, которые тесно взаимодействуют в реале и общаются в виртуале. Эти группы становятся центрами притяжения и стабилизации квазитолпы. Они же в значительной степени втягивают в себя понемногу остальных членов квазитолпы. Про эти группы было известно и раньше.
А вот третий компонент квазитолпы четко выделен впервые. Выяснилось, что в квазитолпе, которой удалось стать субъектом действия, обязательно присутствовали микрогруппы, выполняющие роль катализаторов. Их численность должна составлять от 2 до 5% от общего числа участников квазитолпы. Это люди, которые наиболее активно ведут себя в квазитолпе, а также оказываются первыми при любых конфликтах и столкновениях. Было бы упрощением, как показали результаты исследований, всех их без исключения относить к провокаторам. Конечно, провокаторы в ряде случаев составляют большинство этой группы, но немалая часть людей, попавших в указанную категорию – это участники квазитолпы, которые по своим личностным и социально-психологическим характеристикам, культурным стереотипам и возрастным особенностям склонны к импульсивным действиям, имеют низкий порог сдерживания страхом и т.п. Исследованиям этой категории в России длительное время в России с успехом занимается д.ф.н. И.Сундиев. Очень интересно, что согласно анализу Института, эта группа в значительной степени формируется и рекрутируется в социальных сетях. По численности, они ничтожны, но последствия их деятельности очень велики. И это не удивительно, поскольку динамика квазитолпы – это чисто синергетический процесс. При таких процессах даже малые изменения могут привести к очень большим последствиям.
Имеется много свидетельств, что для того, чтобы квазитолпа превратилась в субъект действия, одних процессов самоорганизации недостаточно. Должно присутствовать внешнее управление со стороны тех, кто сам ни в коем случае не участвует в квазитолпе, а обеспечивает своего рода логистику, финансирование и т.п. Проще говоря, каждому кукольному театру нужен свой Карабас-Барабас. Хотя в реальности обычно действует не индивидуальный, а коллективный Карабас.
Значительный интерес вызвала недавняя работа Парижского центра изучения социальных, этнических и межконфессиональных конфликтов о взаимоотношениях виртуальных и реальных социальных сетей и групп в конфликтных ситуациях. Исследование имело целью выяснить вопрос, какие именно виртуальные группы быстрее всего самоорганизуются в конфликтных ситуациях и способны к согласованным действиям. В качестве материалов были использованы данные по беспорядкам в Париже, событиям прошлого года в Тунисе, футбольным беспорядкам в центральной Германии. Было выделено три типа групп: полностью виртуальные группы, которые до событий не имели между собой никаких контактов в реале, смешанные группы, где часть людей взаимодействовала в реале и все взаимодействовали в социальных сетях и, наконец, реальные группы, все члены которых многократно пересекались и взаимодействовали в реальном мире.
К некоторому удивлению исследователей выяснилось, что наибольшей способностью к самоорганизации обладают не реальные, как это предполагалось до сих пор, а смешанные группы. Под самоорганизацией имелась в виду способность людей на месте события быстро идентифицировать себя как единое целое и, кроме того, увеличивать численность группы за счет включения в нее других участников конфликтов или беспорядков. Оказалось, что реальные группы быстрее всех переходят к действиям, но с трудом коммуницируют с толпой на месте конфликтов или беспорядков. В то же время смешанные группы немногим уступали реальным группам в скорости перехода к тем или иным активным действиям, намного превосходя их по способности вбирать в себя неорганизованных участников конфликтов и беспорядков и просто людей, оказавшихся в это время в соответствующем месте.
Далее исследователи выяснили, что во всех странах наблюдения в смешанных группах наиболее авторитетные их члены связаны между собой не только виртуальными, но и реальными взаимодействиями. При этом число участников смешанной группы, имеющих устойчивые реальные взаимодействия, колеблется, как правило, в интервале от 10 до 25% от общей численности группы.
Международный центр практик краудсорсинга при стихийных бедствиях опубликовал данные аналитики, которую они провели по отражению в социальных сетях и Twitter наводнения в Новом Орлеане, землетрясения на Гаити, катастрофы вокруг Фукусимы и наводнений в результате разливов Красной реки.
Аналитику для центра вели специалисты Университета И. Лойолы, который, кстати, является поставщиком кадров для разведсообщества, при поддержке лаборатории аналитических методов обработки неструктурированный информации Стэндфордского университета. Было выявлено два новых неожиданных и технологически очень интересных обстоятельства.
