Ознакомительная версия. Доступно 17 страниц из 84
В одном случае несколько решений одной и той же научной задачи, связанной с идентификацией системы доставки пищевых полимеров, были предложены астрофизиком, владельцем небольшого агробизнеса, специалистом в области трансдермальной доставки лекарственных средств и ученым-технологом… Все четыре варианта позволяли успешно решить задачу, при этом использовались самые разные научные механизмы…
В другом случае сотрудники опытно-конструкторской лаборатории даже после консультаций с собственными и привлеченными специалистами не могли оценить токсикологическую важность определенной патологии, наблюдавшейся в ходе текущего исследования… В конце концов проблема была решена доктором наук в области кристаллографии белков, причем именно с помощью методов, принятых в этой специальности. Нужно отметить, что до этого она обычно не занималась вопросами токсикологии или решением проблем такого рода на регулярной основе.[139]
Подобно InnoCentive, онлайн-стартап Kaggle также мобилизует «толпу» (crowd) – группу людей с совершенно разным опытом со всего мира, – чтобы работать над сложными проблемами, с которыми сталкиваются различные организации. Kaggle специализируется не на решении научных задач, а на проблемах, требующих обработки огромных массивов данных. Цель здесь состоит в том, чтобы улучшить качество прогнозов относительно базового уровня, уже достигнутого организацией. И здесь результаты замечательны в двух отношениях. Во-первых, этой цели обычно удается достичь. В одном случае страховая компания Allstate выложила набор данных по характеристикам автомобилей и попросила «толпу» Kaggle спрогнозировать, против каких из этих автомобилей будет подано больше исков о возмещении личной ответственности.[140] Исследование продолжалось примерно три месяца и привлекло более 100 участников. Прогноз-победитель оказался на 270 процентов лучше, чем базовый прогноз страховой компании.
Во-вторых, большинство конкурсов в рамках Kaggle выигрывают люди, маргинальные с точки зрения области обсуждения, – к примеру, лучшие прогнозы по заполняемости больниц делают участники, не имеющие опыта в области здравоохранения. То есть с этими людьми вряд ли кто-то стал бы советоваться в рамках традиционного поиска решений. В большинстве случаев эти безусловно способные и успешные исследователи данных приобрели свой опыт новыми, определенно цифровыми способами.
С февраля по сентябрь 2012 года в рамках Kaggle при поддержке Hewlett Foundation было проведено два конкурса на тему компьютерной оценки студенческих эссе.[141]
В процессе подготовки конкурса Kaggle и Hewlett привлекли множество экспертов в области образования, и накануне запуска многие из чувствовали себя весьма неуверенно.
Дело в том, что конкурсы должны были состоять из двух раундов. В первом раунде между собой соревновались одиннадцать известных и уважаемых компаний в области образовательного тестирования, а во втором – участники «толпы» Kaggle, профессиональные data scientists – «ученые в области данных» (индивидуально или в составе команд). Эксперты беспокоились как раз о том, что, по результатам второго раунда команда Kaggle окажется совершенно неконкурентоспособной. Каждая из 11 уважаемых компаний работала над системами автоматической оценки уже много времени и выделяла на решение этой задачи значительные ресурсы. Сотни человеко-лет накопленного опыта казались весомым преимуществом профессионалов перед кучкой любителей.
Но беспокоиться было не о чем. Многие из новичков, привлеченных к участию в соревновании, показали значительно более высокие результаты, чем профессионалы в области тестирования. Сюрпризы продолжились, когда в Kaggle решили посмотреть, кто же показал самые высокие результаты. Выяснилось, что первые три места и в первом, и во втором раунде первого конкурса заняли участники, не имевшие в прошлом значительного опыта ни в оценке эссе, ни в обработке естественного языка. А во втором конкурсе ни один человек из тройки победителей не имел никакого формального образования в сфере искусственного интеллекта, если не считать бесплатного онлайн-курса в этой области, который предлагает стэнфордский факультет искусственного интеллекта и который доступен для всех желающих в мире. Желающих оказалось много, и они явно многому научились. Трое победителей оказались из США, Словении и Сингапура.
Quirky, еще один интернет-стартап, приглашает к участию в обеих фазах вейцмановской рекомбинации – сначала генерирование новых идей, а затем их отбор. То есть этот проект использует потенциал «достаточного количества глаз» не только для создания инноваций, но и для их подготовки к выводу на рынок. Quirky принимает от участников идеи новых потребительских продуктов и проводит голосование по поводу этих идей. Участники могут вести исследования, предлагать улучшения, придумывать варианты названий и брендинга для продуктов, а также высказывать предложения по улучшению продаж. Quirky самостоятельно принимает окончательное решение относительно того, какие продукты выводить на рынок, и в дальнейшем управляет процессами проектирования, производства и дистрибуции. Стартап забирает себе 70 % всех доходов, полученных в результате работы на сайте, и распределяет остающиеся 30 % между теми участниками, кто принимал участие в разработке продукта; инноватор, предложивший изначальную идею, получает 42 % из этих тридцати, участники, помогавшие определить цену на продукт, делят между собой еще 10 %, те, кто работал над неймингом, – еще 5 %, и так далее. К осени 2012 года Quirky привлек свыше 90 миллионов долларов в виде венчурного финансирования и заключил соглашения о продаже своей продукции с несколькими крупными ритейлерами, в том числе Target и Bed Bath & Beyond. Один из самых успешных продуктов компании, гибкий электрический удлинитель Pivot Power, был продан в количестве 373 тысяч штук меньше чем за два года и принес группе своих разработчиков более 400 000 долларов.
Affinnova, еще одна молодая компания, поддерживающая рекомбинационные инновации, помогает своим клиентам в проведении второй из двух фаз Вейцмана – перебора всех возможных комбинаций строительных «кирпичиков» с тем, чтобы найти самые ценные. Это делается путем совмещения краудсорсинга с алгоритмами, уже удостоенными Нобелевской премии. Когда пивоваренная компания Carlsberg решила изменить форму бутылки и этикетку для бельгийского пива Grimbergen, одного из самых старых сортов, который до сих пор варится в одноименном аббатстве, она понимала, что действовать надо с максимальной осторожностью. Компания хотела обновить один из своих брендов, но при этом не повредить своей отличной репутации и не перечеркнуть 900 лет истории. Кроме того, в Carlsberg понимали, что редизайн предполагает наличие нескольких вариантов для каждого элемента бренда – формы бутылки, рельефного изображения на стекле, цвета и расположения этикетки, дизайна крышки и так далее, – а затем подбор оптимальной комбинации из этих вариантов. Но понятно, что, когда количество возможных комбинаций измеряется тысячами, найти «оптимальную» не так-то просто.
Ознакомительная версия. Доступно 17 страниц из 84
