Читать онлайн «Фокус. О внимании, рассеянности и жизненном успехе». Страница 29

Системы практически не видны невооруженным глазом, однако их функционирование можно сделать видимым, если собрать данные с определенного количества точек, чтоб стала заметна динамика развития. Чем больше данных, тем яснее становится картина. Добро пожаловать в эпоху больших данных!

Спустя годы после того периода увлечения нумизматикой в Индии доктор Ларри стал исполнительным директором-учредителем Google.org, некоммерческого звена Google. В рамках этой организации он запустил одно из первых знаменитых приложений по сбору больших данных, созданное для обнаружения эпидемий гриппа. Волонтерская команда инженеров Google в сотрудничестве с эпидемиологами из Центра по контролю и профилактике заболеваний в США проанализировала огромное количество поисковых запросов по таким ключевым словам, как “лихорадка” или “боль”, связанными с симптомами гриппа[158]. “Мы задействовали одновременно десятки тысяч компьютеров, изучили каждый запрос в Google за пять лет, чтобы разработать алгоритм, предсказывающий вспышки гриппа”, – вспоминает доктор Ларри. Полученный алгоритм помогает вычислить вспышку гриппа в течение дня, а не за две недели, которые, как правило, нужны Центру для обнаружения очагов болезни на основании отчетов врачей.

Мощное программное обеспечение анализирует огромный объем данных, а использование данных Google для обнаружения вспышки гриппа стало одной из первых попыток применить большие данные к огромной группе людей. В итоге появилось название “коллективный разум”. Большие данные позволяют нам понять, куда устремлен фокус коллективного внимания.

Область их применения безгранична. Например, если проанализировать связи между людьми (через звонки, твиты, СМС-сообщения и т. п.), то станет можно понять структуру связей “нервной системы” организации, проанализировать связанность. Люди с “гиперсвязями”, как правило, наиболее влиятельны: они являются социальными звеньями в организации, имеют доступ к информации и играют роль “серых кардиналов”.

Среди растущего количества способов коммерческого применения больших данных есть один, с помощью которого оператор сотовой связи однажды проанализировал звонки своих клиентов. Так были выделены “вожаки стаи” – люди, у которых больше всего связей с небольшой группой лиц, объединенных общими интересами. Компания выяснила: если такой вожак перейдет на новую мобильную услугу, предлагаемую оператором, члены “стаи” с очень большой долей вероятности поступят таким же образом. С другой стороны, если вожак откажется от этого оператора и перейдет к другому, остальные, скорее всего, последуют за ним[159].

“Ранее фокус организационного внимания был направлен на внутреннюю информацию, – рассказал мне Томас Дэвенпорт, занимающийся анализом больших данных. – Мы выжали из этого все, что могли, а потом были вынуждены обратиться к внешним источникам информации – Интернету, настроению заказчиков, рискам в цепи поставок и тому подобному”. Дэвенпорт, который ранее был директором Института стратегических изменений компании Accenture, на момент нашей беседы работал на факультете Гарвардской школы бизнеса. “Нам нужна экологическая модель, в которой рассматривается внешняя информационная среда – все, что происходит вокруг компании и может на нас сказаться”. Дэвенпорт полагает, что информация, которую организация получает из своих компьютерных систем, намного менее ценна, чем информация, поступающая из других источников совокупной информационной экосистемы после ее (информации) обработки специалистами. Поисковые системы могут выдать огромный пласт данных, в котором совершенно отсутствует контекст, необходимый для понимания этой информации, не говоря уже о глубоком ее постижении. Данные оказываются полезными только после соответствующей обработки[160]. В идеальном случае обработчик сосредоточивается на самом важном, отбрасывает все остальное, определяет контекст, в рамках которого эти данные имеют определенный смысл, и строит свое исследование таким образом, что ни у кого не возникает сомнений в том, почему данная информация столь значима. И только таким образом результат проделанной работы может привлечь внимание людей.

