Энергетика коллективного разума

Энергетика коллективного разума

Когда потенциал коллективного разума переходит в энергию

Ученые рассчитали, кто и как сможет манипулировать обществом.
Использование коллективного интеллекта для предсказаний уже несколько лет активно разрабатывается военными, разведкой и крупнейшими корпорациями. Уже получено немало практических результатов, подтверждающих такую возможность.

 1.Сила безмасштабной сети
В последние годы ученые уже довольно убедительно показали, что сеть, образованная миллиардами нейронов человеческого мозга, и сеть, образованная взаимодействием миллиардов людей и компьютеров, работают по одним и тем же информационным законам и обладают одними и теми же свойствами так называемых безмасштабных сетей (scale-free network). Более того, выяснилось, что все живые организмы образованы в виде безмасштабных сетей, состоящих из клеток этих организмов.

Получается, что состоящая из нейронов безмасштабная сеть служит механизмом реализации индивидуального интеллекта.

Тогда можно предположить, что безмасштабная сеть, состоящая из этих самых индивидуальных интеллектов, может быть механизмом реализации нового носителя интеллекта (в данном случае – коллективного). По этому поводу есть даже гипотеза, что целью научно-технического прогресса как раз и является создание носителя интеллекта более высокого уровня – общечеловеческого интеллекта.
 
Способность к предсказаниям, по мнению ряда известных ученых, является одной из главных отличительных особенностей интеллекта. Например, в 2001 году в своей книге «I of the vortex» Рудольфо Ллинас из Нью-Йоркского медицинского университета писал: «Способность предсказывать исход будущих событий – критическая для успешного продвижения, – вероятнее всего, является предельной и наиболее общей из всех функций мозга». А Джефф Хокинс, основатель компании Numenta, в своей потрясающей книге «On Intelligence» описывает принципиально новую модель работы мозга на основе иерархических структур памяти, осуществляющей постоянные предсказания (модель так и называется – «память-предсказание»).
Следовательно, логично предположить, что и коллективный интеллект также сможет делать предсказания. При этом он, скорее всего, будет делать предсказания лучше индивидуального интеллекта – просто за счет своей несоизмеримо большей мощности. За доказательствами последнего можно, например, обратиться к исследованию корпорации Microsoft  «Crowd IQ – Aggregating Opinions to Boost Performance».

Несколько упрощая, можно выделить два метода предсказаний с помощью сетевого коллективного интеллекта: статистический и нестатистический.

Статистический подход, как следует из его названия, опирается на анализ значительных массивов накопленной информации относительно конкретного события, которое может произойти (или не произойти) в будущем. Когда же такого массива информации нет (или же дорого/долго его обрабатывать), используют нестатистический подход, базирующийся на анализе мнений экспертов. Слово эксперты означает всего лишь то, что на экспертизу этих людей собираются положиться. И это могут быть как штатные эксперты, так и люди, просто набранные из некоего «пула потенциальных экспертов» (например, из пользователей интернета) по тем или иным критериям. 


1. Нестатистический подход
Поскольку в общем случае эксперты редко придерживаются одной позиции, нестатистические методы используют различного рода агрегаторы мнений, с помощью которых разноголосый хор экспертов преобразуется в итоговое предсказание. Такие агрегаторы мнений (Opinion Pools) использовались еще задолго до интернета, например при групповом принятии решений, анализе рисков.
 
С распространением интернета, предоставившего почти неограниченные возможности для мобилизации экспертов, самыми популярными стали нестатистические сетевые методы, основанные на так называемых информационных рынках: рынки предсказаний (Prediction Markets), рынки идей (Idea Markets), рынки событий (Event Markets) и так далее. Популярность этой группы методов весьма высока (см., например, «Осьминог Пауль уже не нужен» на Slon). Как и всякие рынки, информационные рынки понятны даже неподготовленному человеку. Цена котирующейся на информационном рынке ценной бумаги зависит от ее спроса и предложения. Если сейчас можно купить ценную бумагу дешево и если есть уверенность, что она потом вырастет в цене, – покупай. Если же уверен, что цена на эту бумагу будет только падать, – немедленно продавай. Ну а что выражает эта цена, какая разница: вероятность какого-то события в будущем (как на рынках событий), шансы того, что идея будет признана лучшей (как на рынке идей) и так далее. С помощью нестатистических сетевых методов сегодня предсказывают все подряд: какой из фильмов получит «Оскар», кто выиграет на выборах, а также –  выйдет ли Финляндия из Еврозоны, понизит ли S&P кредитный рейтинг Великобритании, найдет ли марсоход Curiosity следы жизни на Марсе, будет ли Россия до 2014 года поддерживать свое военное присутствие в Сирии, выпустит ли в 2013 году корпорация Microsoft новую версию приставки Xbox...
 
