Category Archives: Поведение

Особое мнение – в массы

Том Круз в фильме Особое мнение В ходе последних десятилетий мы произвели больше данных, чем за всю историю человечества. Умение ими пользоваться только зарождается, и уже даёт власть, которую раньше казалась фантастической. Посмотрел недавно фильм BBC Horizon The age of big data, который очень просто и доходчиво объясняет, что такое эти большие данные и что с ними можно делать (фильм уже есть на русском). Один эпизод из фильма:

Профессор Университета Калифорнии в Лос-Анжелесе Джефф Брантингэм (Jeff Brantingham), антрополог, является специалистом по племенам охотников-собирателей в Китае. Он полагает, что, с точки зрения антропологии, паттерны поведения людей схожи, и поведение таких племен в Китае должно иметь общие черты с поведением преступных банд в Лос-Анджелесе. Люди склонны производить повторяющееся поведение снова и снова, и он подумал, что из огромной базы данных полиции Лос-Анджелеса, включающей характеристики десятка миллионов преступлений, можно эти паттерны извлечь. Он привлёк профессора математики Университета в Санта-Кларе Джорджа Молера (George Mohler), который обратился за моделью в сейсмологию. Сегодня нет эффективной модели, предсказывающей землетрясения, но есть модели, вполне хорошо описывающие афтершоки, толчки после основного землетрясения. Криминология показала, что каждое преступление характеризуется аналогичной кластеризацией следующих за ним других преступлений.

Ученые «накормили» модель данными базы совершенных преступлений, и она предсказала преступления прошлого, то есть, на основе более ранних — свершившихся позже. После этого можно было тестировать и будущее. Так появилась программа PredPol – робкая, но уже эффективная предвестница того, что мы все видели в фильме 2002 года Особое мнение (Minority Report).

квадраты с потенциально возможным преступлением Программа стала производить ежедневные прогнозы, показывающие квадраты 500 на 500 метров, где, с определенной вероятностью произойдет преступление, но, пока без предсказания времени. Офицеры, которых привлекли к реализации программы, сначала были скептически настроены, но когда они стали замечать попытки преступлений в заданных квадратах, прониклись уважением. Даже пребывание полицейских в течение 5-10 минут в указанном квадрате приводило к падению преступности, как стала показывать статистика. Программа уже внедрена и продолжает вводиться в десятках других городов, и скоро станет обычной частью работы по борьбе с преступностью.

Издалека долго течет река Миссисипи

Река Миссисипи Какова длина реки Миссисипи? Черт его знает, но можно что-то предположить, вспоминая уроки географии. И когда мы все же решаемся назвать цифру, то есть вынести суждение, мы подвергаемся влиянию различных, относящихся или не относящихся к проблеме, фактов и стимулов. В идеале, человек не должен поддаваться влиянию не относящихся к делу стимулов, и даже осознавать, что такое влияние на его суждение может происходить. В реальности же, такие произвольные и совершенно не относящиеся к вопросу стимулы всегда оказывают влияние. Этот феномен весьма устойчив, и получил множество экспериментальных подтверждений, называется в психологической литературе якорением.

В исследовании по якорению (Oppenheimer, LeBoeuf, & Brewer, 2008) ученые просили участников экспериментов повторить линии, изображенные на листке бумаги. Одной группе были выданы длинные линии (9 см), другой – короткие (2,5 см), именно такие, как изображены на рисунке (Oppenheimer, LeBoeuf, & Brewer, 2008, стр. 17).

линии для якорения Затем участники стали отвечать на вопрос, какова длина реки Миссисипи. Те из них, кто повторял более длинные линии, определили реку гораздо длиннее (1224 мили), чем участники второй группы (72 мили – это не опечатка, именно семьдесят две мили).

Эксперимент показал эффект перекрестного якорения, при котором манипуляция измерением в одном домене приводит к изменениям восприятия в другом. Например, в другом эксперименте ученые попытались проверить перекрестное якорение, спрашивая оценки средней температуры в Гонолулу в июле. И опять получили статистически значимый результат – те, кто повторял короткие линии, оценили июльскую жару в 28,9° С, а кто обводил длинные линии — в 30,8° С. Разница не такая большая, как в первом эксперименте, но это (длина и температура), вообще-то и принадлежит разным доменам измерения, и эффект есть!