Во-первых, оказалось, что социальные сети имеют различную пропускную способность в зависимости от оценочной окрашенности информации. Давно и хорошо известно, что наиболее рейтинговыми передачами на телевидении оказываются различного рода шоу, соревнования и т.п., имеющие, несомненно, положительную окрашенность, несущие позитивные эмоции. В социальных сетях, напротив, скорость распространения и широта охвата негативной информации в 2-2,6 раза превышает аналогичные показатели для позитивных новостей и сообщений. Данные цифры получены впервые и естественно в ближайшее время будут осмыслены и с военных, и с политических, и с коммерческих позиций.
Во-вторых, выяснилось, что люди, оказавшиеся в зоне стихийных бедствий, как это не удивительно, используют социальные платформы и социальные сети достаточно неожиданным образом. До проведения исследований и эксперты, и практики были убеждены, что социальные платформы и сети в зонах бедствия и экстраординарных событий используются, прежде всего, для того, чтобы подать призывы о помощи, просигнализировать властям или добровольческим организациям о необходимости предпринять усилия для спасения тех, кто выходит с соответствующими сообщениями. Оказалось, что такие сообщения составляют по различным регионам от 27 до 38% от общего числа осмысленных сообщений. При этом наибольший удельный вес призывов о помощи имел место на Гаити и при разливах Красной реки. Наименьший – в Японии.
Самыми распространенными сообщениями, на которые приходилось от 40 до 52% от общего количества осмысленных сообщений составили твиты и записи в социальных сетях, которые имели своей целью сообщить родным и близким о своем местоположении и самочувствии и наладить с ними эффективное взаимодействие. Фактически речь идет о том, что эти сообщения имели своей целью запустить процессы самоорганизации групп, находящихся в зонах стихийных бедствий. Причем, состав этих групп входили люди, как правило, имеющие тесные связи в реале, либо устойчивое взаимодействие в виртуале. В общем, оказалось, что старая и вечно молодая фраза из еще советского фильма: «Спасение утопающих – дело рук самих утопающих» как нельзя лучше отображает реалии вне зависимости от географической локализации. Наконец, третью группу сообщений составила информация о состоянии инфраструктуры в зонах стихийных бедствий. Как показал дальнейший анализ, эта информация по всем проанализированным районам оказалась на порядки более точной, чем передаваемая в то же время в онлайн режиме информация со стороны государственных и других официальных структур.
Недавно известный американский социолог и психолог П. Голвиттцер опубликовал переиздание книги «Символическая самореализация». В ней впервые на суд экспертов и практиков были представлены результаты более чем семилетних экспериментов, характеризующих взаимоотношения между высказанными намерениями и практически реализованными действиями. Исследования охватили почти 50 тыс. человек в Америке, Европе и Азии. Вне зависимости от региона, культурной принадлежности и возраста, выяснилось, что те, кто хранил свои намерения при себе, были более склонны их достигать, чем те, кто оглашал их и при этом получал высокую оценку от других.
Профессор психологии Нью-Йоркского университета П.Голвиттцер выяснил, что намерение, будучи высказанным и оцененным, формирует самооценку человека и снижает побудительные мотивы к практическим последующим действиям. Поскольку профессор начал свои эксперименты еще в 1982 г. в доинтернетную эру, ему удалось посмотреть на динамику расхождений между намерениями и действиями во времени. Он выяснил, что это расхождение стремительно нарастает и строго коррелируется с повышением доступности интернета и распространением социальных сетей. Отсюда П.Голвиттцер сделал вывод, что социальные сети имеют еще один неожиданный аспект. Для значительной части населения они выступают как своеобразная машина «забалтывания», блокирования действий за счет коммуникации и одобрения со стороны сообщества высказанной точки зрения. Получив одобрение, люди в некоторой степени теряют побудительные мотивы для осуществления практических, подчас связанных с риском или неприятностями действий.