Важно отметить, что: 1) точность предсказаний этих методов примерно одинакова у Opinion Pools и Prediction Markets; 2) эта точность для одних типов предсказаний (например, выборы президента США) крайне высока, а для других типов (например, кто станет чемпионом мира по футболу) не очень; 3) в целом по части повышения точности предсказаний нестатистических методов есть над чем работать.

3.Статистический подход
Статистический подход к предсказаниям с помощью коллективного интеллекта начали использовать сравнительно недавно (ранее просто не были накоплены массивы данных). Одной из первых публикаций на эту тему стала статья «Using web-based search data to predict macroeconomic statistics» (2005). А в 2009 году, когда ежегодное число поисковых запросов в США превысило 150 млрд, результаты их анализа оказались уже сенсационными – они позволили в 4 раза уменьшить ошибку в предсказаниях цен и объемов рынка жилья (по отношению к существовавшим до этого методам предсказаний).
 
За прошедшие с того времени три года было убедительно показано, что точность статистических методов превышает точность рынков предсказаний. А области использования предсказаний по анализу поисковых запросов практически любые: в эпидемиологии – это предсказание эпидемий, в анализе финансовых рынков – предсказание скачков стоимости акций, в шоу-бизнесе – предсказание сборов от кинофильма, в экономике – предсказание уровня безработицы. Именно поэтому, отмечая ключевые факторы влияния интернета на бизнес, глобальный институт McKinsey в вышедшем недавно отчете «Internet Matters. Essays in digital transformation» посвятил данной теме отдельный раздел – «The predictive value of search».
 
Следующим шагом стало использование статистики социальных медиа. Уже в 2010 году было показано, что даже весьма простая модель на основе числа твитов в Twitter про конкретные фильмы позволяет прогнозировать киносборы точнее, чем рынки предсказаний. А в 2011-м анализ 133 млн твитов, посвященных 18 тысячам тем, показал высокую эффективность этого метода для любых прогнозов, касающихся популярности кого-либо или чего-либо.
 


К 2012 году был сделан качественный скачок в предсказаниях по сетевой статистике – от ответов на вопрос «когда это может случиться?» перешли к ответам на вопрос «почему это может случиться?».
 
Этот скачок оказался возможен за счет перехода от анализа статистики количества поисковых запросов и/или твитов к анализу динамики сетевого контента и выявления в ней так называемых временных серий.
 
Сегодня с помощью инструментов статистического анализа поисковых запросов довольно просто прогнозировать  краткосрочную динамику экономических индикаторов по регионам, типа: безработица, продажи автомобилей или турпутевок, спрос на продукцию массового потребления и так далее. А с помощью статистического анализа социальных медиа делаются весьма точные прогнозы для маркетинга, задач распространения информации (пропаганда, слухи, мемы), выборов, макроэкономики и пр. Но это только начало перехода к новому качественному уровню предсказаний сетевого коллективного интеллекта.


4.Что дальше
На повестке дня предсказание непредсказуемого – «черных лебедей», событий, имеющих мизерную вероятность свершиться, но все равно свершающихся и приносящих за собой огромные изменения. Пока задача, казалось бы, непостижимая. Ведь предсказать, куда пойдет конкретный тренд, в конце-концов можно, зная наперед, что он может пойти либо вверх, либо вниз, либо остаться в текущем положении. А «черных лебедей» как предсказать? Вот ведь не смогли же предсказать «арабскую весну» при наличии всех вышеназванных инструментов!
Военные и разведка уже движутся в сторону предсказания «черных лебедей». Пока что весьма специфических, касающихся в основном терроризма. Но процесс пошел. В прошлом году Белый дом обнародовал «Оборонные приоритеты XXI века» (21st Century Defense Priorities), которые значительно повышают роль науки и технологий в вопросах обороны и предотвращения всевозможных угроз национального уровня (военных, террористических и даже внутренних). Причем два из семи направлений новой парадигмы непосредственно связаны с необходимостью совершить прорыв в области сетевых коллективных предсказаний. И вот здесь, я уверен, и стоит ждать настоящего прорыва. 
5.Ученые рассчитали, кто и как сможет манипулировать обществом
Чем больше связей имеет человек, тем ниже вероятность, что он станет лидером в социальной сети
Пока читатели Slon.ru активно обсуждали исследование о том, что для смены власти в России нужно 10% населения, которые бы по-настоящему активно распространяли такую идею, ученый, имеющий высокие шансы прослыть Эйнштейном XXI века, опубликовал новый материал на тему. Этого ученого зовут Альберт-Ласло Барабаши, а его статья называется «Управляемость сложных сетей» («Controllability of Complex Networks»).