В третьем эксперименте, исследователи взяли карту США, очень схематичную, с линией реки Миссисипи, и сделали две копии – одну сравнительно большую (22,5 см на 15,6 см), другую – поменьше (7,3 см на 4,8 см). После этого, они также скопировали только линии реки, уже без карты, и представили это четырем группам испытателей. Как ожидалось, так же как и в первом эксперименте, те, кто повторял линии реки Миссисипи на бумаге, без карты, дали оценку длины в зависимости от длины линии, которую они копировали – 899,9 миль против 1367,8 миль. Те же, кто повторял линии реки с карты, оценили длину реки приблизительно одинаково, в районе 1450-1550 миль.

Вы сами можете провести эксперименты с перекрестным якорением. Скажите кому-то что это тест на аккуратность, и попросите провести карандашом, не отрывая его от бумаги, одних людей — по длинной линии, других – по короткой. Затем спросите, что угодно, например: сколько детей хочет этот человек, сколько он готов потратить на отдых, как далеко уехать в отпуск, насколько он голоден, как долго собирается прожить или когда собирается наконец-то на вас жениться!

Oppenheimer, D. M., LeBoeuf, R. A., & Brewer, N. T. (2008). Anchors aweigh: A demonstration of cross-modality anchoring and magnitude priming. Cognition, 106(1), 13-26.

PS. Длина Миссисипи — 2,320 миль.

Как вы смотрите, говорит о том, кто вы

Недавно вспомнил и доделал то, что давно лежало в папке. На верхней картинке вы видите фрагмент топологии интегральной микросхемы. Как-то давно уже я показывал ее среди прочих в ходе ай-трекингового исследования. Люди, которые смотрели на нее были, в основном, офисные работники и студенты. При анализе я разбил участников случайным образом на три группы по 6 человек и для каждой создал тепловую карту внимания:
Куда смотрят люди, которые имеют смутное представление, что видят что-то из области электроники? Они, будучи людьми, смотрят сначала в центр, а будучи грамотными людьми, тут же находят текст, читают его и пытаются понять, ну а затем изучают картинку вдоль и поперек. Чем «горячее» пятно – тем больше фиксаций взглядов делали люди.

А не так давно, добравшись до инженеров, которые такие схемы и создают, показал им эту же картинку, среди прочих. Так же, как и в первой группе, картинка была показана на пять секунд. Тепловая карта просмотра 6-ю инженерами:
Что-то они там видели на схеме своими профессиональными взглядами, мне невдомек. Надпись они тоже посмотрели, но не с таким вниманием.
Сидя за вторым монитором и наблюдая за тем, как человек рассматривает какие-то специально подобранные изображения, в течение нескольких секунд, можно с большой долей уверенности определить его профессиональные качества, не задавая ни одного вопроса.

По тому, как именно будет смотреть человек на картинку ниже, можно понять, насколько он понимает хирургию.
А насколько быстро вы увидите опасность на снимке ниже (происходи это в реальности) будет зависеть и ваша жизнь. Картинка кликабельна.

Фото места операции аппендицита – сайт.
Фото снайпера в камуфляже — сайт.

Лайк всемогущий: почему в социальной сети не спрятаться?

мы похожи С тех пор как наша социальная активность, увлечения и покупки стали регистрироваться цифровыми сервисами, специалисты научились предсказывать характеристики личности человека. Методы и модели предсказаний становятся все более точными – в немалой мере за счет того, что их можно тестировать и тренировать на обширном материале, который предоставляют социальные сети.

Поговорка «рыбак рыбака видит издалека» справедливо указывает нам, что люди группируются по интересам. Если большинство ваших друзей – рыбаки, то, с очень большой вероятностью, вы тоже рыбак. Это феномен так называемой самосегрегации. Например, было обнаружено, что у мужчин 65% друзей – мужчины, у женщин 70% – женщины, а у гомосексуалистов, как мужчин, так и женщин, большинство друзей из круга ЛГБТ.

Двое выпускников Массачусетского технологического института решили оттолкнуться от этих, казалось бы, очевидных фактов и проверить гипотезу: можно ли определить сексуальную ориентацию человека по его друзьям.