Как явствует из материалов, проведенных в последнее время конференций с участием ведущих американских и британских исследователей, политиков, военных, представителей разведывательного сообщества, бизнеса сложилась четкая точка зрения, что любыми социальными сетями, сообществами и группами можно эффективно управлять, если знать закономерности формирования и динамики, а также характеристики групп любых масштабов и структур. На страницах ведущих американских СМИ мелькает применительно к синтезу технологий Больших Данных и сетевых исследований эпитет «новая ракетная наука». На американском политическом сленге «новая ракетная наука» – это сфера науки и технологий, способная обеспечить максимальные разрушительные и созидательные эффекты, а также имеющая двойное применение, и в военной, и в гражданской областях.
В этой связи хотели бы отметить следующее. Вряд ли стоит ожидать в ближайшие годы появления обобщенного труда, типа известных работ Д.Шарпа и Д.Ная. По сути, речь идет о полусекретных разработках. Однако, в силу особенностей финансирования американской науки, практически все значимые результаты исследований публикуются в открытой печати, как правило, в платных научных журналах, размещенных в так называемом «невидимом» интернете. В этой связи важнейшей практической задачей является каждодневный мониторинг таких публикаций, их своевременная оценка, классификация, включение новых методов в общесистемный арсенал цифровых социумных вооружений и опережающая разработка средств борьбы с новыми угрозами.
Ларина Е., Овчинский В.
05.05.2014 Большие Данные как стратегический ресурс
«Завтра» начинает публикацию серии статей Елены Лариной и Владимира Овчинского, посвящённых т.н. «Большим Данным» (англ. Big Data). Ряд исследователей считает данный термин надуманным, мифическим, тем не менее наш главный стратегический конкурент - США уделяют проблеме Больших Данных приоритетное внимание. Достаточно напомнить, что ещё в марте 2012 года администрация президента США Барака Обамы объявила об инициативе по исследованию и разработкам в области «Больших Данных». Шести американским государственным агентствам выделено свыше 200 миллионов долларов на анализ и организацию больших объёмов цифровых данных.
В начале апреля этого года опубликованы результаты исследования компанииIDC«Цифровая Вселенная». Учёные считают, что к 2020 году произойдёт 10кратный рост объёмов информации -с 4,4 до 44 зетабайт. Причём, развивающиеся рынки (Бразилия, Китай, Мексика и Россия) к 2020 году сдвинут баланс производства Больших Данных в свою сторону от сформировавшихся рынков (Германия, Япония и США). Кроме того, рост объёмов данных опережает рост ёмкости систем хранения.
Для России проблема «Больших Данных» приобретает стратегическое значение. В 2014 году по оценке исследователей лишь 1, 5% российской цифровой Вселенной представляли собой «насыщенные данные», которые являются управляемой сферой анализа. Несмотря на то, что в России ведутся работы в сфере исследований «Больших Данных» (например, центром исследований и разработок ЕМС в Сколково), данная проблема требует как можно более широкого обсуждения.
В последние годы Большие Данные являются общепризнанным трендом экономического и технологического развития. Им посвящены тысячи публикаций. Они относятся к числу наиболее популярных тем, как в специализированных изданиях, так и в различного рода СМИ, рассчитанных на самую широкую аудиторию. В результате возникло впечатление, что Большие Данные – это нечто само собой разумеющееся, ясное, понятное. Широко распространена иллюзия о повсеместном применении Больших Данных в России.
Между тем, дело обстоит совсем не так. Беспристрастный анализ фактических данных показывает, что наша страна существенно отстает в сфере Больших Данных. Значительная часть компаний только используют термин «Большие Данные» в маркетинговых целях, а по сути, применяют старую, хорошо известную бизнес-аналитику, которая заметно отличается от Больших Данных. В стране практически нет спроса на специалистов по Большим Данным. Достаточно посмотреть наиболее популярные порталы работ, чтобы убедиться, что спрос на специалистов по Большим Данным у нас на порядки меньше, чем в США, Европе, Японии, Китае. В то время как во всем мире издаются сотни профессиональных и общедоступных книг по отдельным аспектам Больших Данных, в России только в этом году вышла первая книга по Большим Данным – работа В. Майер-Шенбергера и К.Кукьера «Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим». Да и эта книга носит не профессиональный характер, а написана в жанре нон-фикшн.
Происходящее вызывает особую тревогу в условиях, когда ведущие наднациональные мировые структуры и транснациональные корпорации, правительства ведущих стран мира, бизнес самых различных масштабов, системы управления производственной и социальной инфраструктурой и, конечно же, военно-разведывательный комплекс всех основных стран мира уже используют Большие Данные как важнейший стратегический ресурс.