В статье увлекательно рассказывается, каким образом можно управлять такими сложными системами, как сотовые сети, социальные медиа, онлайн-сообщества и т.п. А поскольку современное общество – это огромная социальная сеть, то получается, что статья и про то, как можно управлять всеми нами. Барабаши пытается подсчитать и тот магический процент последователей идеи, который позволяет заразить ею все общество. Его результаты, в целом, отличаются от тех 10%, что получили авторы предыдущего исследования: согласно его подсчетам, для управления сетью – например, для повсеместного распространения идеи в соцсети, нужно до трети ее активных сторонников (при этом разные сети по-разному поддаются «перепрограммированию», и нельзя дать один ответ на все случаи). Но важнейшей частью исследования стало определение тех, кто может оказывать влияние. Точнее, тех, через кого наиболее быстро и эффективно можно управлять сложной сетью.

Под управлением здесь понимается следующее.
Допустим, имеется социальная сеть. В текущем состоянии 80% участников этой соцсети – любители Пугачевой и только 20% – любители Земфиры. Наша цель – перевести соцсеть в другое состояние, когда 80% участников станут поклонниками Земфиры и только 20% – останутся любителями Пугачевой. Нам интересно, как побыстрее перевести соцсеть в нужное нам новое состояние за минимальное количество воздействий, приложенных к минимальному количеству участников.

Мы могли бы, конечно, давить на каждого из поклонников Пугачевой. Но нам это не подходит – слишком долго и трудозатратно. Мы хотим найти подмножество участников (назовем их драйверы), воздействие на которых (и только на них) позволит гарантированно перевести всю соцсеть в нужное нам состояние. При этом нам было бы желательно минимизировать число необходимых для этого драйверов.

Из опубликованной статьи Барабаши следует, что такое управление вполне возможно. И чтобы его применять на деле, необходимо слияние инструментов науки о сетях и теории управления.

Не буду напрягать читателей математическими подробностями. Желающие могут самостоятельно изучить опубликованные в научном приложении к статье около сотни крутых формул (некоторые размером с полстраницы), графиков и красивых сетевых диаграмм. Расскажу лишь об основных выводах.

Вывод первый – казалось бы, банальный. Любыми соцсетями можно эффективно управлять. В зависимости от характеристик сети для управления ее переводом в нужное состояние может потребоваться разное количество драйверов (от нескольких до очень многих). Чем однородней плотность сети (однородная как новенькая сетка для пинг-понга, а не в сплошных дырах, как старая изорванная рыбацкая сеть), тем проще такой сетью управлять. Аналогично, чем меньше разброс числа связей у каждого из узлов сети (например, все узлы имеют от 3 до 5 связей, а не от 1 до 350 связей), тем проще такой сетью управлять.

Вывод второй. Казалось бы, он противоречит и здравому смыслу, и интуиции. Но тем он ценнее. Вывод гласит: чем больше связей имеет узел (человек), тем ниже вероятность, что это драйвер. То есть получается, что драйверы – это вовсе не кумиры миллионов, типа Аллы Пугачевой. И это даже не самые популярные блоггеры, типа Алексея Навального или Антона Носика. Драйверы – это люди, имеющие далеко не самый широкий круг коммуникаций. Так что же отличает таких людей от всех остальных?

Исследование Барабаши дает ответ и на этот вопрос. Отличие драйверов в том, что они не просто собирают информацию от разных людей. И не просто являются источником информации для многих других людей. Фишка в том, что они делают и то, и другое, выступая в роли коммуникаторов между группами людей и как бы являясь информационными мостами, соединяющими изолированные островки микросообществ, из которых обычно состоит любая соцсеть. Поэтому настоящие драйверы – это не чемпионы Facebook по количеству друзей. И не чемпионы Twitter по количеству фолловеров. Это бойцы невидимого фронта, коммуникторы, получающие информацию от одних групп людей и передающие ее другим группам.