Лучшие обработчики информации не просто помещают данные в значимый контекст – они знают, какой нужно задать вопрос. Когда я разговаривал с Дэвенпортом, он работал над книгой, в которой менеджерам проектов по обработке больших данных рекомендовалось задавать примерно такие вопросы: Правильно ли мы формулируем проблему? Есть ли у нас все необходимые данные? Какие допущения стоят за алгоритмом, используемым для обработки данных? Отражает ли модель, в которую заложены эти предположения, действительную реальность?[161]

На конференции M. I. T., посвященной большим данным, один из выступающих отметил: финансовый кризис, начавшийся в 2008 году, был следствием сбоя в методе, поскольку по всему миру банкротились хеджевые фонды. Дилемма заключается в том, что математические модели, воплощенные в больших данных, представлены в упрощенной форме. Несмотря на выдаваемые точные цифры, математика, стоящая за ними, зиждется на алгоритмах и предположениях, способных обмануть слишком доверчивых.

На той же конференции Рэчел Шутт, старший статистик в Google Research, отметила, что наука о данных требует не только сугубо математических навыков: для эффективной работы нужны любознательные люди с широким кругозором, чьи инновационные начинания основаны не только на данных, но и на собственном опыте. В конце концов, даже самая точная человеческая интуиция для начала берет огромный пласт данных, прокручивает весь наш жизненный опыт – и только потом пропускает все это через фильтр мозга[162].

Мау Пиаилуг умел читать по звездам и облакам, океанской зыби и парящим птицам, словно по экрану GPS-навигатора. Мау занимался этими и многими другими наблюдениями в южной части Тихого океана, неделями видя лишь небо на горизонте и используя только знания о морях, полученные от старейшин его родного Каролинского острова Сатавал.

Мау родился в 1932 году, и в настоящий момент он – последний из коренных практиков древнего полинезийского искусства “навигации”, которое заключалось в умении управлять каноэ с балансиром, опираясь только на знания в голове, и преодолевать сотни и тысячи миль, отделяющие один остров от другого. “Навигация” в наивысшей степени воплощает системное осознание, разом воспринимающее тонкие сигналы о температуре и солености воды, мусоре, плавающем на поверхности, растительности, траектории полета морских птиц, температуре, скорости и направлении ветров, зыби, а также восходе и заходе звезд. Все это накладывается на воображаемую модель расположения островов, формируя тем самым комплекс знаний, полученный из племенных историй, песен и танцев. Именно эти знания помогли Мау в 1976 году проплыть на полинезийском каноэ 2 361 милю от Гавайев до Таити – путешествие, благодаря которому антропологи поняли, что древние островитяне могли без особых проблем пересекать южную часть Тихого океана и что в те времена, возможно, путешествия между отдаленными островами были обыденностью.

Однако за последние полвека, в течение которого Мау хранил это сложнейшее знание о природных системах, полинезийцы переключились на современные навигационные приборы, и тем самым искусство Мау было обречено на вымирание. Его эпическое плавание на каноэ снова оказалось в центре внимания, когда возник интерес к искусству навигации коренных жителей южной части Тихого океана, не пропавший до сих пор. Спустя пятьдесят лет после своего посвящения в навигаторы Мау впервые провел ту же церемонию для нескольких учеников. Это искусство, передаваемое из поколения в поколения, – пример местного знания, на которое опирались жители островов, чтобы выжить в своей особой экологической нише и гарантировать себе самое необходимое – еду, безопасность, одежду и кров.

В истории человечества системное осознание (выявление и систематизирование закономерностей и принципов, заложенных в природном хаосе) стимулировалось необходимостью выжить, а для этого местным народам нужно было понять местную экосистему. Они должны были знать, какие растения ядовиты, а какие обладают целебными свойствами, где найти питьевую воду, где собирать травы, добывать пищу и как толковать сигналы, свидетельствующие о смене времен года.

Проблема вот в чем. Наша биология дает нам возможность есть и спать, плодиться и размножаться, сражаться или спасаться, а также проявлять все остальные врожденные инстинкты выживания. Однако, как мы уже выяснили, у нас нет нервных механизмов, предназначенных для понимания более крупных систем, в рамках которых все это происходит.