Исследователи написали поискового робота, который собрал данные с личных страниц Facebook у студентов или выпускников MIT, получив таким образом информацию о шести тысячах студентов. Чуть больше четырех тысяч из них указали в своем профиле сексуальную ориентацию. Разбив всех людей на шесть групп: гетеросексуалов, бисексуалов и гомосексуалистов обоих полов, ученые стали смотреть, какой у каждого человека процент друзей из других групп.

Пользователи часто закрывают свой профиль, но это не мешает получить нужную информацию: ведь у человека обязательно есть друзья с публично открытыми данными. Происходит выявление так называемой имплицитной, скрытой, дружбы (в отличие от эксплицитной, открытой, дружбы). В результате исследователи нашли сильную позитивную корреляцию между имплицитными и эксплицитными связями: в среднем у человека с публично открытым профилем 112,7 эксплицитных друзей и 96,3 имплицитных.

Построив логистическую регрессивную модель, исследователи смогли обнаружить порог 1,89%: если у мужчины в Facebook более чем 1,89% друзей – открытые геи, то модель классифицировала его самого как гомосексуалиста. Дальше авторы успешно протестировали свою модель на списке геев, которых они знали лично. В список вошли люди, которые имели страницы в Facebook, но закрытые для всех, кроме друзей. Тем не менее только по ассоциативным связям с другими людьми удалось точно определить их сексуальную ориентацию. Правда, исследователи не смогли добиться хороших результатов с лесбиянками – либо из-за небольшого процента участников исследования, либо по причине фундаментально иного построения связей у этой категории пользователей.

Но, как показывает резонансное исследование, опубликованное в марте 2013 года в журнале Proceedings of the National Academy of Sciences, для понимания человека и прогнозирования его характерных особенностей можно обойтись и более простыми способами. Ученые из Кембриджского университета научились на основе анализа лайков пользователей в Facebook определять возраст, пол, специальность, уровень образования, политические взгляды и личностные характеристики человека.

В качестве одного из инструментов исследования взяли Facebook-приложение myPersonality – ведь многие любят проходить тестирования и отвечать на вопросы о своих увлечениях, привязанностях и взглядах. В руках ученых оказались данные о более чем 50 тысячах добровольцев, ответивших на вопросы психологических тестов и предоставивших доступ к своим лайкам и информации профиля. Дальше ученые создали около 10 миллионов пар «пользователь – лайк» и присваивали каждой паре значение – единица, если пользователю нравилось, например, искусство или BMW, и ноль, если он не ставил лайк Бараку Обаме или каналу Discovery. Для предсказания числовых показателей (возpаст или IQ) ученые использовали линейную регрессию, а для дихотомных переменных (пол, сексуальная ориентация и прочее) – логистическую регрессию.

Проще говоря, специалисты из Кембриджа создали математическую модель, которая сравнивала то, что понравилось пользователям в соцсети, с точной и достоверной информацией о самих пользователях, а затем могла предсказывать характеристики человека уже только по лайкам.

Итак, лайки могут предсказать:

расу человека – на 95%; пол человека – на 93%; гомосексуальность – на 88%, (у лесбиянок – на 75%); употребление наркотиков – на 65%; одинок человек или состоит в отношениях – на 67%; были ли родители человека вместе до того, как ему исполнился 21 год, – на 60%; курение сигарет – на 73%; употребление алкоголя – на 70%; политическую принадлежность (демократ или республиканец) – на 85%; вероисповедание (христианин или мусульманин) – на 82%. Развод родителей до того, как ребенку исполнился 21 год, показан в исследовании как важный фактор, во многом определяющий жизнь человека. И он мог быть предсказан с точностью до 60% только по лайкам! Пользователи, родители которых развелись до того, как они достигли 21 года, ставили лайки статусам, так или иначе связанным с отношениями, – иными словами, они чуть дороже ценят отношения и уделяют им больше внимания.