В этой связи в предлагаемом цикле статей авторы имеют в виду постараться показать скрытые, а в немалой степени сознательно скрываемые возможности и последствия использования Больших Данных не только и не столько в экономической, сколько в политической, социальной и иных сферах жизнедеятельности общества.
Достаточно парадоксально, что до сих пор при широком использовании технологий Больших Данных нет общеупотребительного их определения. Наиболее часто используется популярностью определение Майкла Франклина из Университета в Беркли: «Большие Данные – это любые данные, работа с которыми требует значительных затрат и из которых трудно извлечь информацию». Данное определение кочует из книги в книгу, из работы в работу. Между тем, оно является лучшим подтверждением тезиса о том, что наука о Больших Данные и практические технологии Больших Данных живут в параллельных реальностях. Соответственно, наука о Больших Данных не столько выступает надежным базисом для инженерии данных, сколько намерено или ненамеренно скрывает революционную суть технологий Больших Данных.
В самом деле, определение через большие затраты и трудность обработки может указывать не только на специфические характеристики данных, но и на неэффективность применяемых технологий. По сути, это определение ничего не говорит о том, чем Большие Данные отличаются от просто данных. Казалось бы, штука эта безобидная и носит исключительно академический характер. Однако, на практике это не так. Когда лица, принимающие решения, возможно и не обладающие глубокими профессиональными познаниями, но в подавляющем числе наделенные недюжинным здравым смыслом, встречаются с подобными определениями, у них возникает подозрение, что они имеют дело с очередной маркетинговой уловкой. Суть этой уловки в том, чтобы просто извлечь из организации деньги, заставив ее заплатить за старые решения под новым названием. Несомненно, что непонятность Больших Данных для лиц, принимающих решения, в том числе и у нас, принципиальное отличие технологий Больших Данных от того, что было раньше, стали одними из важных причин, почему Россия и целый ряд других стран, располагающих всеми необходимыми предпосылками для использования этих технологий, на сегодняшний день отстают в гонке цифровых вооружений.
Чтобы разобраться с тем, что такое Большие Данные и в чем принципиальная новизна их технологий, надо для начала отследить время возникновения термина. Сам по себе термин «Большие Данные» появился пять лет назад после публикации специального выпуска ведущего американского научного журнала Nature, целиком посвященного этой теме. Затем тема, как по команде, была растиражирована сначала специализированными IT изданиями, а затем подхвачена элитными СМИ, типа Foreign Affairs, Wall Street Journal и т.п.
Что же произошло пять лет назад? Есть ли какие-то документальные доказательства, что мы не имеем дело с чем-то принципиально новым, а не с хорошо продуманной маркетинговой кампанией по принуждению правительств и корпораций к покупке нового, дорогостоящего софта? Ведь таких примеров в истории IT индустрии было немало. В данном случае твердые документальные доказательства перехода некоего Рубикона имеют место быть.
Во-первых, он связан с достижением интернетом уровня контентной зрелости и перехода в фазу ярко выраженного экспоненциального развития. Эта фаза получила название «информационный взрыв». Примерно, с 2008 года объем информации вновь генерируемой в сети стал удваиваться в течение примерно полутора-двух лет. На сегодняшний день можно привести следующие ключевые характеристики информационного взрыва.
По данным компании Cisco, объем сгенерированных данных в 2012 году составил 2,8 зеттабайт и увеличится до 40 зеттабайт к 2020 г. Примерно треть передаваемых данных составляют автоматически сгенерированные данные, т.е. управляющие сигналы и информация, характеризующие работу машин, оборудования, устройств, присоединенных к интернету, или к интернету вещей. Причем с каждым годом доля интернета вещей или как его сегодня еще называют «интернета всего» растет в общем объеме мировых информационных потоков. На 40% ежегодно увеличивается объем корпоративной информации, передаваемой и хранящейся в сети интернет.
Число пользователей интернета в мире к концу 2013 года составило 2,7 млрд. человек, или 39% населения земли, а к 2016 году эта доля составит 65-75% населения по данным Центра новостей ООН. Как ожидается, количество корпоративных пользователей интернета во всем мире увеличится с 1,6 миллиарда в 2011 году до 2,3 миллиарда в 2016 году.
