Жизнь – программный код: как мы стали предсказуемыми?

big dataВы можете пожать плечами, если вас спросить, где вы будете в три часа в следующую среду, но модель с большой вероятностью будет знать об этом.

Какова роль случайных факторов в человеческом поведении и до какой степени наше поведение предсказуемо? На эти вопросы пытались ответить ученые на одном из симпозиумов ежегодной конференции Американской ассоциации содействия развитию науки (AAAS) в феврале 2013 года в Бостоне. Вопросы актуальные: огромные массивы данных, которые производит современное технологическое общество, вкупе с новыми инструментами анализа создают невиданные по точности возможности для предсказаний социального поведения.

Например, детальную информацию о наших перемещениях имеют мобильные операторы. Команда исследователей из Northastern University в Бостоне собрала такие данные о 50 тысячах человек за три месяца, делающих или получающих хотя бы один вызов по телефону за два часа. Они создали математическую модель и обнаружили, что предел предсказуемости нахождения человека в любой момент времени составляет 93%! Еще более удивительно, что не было ни одного случая, где предсказуемость опустилась бы ниже 80%.
Кажется тривиальным предсказывать жизнь работающего человека в большом городе, с маршрутом дом – работа – дом. Стоит учесть, что данные, с которыми приходилось работать, были не идеальны: ученые получили лишь приблизительное местонахождение человека и только тогда, когда он делал или получал вызов. Все другое время человек был невидим, тем не менее модель могла справляться и с этим.
К слову, именно 80% точности предсказания сегодня достигли и математические модели, описывающие движения и фиксации глаз человека при просмотре визуальных стимулов, будь то реклама, либо натуральные сцены жизни. Эти движения глаз опосредованно отражают ход мышления и процесс принятия решения. Супермаркеты также используют такие модели и по картам лояльности с высокой точностью предсказывают наши покупки и даже то, что у вас в семье скоро будет ребенок.
Каждый из нас считает себя уникальным и неповторимым и жаждет больше спонтанности и изменений в жизни, но, как видим, хорошо предсказуем и с математической точки зрения почти ничем не отличается от другого.
Вот еще пример. Необходимость в постоянной мобильности требует новых подходов к городской и пригородной транспортной инфраструктуре. Скорость роста новых городов, особенно в Азии и Африке, вынуждает искать новые методы регулирования трафика. Группа, которую представляла Марта Гонзалес из Массачусетского технологического института, также использовала данные мобильных операторов, чтобы понять динамику использования дорог и предсказывать транспортные движения и проблемы. Ученые обнаружили, что пробки образуют лишь небольшое число источников дорожного движения. Это позволяет создать эффективную стратегию, снижающую время путешествия через всю транспортную систему. Для этого модели надо «скормить» данные нахождения наших телефонов.

Другая тема предсказаний социального поведения – распространение заболеваний. Дирк Брокманн из Northwestern University считает, что динамика эпидемий становится понятнее, если смотреть на нее под новым углом. Его группа использовала данные транспортных сетей. Более 3 миллиардов людей ежегодно летают самолетами, и эту мобильность можно предсказывать. Ранний пример, вдохновивший на последние идеи, – это отслеживание банковских купюр на сайтах Wheresgeorge и Eurobilltracker.com. Это позволяет ученым собирать массивные объемы данных, анализируя которые, можно опосредованно судить о мобильности людей.
Существующие модели основываются на географической дистанции, но это делает картину неполной. Например, Нью-Йорк и Лондон находятся далеко друг от друга, но ежесуточный трафик между ними составляет 10 тысяч человек, делая эти города ближе, чем, например, географически близкие Нью-Йорк и Милуоки. Города с большим количеством связей, такие как Амстердам, Лондон, Гонконг, – важные центры распространения заболеваний. Когда носители заболевания достигают этих городов, скорость и география распространения достигает максимума. Модель, которую разработали ученые, позволяет довольно точно предсказать ход эпидемии, основываясь только на очаге заражения и числе заболевших. Именно эта модель воссоздала ситуацию 2009 года с эпидемией свиного гриппа H1N1 с поразительной точностью.
Области применения моделирования социального поведения обширны: среди прочего они могут быть полезны для расчета распределения ресурсов в электрических сетях, для предсказания гражданских волнений и распространения компьютерных вирусов. Но таким системам предсказаний предстоит решить еще много сложнейших технических и этических проблем. Например, должна ли такая информация о предсказаниях быть публично доступной в реальном времени? Не говоря уже о террористах, которые могли бы эксплуатировать такие знания для совершения своих злодеяний. Риски неправильного предсказания могут создать колоссальные финансовые и социальные сложности. Владение информацией потенциально усиливает власть и возможность контроля населения.

Другая проблема: в отличие от физической системы, социальное поведение будет адаптироваться к знаниям, полученным в предсказании, а сама информация станет интегральной частью поведения.

Как-то британская служба MI5 подсчитала, что стабильность и порядок в стране могут исчезнуть всего лишь за 48 часов, или за четыре пропущенных приема пищи. Нехватку еды и воды, в результате стихии или волнений, пользуясь современными моделями, можно предвидеть и предотвратить, вернув страну в лоно благополучия. Но это благополучие, в свою очередь, тоже потребует жертв: так, недавнее исследование показало, что после теракта 11 сентября 2001 года больше американцев стали избегать полетов на самолетах, предпочитая автомобили. Именно благосостояние нации – развитая дорожная инфраструктура и наличие автомобилей у большого числа людей – привело к тому, что смертность на дорогах увеличилась. Таким образом, террористы, как заметили авторы исследования, продолжали убивать даже после теракта. Смешно, что мы могли бы предсказать и это и создать еще одну, новую ситуацию. Напоминает «Свидание в Самарре» Сомерсета Моэма.
Не остается в стороне и политика: Болеслав Сжимански из Rensselaer Polytechnic Institute представил модель предсказания смены политического настроения общества (см. подробнее на Slon: «Суперкомпьютер рассчитал, при каких условиях сменится власть в России»). Господствующее мнение большинства может быть очень быстро изменено небольшой группой случайно распределенных людей, не обязательно связанных между собой, способных убеждать других в своей точке зрения, при этом не поддаваясь чужим взглядам. Это критическое число составляет чуть меньше 10% населения. По достижении этой цифры скорость смены политического курса становится драматически быстрой.
А Дирк Хелбинг из Швейцарского федерального технологического института говорит об идее создания математической модели общества в целом. Работы уже ведутся, а их цель – объединить различные модели вроде тех, о которых шла речь, в единую систему симуляции и предсказания поведения общества. Вот видео с его недавним выступлением по этой теме.
Мы становимся все более предсказуемыми и понятными для математических моделей. Они – как волшебное зеркало, которое показывает не только, кто мы и где мы сейчас, но и как нас изменит будущее. Вопрос, прибавится ли от этого в нашей жизни смысла и счастья?

Первоначально опубликовано на Slon.ru

2 thoughts on “Жизнь – программный код: как мы стали предсказуемыми?

  1. Интересно. Есть конкретные примеры предсказания социального поведения, аргументы выступивших на симпозиуме?

    1. В статье же есть примеры? Если кто-то моделирует, то он сегодня может многое сказать – и узнать где вы будете в следующую среду и что купите в своем магазине, и даже когда у вас будет ребенок :) и его пол, и кем он станет :)

Добавить комментарий для Boris ZubkovОтменить ответ