Подумайте, например, об осанке — как вы сейчас сидите. Люди сидят по-разному в зависимости от длины ног, спины и формы спины. Если бы я установил сотни сенсоров во все сиденья, я бы смог вывести индивидуальный индекс для каждого из вас, что-то вроде отпечатков пальцев. И что же мы можем с этим сделать? Ученые в Токио используют такие данные как потенциальную противоугонную систему для машин. Идея в том, что угонщик садится за руль и пытается удрать, но машина опознает, что за рулем водитель без доступа. Двигатель не заработает, пока вы не введете пароль на приборной панели. В дальнейшем по подобной информации можно определять усталость водителя — машина может опознавать, когда водитель проваливается в «усталую» позу, и посылать ему сигнал с помощью вибрации руля или гудка в салоне, говоря: «Эй, просыпайся, внимательней следи за дорогой». Такого рода вещи мы сможем делать при документировании все бÓльших аспектов нашей жизни.

Сейчас повсюду проникает принцип машинного обучения. Вы знаете, как появились беспилотные машины? Все потому, что мы поменяли подход к решению. Мы перешли от попыток четко объяснить компьютеру, как водить машину, к другой формулировке задачи. Мы как бы говорим компьютеру: «Вот кипа данных про автомобиль. Учись, думай сам, когда нужно остановиться и как ехать».

Машинное обучение лежит в основе многих действий, совершаемых нами в Сети: поисковые системы, машинный перевод, системы распознавания речи. Исследователи недавно дали компьютеру задание отличить раковые клетки от здоровых, анализируя данные. Машина смогла определить двенадцать признаков, лучше всего различающих больные и здоровые клетки. Из них ранее медикам были известны только девять.

Но есть и обратная сторона больших данных. Полиция может использовать такую информацию в своих интересах, примерно как в фильме «Особое мнение». Существуют такие термины, как предиктивная безопасность и алгоритмическая криминология — их идея в том, что если взять много данных, например вероятные места совершения преступлений, мы будем знать, куда посылать патрули.

Но этим дело не закончится. Почему бы не использовать информацию о частных лицах — об аттестате, наличии работы, кредитоспособности, о том, что именно человек смотрит в интернете, бодрствует ли он поздно ночью? Устройства, измеряющие биологические данные, покажут наличие агрессивных мыслей. Можно выработать алгоритмы, прогнозирующие, что мы собираемся сделать, и нас могут привлечь к ответственности еще до совершения противозаконного действия. Конфиденциальность была главной проблемой во времена «малых данных». В эпоху «больших данных» проблемой станут охрана свободы воли и свободы выбора.

Есть еще одна беда.Большие данные сократят количество рабочих мест, алгоритмы изменят работу белых воротничков в XXI веке так же, как автоматизация фабрик и конвейеризация бросили вызов синим воротничкам в XX веке. Подумайте о лаборанте, который смотрит в микроскоп, определяя, рак перед ним или нет. Этот человек окончил университет, но его рабочее место, как и у миллионов таких же профессионалов, претерпит радикальные изменения, а то и вовсе будет сокращено. Нам нравится думать, что технологии создают рабочие места в долгосрочной перспективе после короткого временного периода дезорганизации  —  это и вправду случится. Но многие категории деятельности просто исчезнут и никогда не вернутся. Индустриальная революция не принесла бы вам пользы, будь вы лошадью. Нужно быть владельцами этой технологии, а не ее прислугой. Мы лишь на подступах к эре больших данных, и, честно говоря, у нас не очень получается управлять всей получаемой информацией. Она словно огонь для первобытного человека — это орудие, которое, если мы не будем осторожны, нас обожжет.

Кеннет Кукьер

Редактор раздела данных журнала Economist, автор бестселлера «Большие данные: революция, которая изменит то, как мы живем, работаем и мыслим»

Эксперт.Ру