Во-вторых, примерно в этот период времени появились и стали доступны для корпоративных пользователей принципиально новые IT решения, позволяющие в режиме реального времени обрабатывать практически безразмерные массивы данных самого различного формата. Причем, эти решения сразу же стали реализовываться не только как программные платформы, устанавливаемые на серверы, но и как облачные вычисления, где от организации не требовалось наличия огромной инфраструктуры компьютерного железа.
В-третьих, к концу нулевых годов западные, прежде всего, американские поведенческие и когнитивные науки, с одной стороны получили широкое признание со стороны бизнес-сообщества и государств, а с другой, из фазы исследований и разработок перешли в стадию производства эффективных технологий. Косвенным показателем этого процесса стал тот факт, что в течение нулевых годов три виднейших представителя поведенческих наук: Д.Канеман, Дж.Акерлоф и П.Шиллер получили Нобелевские премии по экономике. Экономика была выбрана лишь потому, что Нобелевских премий в сфере наук о человеке просто не существует.
Теперь давайте вдумаемся, чем же, по сути, является интернет. Причем, без разницы, о каком интернете мы говорим – об интернете людей или об интернете вещей. Не надо обладать глубокими техническими знаниями, чтобы понять, что фактически интернет является хранилищем, своеобразным архивом следов человеческой деятельности. Причем, не только той деятельности, которая реализована в конкретных поступках, действиях, событиях, но и архивом намерений, мнений, мыслей и отношений. Не зря знаменитый американский автор бестселлеров Маршалл Смит уподобил интернет толще земли, в которой можно обнаружить след доисторического животного, умершего миллионы лет назад. По сути, в интернете ничего не исчезает. Даже популярные в постсноуденовскую эпоху различного рода сервисы удаления аккаунтов и других следов пребывания в сети, удаляют лишь те следы, которые доступны для наблюдения простыми пользователями, не вооруженными специальными программами, доступными для корпораций и государств.
Соответственно формирование огромного, постоянно пополняющегося архива поведенческой активности самых различных субъектов, от отдельных государств и огромных компаний до небольших групп и отдельных индивидуумов собственно и послужило базисом появления Больших Данных. C тех пор направление Больших Данных стало ведущим в сфере информационных технологий.
Анализ накопленного за последние годы опыта применения технологий Больших Данных позволяет выделить несколько ключевых черт, отличающих Большие Данные от всех других информационных технологий. К ним относятся:
- во-первых, огромные массивы разнородной информации о процессах, явлениях, событиях, различного рода объектах и т.п., пополняемые непрерывно в режиме он-лайн. Согласно имеющейся статистике 60% этой информации носит неструктурированный, в основном текстовой характер и 40% составляет структурированная, или табличная информация. В последние годы в общем объеме Больших Данных постоянно нарастает доля информации структурированного характера, поступающей от вещей, соединенных с интернетом – от холодильника, до городской системы регулирования светофоров и т.п.;
- во-вторых, специально спроектированные программные платформы, где Большие Данные любого объема могут храниться в удобном для вычислений виде. Особо надо подчеркнуть, что эти архивы отличаются от привычных баз данных, которые приспособлены только для структурированной или табличной информации. Отличительной чертой этих хранилищ является то, что структурированная и неструктурированная информация могут обрабатываться совместно, как единое целое;
- в-третьих, наличие различного рода математического, прежде всего, статистического инструментария для обработки Больших Данных и получение результатов в виде, понятном для человека. Причем, при анализе Больших Данных используются не только традиционные методы математической статистики, но и алгоритмы распознавания образов, нейронные сети, построенные по дальней аналогии с работой человеческого мозга и т.п.
По данным различных исследований, не более 0,6% всей имеющейся сейчас информации подпадает под категорию Больших Данных, т.е. накапливается, хранится и перерабатывается. В этих же исследованиях указывается, что потенциально в качестве Больших Данных может использоваться 23% всей хранимой в настоящее время информации. Т.е. фактически сейчас из всей этой информации используется как Большие Данные, т.е. обрабатывается, анализируется чуть больше 3%. Между тем, последние достижения в области создания платформ накопления, хранения и обработки объемов данных всех форматов позволяют увеличить потенциальные Большие Данные с 23 до примерно 40% всей передаваемой в сетях информации.
