Начало современной научной революции датируется 1638-м — годом выхода книги Галилео Галилея "Беседы и математические доказательства двух новых наук" ("Discorsi e dimostrazioni matematiche intorno a due nuove scienze"), в которой он выдвинул идею о том, что все природные явления могут быть выражены языком математики. Сейчас начинается новый этап: все происходящее в мире будет оцениваться и оптимизироваться путем сбора и анализа данных. Информация начнет рассматриваться в качестве важнейшего ресурса. В XIX веке все приводилось в действие паром, в XX — нефтью, а в XXI веке важнейшим "топливом" станут данные.
С помощью передового искусственного интеллекта мы сможем осуществлять обучение не только в беспрецедентных масштабах, но и в автоматическом режиме. Американский философ технологий Кевин Келли называет это "когнитивизацией", то есть внедрением искусственного интеллекта во все, что мы делаем. Это станет возможно вследствие появления крошечных компьютерных чипов и высокоэффективных алгоритмов. Однако способности искусственного интеллекта в конечном счете определяются данными, которыми он располагает. Именно поэтому гаджеты будут не только использовать данные, но и постоянно собирать новые.
Предвестников этого явления мы видим в таких элементарных вещах, как термостаты (продукция Google под названием Nest) и разнообразные подсчитывающие шаги и пульс фитнес-трекеры, не говоря уж о невероятных, постоянно связанных с человеком личных помощниках, активируемых голосовыми командами (Google Home и Amazon Echo). К 2050 году они будут распространены так же широко, как наручные часы или радиоприемники более полувека назад.
Применение собранных данных в нашей ежедневной деятельности, по сути, другой способ сказать, что мы применяем на практике наши эмпирические знания об устройстве мира. Общество давно поступает именно так, но когда их объем был ограничен, это выглядело как определенные, весьма заметные стереотипы поведения. Теперь, когда нам доступно куда больше информации, стереотипы стали гораздо тоньше. Если в течение последующих 35 лет эффективность человеческого труда будет расти так же, как она росла в последние 35 лет благодаря компьютерам, можно пытаться спрогнозировать, как будет выглядеть жизнь в 2050 году.
Она разобьется на три основных направления. Во-первых, то, что сегодня сложно, станет легче. Во-вторых, подешевеет то, что сегодня дорого. В-третьих, проблема дефицита перестанет быть столь острой. Короче: проще, дешевле, больше. Давайте возьмем три эти направления и наложим их на некоторые самые важные и крупные сферы жизни общества: здравоохранение, образование и право.
Врач, исцелись сам
Сегодня медицинская практика имеет больше общего с XIX веком, чем с XXI. Доктора опираются на прочитанное в медицинских учебниках и на многолетний опыт принятия решений. Звучит вполне разумно. Но на самом деле это нелепо: никто из практикующих врачей не может быть знаком со всеми возможными заболеваниями и методами лечения, особенно с учетом постоянного появления новых лекарств.
Если Google среди миллиардов страниц может найти нужные и упорядочить их по релевантности, а Amazon — удивительно точно порекомендовать вам следующую покупку, не должны ли доктора при составлении каждого диагноза полагаться на компьютер? К 2050 году это, вероятно, окажется самым привычным делом. Медицинские карты станут электронными, и алгоритмы будут перебирать их в поисках действенных методов лечения, побочных эффектов и их возможной взаимосвязи.
База данных станет самым умным врачом в мире: она помнит каждый случай и видит связь между назначенными лечебными средствами и результатами, благодаря чему может порекомендовать, что лучше всего сработает в данной ситуации. Но окончательное решение все еще будет за врачом. В то же время они будут подвергаться риску судебного преследования по обвинению в ненадлежащем исполнении врачебных обязанностей, если они попытаются поставить диагноз без консультации с системой больших данных, так же, как сегодня летчики потеряют свою работу, если выключат автопилот, наденут кожаный шлем и очки и попытаются посадить самолет "как в старые добрые времена".
Для помощи врачам в диагностике заболеваний, Watson — суперкомпьютер фирмы IBM, способный находить в своей обширной базе данных ответы на вопросы, заданные на естественном языке, — уже несет в себе большой объем медицинской информации. Решения из области больших данных используются для разработки новых лекарств. А роботизированные хирургические системы "обучены" накоплению информации о прошлых операциях, так же как беспилотный автомобиль опирается на опыт предыдущих дорожных ситуаций.
Одной из областей, где большие данные смогут произвести локальный переворот в здравоохранении, является цифровая патология. В 2011 году команда исследователей во главе с Эндрю Беком из Гарвардского университета использовала компьютерное распознавание образов и алгоритм машинного обучения для анализа биопсии клеток рака молочной железы. Эта информация сопоставлялась с уровнем выживаемости пациентов, чтобы понять, сможет ли система строить прогнозы для раковых пациентов так же хорошо, как живые люди. Что удивительно, ей это удалось. Более того, среди 11 признаков, использованных алгоритмом для предсказания наличия рака в биопсии клеток, только восемь ссылались на сами клетки. Три остальные были связаны с окружающими стромальными клетками, врачи даже не знали, что именно следует искать. Эта информация была скрыта от человеческих глаз, но анализ огромных массивов данных помог докопаться до истины.
Цифровая патология все еще находится на стадии лабораторных исследований, и для введения ее в повседневный обиход необходимо пересмотреть нормативно-правовые акты. Тем не менее к 2050 году именно так и будет проводиться медицинская диагностика. Данные революционизируют оказание медицинской помощи. Собственно, все, требующее узкоспециализированной подготовки, суждений и принятия решений в условиях неопределенности, будет осуществляться лучше, если человек станет использовать соответствующие алгоритмы. Это будет точнее, быстрее и дешевле.
Обучение учителей
Вторая область, готовая к преобразованию под влиянием больших данных, — образование. Государственная система образования, став в 1800-х годах на Западе привычным делом, должна была заменить частных учителей (а именно так обычно получали образование представители высших классов). Раньше преподавание было индивидуальным и адаптированным к способностям конкретного человека. Теперь система отражала промышленную организацию того времени — фабрику. Обучение стало серийным, одинаковым для всех — учащиеся словно двигались по конвейеру. Трудно было организовать это как-то иначе. В те времена, как и сейчас, данные о качестве обучения снимались в виде единовременных измерений: балл за контрольную, оценка за работу в классе и т. д. Но никто не анализировал их на постоянной основе с тем, чтобы определить, что работает лучше для конкретного ученика или как адаптировать курс к его потребностям. До недавнего времени это было бы слишком дорого и громоздко. Однако понемногу подобные ограничения исчезают. В результате мы можем представить себе, как будет выглядеть образование к 2050 г.: собранные данные будут использоваться для оценки работы как ученика, так и учителя, а также для понимания того, что лучше всего способствует учебному процессу. Большие данные позволят снова ввести индивидуальное обучение, утраченное в эпоху единообразного государственного образования.
