Цифровой журнал «Компьютерра» № 221

3. «Инфастрология». Читая про художников в стиле Big Data, иной читатель воскликнет: да что тут нового, в нашем НИИ тоже любили красивые графики чертить! Однако есть реально новая фича — персонализация. И «больших данных», и соответствующих картинок. 

О рациональной составляющей этого тренда я рассказывал в колонке «От фитбита до медкарты: как заставить персональные данные работать на себя». Здесь же добавлю немного про эстетику, то есть про бессмысленное. Уже сейчас видно, что наиболее успешны в данной области не те, кто собирает много данных, а те, кто грамотно сервирует простому человеку даже минимальную персональную аналитику. Классический пример — астрология: на одной только дате рождения строится огромная потребительская культура информационных продуктов на каждый день.

Очевидно, в цифровом мире для такой культуры ещё больше возможностей. Недавно видел, как одна знакомая очень переживала за лишнюю чашку кофе: фитнес-приложение на экране «Айфона» наглядно показывало, что девушке грозит страшная дегидратация. 

Или вот совсем в яблочко: проект Astroverb предлагает всем желающим персональные «Знаки цифрового зодиака». Машинка выкачивает ленту ваших публичных записей из «Фейсбука» и проводит многофакторный анализ текста: как часто человек пишет о себе, какие категории слов любит употреблять, в какое время чаще пишет. Даже отзывы френдов учитываются. Вычисленные таким образом персональные характеристики автора раскладываются по восьми осям, и из этой «розы ветров» выходит очень персональная и почти научная визуализация личности, которую можно отлить в пластмассе или металле, как личный брелок-талисман. 

4. «Укротители роботов». Первого представителя этой профессии я описал 15 лет назад в романе «Паутина». Друг героя, специалист по безопасности, делится с ним секретами своей профессии в 2018 году:

«Все отношения имеют особые признаки: где-тогде-то при разговоре звучит больше императивов, паузы длиннее. Даже если мы с тобой будем называть дома “ульями”, а динамит — “медом”, сдвиг в типе отношений все равно будет заметен. Но это еще не самое интересное. А вот потом, когда индивидуальные профили складываются в сетку, по этой сетке прекрасно отслеживаются сингулярности...

Без Сети нашу странную тройку хрен бы кто так быстро отследил. Потому что следили-то раньше люди! А теперь чуть что — и тут как тут красная лампочка. На чистой автоматике, которой спать-гулять не требуется. Потом тот же искусственный интеллект может и дальше нашу ситуацию проанализировать. Сам запустит суперкомпьютерный имитатор помощней и еще на несколько шагов вперед поглядит, что из нашей отклонившейся тройки может вырасти — встреча старых рокеров или Организация освобождения Палестины». 

В этом прогнозе угадано две вещи из трёх. Первое — то, что обработка «больших данных» потребует самообучающихся систем (искусственный интеллект). Второе — что сферой наиболее активного развития этой технологии станет безопасность (война). 

А вот с возможностями семантического анализа я, кажется, переборщил. Что сейчас рассказывают нам специалисты по SNA на основе огромных массивов данных «Фейсбука»? Что с возрастом дочки общаются с родителями больше, чем сыновья? Что студенты, которые лучше общаются, как правило, и учатся лучше? Но, кажется, мы знали это и без социальных сетей. Даже постфактумный анализ твиттерных контактов террориста Джохара Царнаева выявляет лишь, что школьные друзья лучше университетских. Ну да, опять эти модные SNA-картинки в стиле «ёжик в тумане».

Почему аналитики социальных сетей так и не научились вычислять вкусы и намерения, давать пользователям вменяемые потребительские рекомендации, предсказывать обострение массовых психозов или хотя бы отличать позитивную реакцию на событие от негативной? Очевидно, машинка упирается в семантическую расплывчатость естественного языка. 

Однако есть сферы, где «большие данные» состоят из более чётких сигналов статуса, без человеческой неопределённости. Это данные от устройств. И вот здесь службы безопасности дошли до навороченных систем под названием SIEM (Security Information and Event Management), которые проделывают ровно то, что было описано в моей фантастике, — только не для людей, а для компьютерных сетей. Они собирают логи со множества узлов большой инфраструктуры (например, сеть промышленной компании), проводят корреляционный анализ и автоматически выявляют даже те атаки, которые проводятся очень скрытно.