Еще в 2011 году McKinsey Global Institute объявил Большие Данные "следующим рубежом для инноваций, конкуренции и производительности". По данным целого ряда ведущих международных деловых изданий, уже сегодня Большие Данные дают заметный эффект в бизнесе. Например, выяснилось, что в транснациональных компаниях, входящих в список Fortune 500, где, казалось бы, до мелочей отлажены все процедуры и процессы, внедрение технологий Больших Данных на 5-7% увеличило эффективность использования ресурсов – труда, основных производственных фондов, энергии и т.п. и на 7-9% обеспечило рост объемов продаж. Для среднего бизнеса показатели оказались в полтора-два раза выше. Причем, следует отметить, что данные получены в условиях, когда мировая экономика испытывает на себе последствия глубочайшего финансово-экономического кризиса и экономический рост измеряется в лучшем случае 1-2%.
На чем же базируется эффективность Больших Данных? Технологии Больших Данных и прежде всего, методы статистического анализа, компьютерного распознавания образов и т.п., применяемые на огромных, постоянно пополняемых массивах данных позволяют:
- проводить самые различные и сколь угодно подробные классификации той или иной совокупности людей, компаний, иных объектов по самым разнообразным признакам. Такие классификации обеспечивают точное понимание взаимосвязи тех или иных характеристик любого объекта – от человека до компании или организации, с теми или иными его действиями;
- осуществлять многомерный статистический и иной математический анализ. Этот анализ позволяет находить корреляции между самыми различными параметрами, характеристиками, событиями и т.п. Корреляции не отвечают на вопрос – почему. Они показывают вероятность, с которой при изменении одного фактора изменяется и другой. В каком-то смысле Большие Данные представляют собой альтернативный традиционной науке метод. Наука на основе теоретических моделей отвечает на вопрос – почему, а затем, получив ответ, делает рекомендации, как действовать. В случае корреляции стадия поиска причины ликвидируется, а действие происходит в тех случаях, когда факторы тесно взаимосвязаны и на один из факторов легко или возможно осуществить целенаправленное воздействие;
- прогнозировать. На основе классификаций и аналитических выкладок осуществляется прогнозирование. Суть прогнозирования состоит в том, чтобы на основе корреляции определить наиболее легкий способ воздействия для того, чтобы один набор факторов, характеризующих тот или иной объект, лицо, компанию, событие и т.п. был преобразован в другой.
Как любой новый технологический пакет, Большие Данные тут же обросли мифами и заблуждениями. Многие из них постоянно усиливаются как самими производителями программных продуктов в сфере Больших Данных, так и средствами массовой информации, вынужденными адаптировать сложные вопросы информационных технологий до читателей, не обремененных излишними знаниями.
Из всей совокупности мифов стоит выделить три главных. Именно они наносят наибольший вред технологиям Больших Данных и тормозят их практическое применение, в том числе в нашей стране.
Прежде всего, в маркетинговых целях прикладываются немалые усилия, чтобы представить технологии Больших Данных неким новым Святым Граалем. На них необоснованно возлагается роль панацеи от всех бед. Между тем, очевидно, что любой технологический пакет имеет строго определенные условия для своего применения. Касательно Больших Данных таким ограничением является сопоставимость текущей ситуации с ранее наблюдавшимися ситуациями, процессами, периодами времени и т.п. В качестве примера можно привести прогнозирование потребительского поведения. Каждый человек на собственном опыте знает, что в ситуации умеренной инфляции он будет делать одни покупки, а при гиперинфляции его потребительское поведение коренным образом изменится. Если уже имеются Большие Данные как по периоду с низким уровнем инфляции, так и ситуации гиперинфляционного шока, то технологии Больших Данных будут полезны. Они позволят распознать, к какому классу относится текущая ситуация, обратиться к соответствующим поведенческим паттернам, характеризуемым теми или иными параметрами, и позволят дать достаточно достоверный прогноз. А вот если Больших Данных по периоду гиперинфляции нет, а она наступила, то в такой ситуации технологии Больших Данных будут бесполезны. Более того, их применение чревато непоправимыми ошибками. Этот пример показывает: технологический пакет Больших Данных, также как и другие технологические пакеты имеют строгие условия, где его применение эффективно, а где – нет.