Еще несколько любопытных фактов:

лайки, поставленные Бритни Спирс и сериалу «Отчаянные домохозяйки», оказались «средними по силе» предсказателями гомосексуальности;
те, кому нравится бренд Hello Kitty, – с большой вероятностью приверженцы Демократической партии, христиане, и старше 35 лет. Такие пользователи имеют высокий показатель открытости и низкие показатели эмоциональной стабильности, социализации и организации личной жизни;
если вам нравятся фильмы «Властелин Колец» или «Крестный Отец», музыка Моцарта – вероятно, у вас высокий IQ;
те, кто ставит лайки Индиане Джонсу, Иисусу Христу и Саре Пейлин, чуть больше удовлетворены жизнью, чем остальные;
Оскара Уайльда, Леонардо да Винчи, Платона и Леонарда Коэна лайкают артистичные и либеральные во взглядах люди;
вам присущ дух состязательности, если вам нравятся: фраза «Я ненавижу всех!», атеизм, Фридрих Ницше, Юлий Цезарь или Prada;
пользователи, состоящие в отношениях, лайкали скрапбукинг, а одинокие – Марию Шарапову.

Исследователи предупреждают нас: если комбинировать такие данные с другой активностью пользователей, регистрируемой цифровыми устройствами и сервисами, то расширится и круг предсказаний, и их точность. По результатам исследования уже сделано специальное фейсбук-приложение YouAreWhatYouLike: за один клик оно анализирует лайки пользователя и выдает его вероятные характеристики по 5 параметрам.

Легко представить себе, как эти данные можно использовать уже сейчас: слегка невротичному, одинокому человеку реклама автомобиля на Facebook будет в первую очередь обещать безопасность и возможность уехать куда-то прочь, а компанейскому и веселому – предложит большой размер машины (чтобы вместить много друзей) и акцентирует внимание на ее спортивности и цвете. Чем больше лайков, тем меньше личного, частного пространства, скрытого от чужих глаз. Рекламная эффективность Facebook-инструментария, доказанная учеными, сильнее любых этических барьеров.

Первоначально опубликовано на slon.ru

О космосе

Bill Nye На фото – Билл Най, популяризатор науки, комедиант и учёный, в программе Real Time with Bill Maher 13 сентября 2013 года.
Он смеялся, сетовал и возмущался падением стандартов образования, распространением идей креационизма в Америке, и все в таком духе. А ещё он сказал интересную вещь: «Вы знаете, что у Южной Африки есть космическая программа, и они подсчитали, что если у них будет 8 тысяч людей со степенями докторов наук, хотя бы благодаря этой программе, то качество жизни в стране поднимется?»
Южная Африка, хорошая попытка, но вы такие смешные! Это что за логика такая? Над вами вон люди смеются!
якунин с дружками

И будет вам счастье!

найдите счастливое лицо, как можно быстрее Видите самое довольное лицо на картинке выше?
Способность увидеть его быстро определяется нашими когнитивными предпочтениями негативного или позитивного, что можно как измерять, так и изменять.
Метод для таких изменений так и называется — модификация когнитивных предпочтений (cognitive bias modification, CBM).

Способность видеть позитивное быстрее чем негативное, в самом деле, полезная штука – она влияет на нашу способность справляться со стрессом, и на принятие качественно лучших решений, и на многое другое. В том числе, влияет на ощущение счастья.
Даже 5 минут в день такой тренировки перед началом рабочего дня позволит снизить уровень кортизола (гормона стресса) на 17%, как показало исследование лаборатории Марка Болдуина при Университете МакГилл в Монреале, Канада. На сайте лаборатории есть еще исследования других сторон модификации когнитивных предпочтений.

Вы можете узнать свои предпочтения, пройдя тест по этой ссылке. На английском; внимательно почитайте, что от вас требуется.

А потренироваться на поиск счастливых лиц можно как на сайте лаборатории, так и на планшете или мобильнике (версия попроще).

скачать приложение Для Андроида здесь, для Apple здесь. Вы замечаете, кстати, когнитивные предпочтения многих людей ставить в списке сначала приложения для iOS, а только за ним — для Андроида? Ну, тут такого нет :)

Я уверен, что даже эта небольшая программка вполне успешно может работать против депрессии. Некогда объяснять, как говорится, но она просто обязана работать.

Программа была показана в работе в документальном фильме BBC The Truth About Personality, который стоит посмотреть в любом случае.

Жизнь – программный код: как мы стали предсказуемыми?

big data Вы 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