Будущее: рассекречено

Мы также рискуем перейти грань и потерять контроль над большими данными. Большие данные и алгоритмы, позволяющие выделить ценную информацию, все важнее для функционирования наших экономик. Большие данные и ИТ подпитывали биотехнологическую революцию и масштабные открытия в других областях. Устройств, подключенных к интернету, будет становиться все больше. По некоторым оценкам, сейчас их число составляет более 15 млрд. Это и смартфоны, ноутбуки и стационарные компьютеры, и сенсоры, следящие за аграрным производством, городской инфраструктурой, здоровьем и местоположением скота, инженерными системами зданий, медицинским оборудованием и даже лесом и отдельными деревьями. Возможен резкий скачок эффективности. Как сегодня розничные сети собирают информацию о своих покупателях – их привычках, кредитах, истории поиска в интернете, сообщениях в социальных сетях, демографической информации и т. д., – чтобы ориентироваться на их предпочтения, городские власти могут комбинировать информацию с датчиков и размещенных в разных местах камер, чтобы лучше понимать поведение жителей, их потребность в транспорте, а также требования к городской инфраструктуре в целом. На этом список сфер использования больших данных и интернета не заканчивается.

Но чем дальше, тем больше решений будут принимать и сами компьютеры. И именно здесь нам необходимо ввести меры безопасности на случай сбоя. В начале 2014 г. прошло сообщение, что один из мощнейших суперкомпьютеров в мире – японский K. – создал наиболее точную симуляцию человеческого мозга из когда-либо существовавших, которой требуется 40 минут на то, чтобы воспроизвести одну секунду человеческой мозговой деятельности. Ученые предполагают, что симуляция работы мозга в полном объеме будет возможна тогда, когда появятся еще более мощные компьютеры. Скорее всего, это произойдет в следующие 10 лет{104}. Понимание устройства человеческого мозга и способность воспроизвести его имеют широкое применение в медицине при лечении таких заболеваний, как болезни Альцгеймера, Паркинсона, и множества других нарушений работы мозга. Это также даст существенный стимул в работе над созданием искусственного интеллекта и применении больших данных.

Первые исследователи искусственного интеллекта разработали алгоритмы, которые шаг за шагом имитировали ход мысли людей, когда они складывают головоломки или делают логические выводы. Правда, люди решают большинство своих проблем, используя быстрые интуитивные суждения, а не осознанную последовательную логику, которую умел моделировать искусственный интеллект на начальном этапе. Исследования в области искусственного интеллекта несколько продвинулись вперед в том, что касается имитации мозговой деятельности, но удачная симуляция деятельности человеческого мозга, сделанная не так давно японским компьютером, поможет продвинуться в ее понимании. Здесь необходимо также сделать шаг вперед в развитии алгоритмов, которые использует компьютерная программа для воссоздания работы мозга. Поиск более эффективных алгоритмов для поиска решения проблем стал для исследований в области искусственного интеллекта первоочередной задачей{105}.

Мой коллега по Атлантическому союзу доктор Бэннинг Гаррет исследовал проблему мира, управляющегося алгоритмами, и рисков, с ним связанных{106}. Он отмечает, что прогресс в сфере алгоритмов привлек гораздо меньше внимания общественности, чем рост производительности микропроцессоров (причем скорость развития алгоритмов существенно выходит за рамки закона Мура). Скорости процессоров ускорились в 1000 раз, но за тот же период, с 1988 по 2003 г., работа алгоритмов улучшилась аж в 43 тысячи раз. Алгоритмы и интернет вещей, который все чаще называют интернетом всего, – союз, заключенный на небесах, вносящий существенный вклад в науку, здравоохранение, эффективное использование ресурсов и умные города. Однако вместе большие данные и алгоритмы могут привести к массированной атаке на личную информацию. Более того, есть огромный потенциал для злоупотребления алгоритмами прогнозирования. «Уже сегодня страховые компании и комиссии по условно-досрочному освобождению используют прогнозные алгоритмы, чтобы вычислять риски; в США все больше мест, где работа полиции осуществляется на основе прогнозирования, после обработки данных выбираются улицы, группы или отдельные люди, которые становятся объектами более пристального внимания», – рассказал Гаррет.

Как объяснил Гаррет, основной ограничивающий фактор для анализа алгоритмов заключается в том, что результаты основываются на корреляциях, а не причинной зависимости. В своей книге о больших данных Виктор Майер-Шенберг и Кеннет Кукьер объясняют, что корреляции хороши, если их можно обнаружить «гораздо быстрее и дешевле, чем причинную зависимость»{107}. Однако ложные корреляции могут привести к ошибочной оценке со всеми вытекающими: например, преследование правоохранительными органами невинных граждан на основе предсказанной склонности к совершению преступлений.