Бытует мнение, что Большие Данные могут применяться только государственными структурами и транснациональными корпорациями, и недоступны для других субъектов. Связано это с дороговизной как серверной части, так и программного продукта, требуемого для работы с Большими Данными. И, наконец, с высокой зарплатой специалистов по Большим Данным. На практике в последние пару лет пользу из Больших Данных извлекают не только гигантские, но и небольшие структуры. Это стало доступным благодаря облачным вычислениям. В этом случае небольшие структуры выступают конечными пользователями технологического пакета, который получают как услугу. Использование этой технологии, как показывает опыт небольшого и среднего бизнеса в США, Западной Европе и Японии дает компаниям неоспоримые конкурентные преимущества по сравнению с бизнесами, которые подобными возможностями не располагают.
Наконец, очень серьезным заблуждением является рассмотрение технологического пакета Больших Данных как чисто машинной технологии. Многие государственные и корпоративные структуры впустую затратили огромные суммы средств только потому, что все ресурсы были направлены на закупку компьютерного железа и программных продуктов. При этом, затраты на кадры формировались по остаточному принципу. Между тем технологии Больших Данных требуют специалистов высочайшего уровня квалификации, как правило, обладающих образованием и профессиональными навыками не только в области информационных, но и гуманитарных наук. Сегодня, например, в США по оценкам экспертов не хватает от 50 до 70 тыс. специалистов по данным (data scientists). Большие Данные представляют собой не машинную, а человеко-машинную технологию.
Это наглядно показал пример любимого детища АНБ, компании П.Тиля Palantir. Одна из версий программы ориентирована на борьбу с мошенничествами в крупных финансовых структурах. Пока действовал чисто машинный вариант система давала множество ложных срабатываний. При этом, полностью выявлялись и реальные случаи хищений, но они были смешаны с неточными выводами. В результате за программу посадили ветеранов служб экономической безопасности в качестве операторов. За короткий срок они обучились работе с программой и, используя человеческий опыт, выбирали из всей совокупности сигналов лишь те, которые указывали на реальные хищения.
По этому поводу руководитель одной из самых перспективных компаний в области прогнозирования Quid, также принадлежащей П.Тилю Ш.Горли сказал: «Наибольший эффект Большие Данные дают тогда, когда возможности компьютеров в обработке гигантских массивов информации и выявлении нетривиальных связей соединены с человеческим опытом и профессиональной интуицией. А все, что вам рассказывает Р.Курцвейл про искусственный интеллект, это как минимум на ближайшее будущее просто красивые истории и PR ходы».
Подытоживая суть технологий Больших Данных, можно согласиться с краткой формулировкой консалтинговой компании Forrester: “Большие Данные объединяют техники и технологии, которые извлекают смысл из данных на экстремальном пределе практичности”.
Большие Данные в первую очередь были использованы в маркетинге, инвестиционном бизнесе, в продажах и т.п. Т.е. фактически там, где речь идет о косвенном, незаметном управлении поведением. Другой сферой применения Больших Данных стали процессы, описываемые множеством параметров, где за счет изменения режима можно получить экономию того или иного ресурса. В этой связи за пределами маркетинга и продаж самыми активными пользователями Больших Данных стали государственные учреждения и энергетический сектор экономики.
Но это лишь надводная часть айсберга. А подводная часть, как известно, всегда намного больше и, если можно так сказать, серьезнее. Подводной частью айсберга стало использование технологий Больших Данных в таких сферах как разведка и контрразведка, военное дело, геостратегия и то, что традиционно называлось информационными войнами, а фактически представляет собой форму жесткого когнитивного противоборства.
Большие Данные были быстро осознаны такими странами, как Соединенные Штаты, Великобритания и Япония, в качестве важнейшего ресурса стратегического значения. 29 марта 2012 года Администрация Б.Обамы выступила с инициативой «Big Data Research and Development Initiative» . Инициативой предусматриваются вложение значительных объемов ресурсов и проведение комплексных мероприятий в целях активного использования технологий Больших Данных на ключевых направлениях государственной политики США. В рамках инициативы в конце февраля этого года в Вашингтоне пройдет большая конференция «Big Data for government & defense».
В сентябре 2013 года правительство Японии опубликовало информацию о разработке национальной программы по Большим Данным. Летом минувшего года правительство Австралии заявило, что рассматривает Большие Данные как важнейший национальный стратегический ресурс и выдвинуло задачу стать головной страной в сфере использования технологий Больших Данных как на правительственном уровне, так и на всех других уровнях государственного аппарата в масштабах Британского Содружества Наций.
Ларина Е., Овчинский В.