Как же так? Ведь люди с большим количеством связей в соцсети в любом случае служат передаче идей. Так почему же они не подходят? Попробую объяснить на примере Facebook и Twitter. Чемпионы по числу френдов в Facebook – чаще всего, широко известные люди (например Владимир Познер или Эстер Дайсон). Они, как правило, сами порождают совсем немного сетевых сообщений, а это ведь и есть их выходные информационные связи. Читать много чужих сетевых сообщений у таких людей, как правило, также нет ни времени, ни желания. Так что и входных информационных связей у них совсем немного. Вот и получается, что никакие они ни коммуникаторы-объединители. Они – «звезды», и почти всегда – сами по себе.

С чемпионами «Твиттера» ситуация несколько иная, так как Twitter сам по себе заставляет активно обмениваться информацией. Они имеют огромное число фолловеров и тем самым генерируют множество выходных информационных связей. Но такие люди, как правило, сами в фолловерах у множества других людей не числятся. Их цель – поведать городу и миру про свои дела, мысли и наблюдения. Но большого интереса к чужим делам, мыслям и наблюдениям они, обычно, не испытывают. То есть и они не коммуникаторы-объединители, поскольку входных информационных связей у них по минимуму.

Конечно, есть среди чемпионов Twitter и такие, которые не только сами «твитят», но и читают сообщения многих других. А среди чемпионов Facebook есть и такие, которые регулярно читают статусы сотен френдов и не менее регулярно обновляют свой статус. Таких очень мало, потому что это нетипичное для сетевой звезды поведение. Они – идеальные коммуникаторы, драйверы, Объединители.

Малколм Гладуэлл в своей довольно пророческой книге «Переломный момент» описывал их: «Люди, которые связывают нас с миром, которые выстраивают мостик между Омахой и Шароном, которые вводят нас в свой круг общения (люди, от которых мы зависим гораздо сильнее, чем представляем себе), – это Объединители, или люди с особым даром объединять мир».

Идеальных объединителей все-таки слишком мало, гораздо меньше, чем 10% от участников соцсети или даже 0,01%. Нужны еще драйверы. Пусть они гораздо слабее влияют на аудиторию, так как у них меньше связей, но зато у них эти связи равномерны – они активно принимают информацию и активно ее распространяют. Таким образом, если уметь находить таких драйверов-объединителей, то с их помощью можно управлять соцсетями, как вам заблагорассудится. Миллионы людей пойдут за драйверами, как крысы за крысоловом с дудочкой. И никто, заметьте, даже не почувствует подвоха.
6. IT-прогноз: облачно-сетевой союз людей и компьютеров
Большинство международных экспертов и аналитиков по IT уверены: в ближайшие годы в технологиях и экономиках развитых стран произойдут тектонические процессы. Они кардинально изменят не только технологическую индустрию, но и все прочие отрасли бизнеса, в которых высока роль инфокоммуникаций (от финансовой деятельности и медиаиндустрии до ритейла и здравоохранения).
Источником этой тектоники будет возрастающее влияние четырех мегасил: мобилизации, социализации, облачных технологий и информатизации (mobile, social, cloud, information). Все четыре силы демонстрируют свою мощь уже не первый год. Но все это было, как говорится, цветочки. Ягодки же ожидаются только начиная с 2013 года, когда все четыре мегасилы объединятся в единую связку (в Gartner ее так и называют – Nexus of Forces).
В преддверии такой перспективы имеет смысл напомнить, что стоит за каждой из четырех мегасил.
 
Мобилизация
Действие этой мегасилы не нужно долго пояснять – каждый уже ощутил ее на себе. Наши телефоны, по сути, уже срослись с компьютерами. Их число растет в мире невиданными темпами и в 2013 году, скорее всего, превысит население земли. Каждый имеющий такое мобильное устройство может иметь доступ почти что ко всей информации, накопленной человечеством. Также с помощью своего мобильного устройства человек может поставлять новую информацию в глобальную сеть: от постов и комментов до фото и видео. Это и есть проявление мобилизации – превращение человека в мобильный активный узел глобальной сети производства и потребления информации.
 
Социализация
Эта сила тоже хорошо понятна. Будучи по своей сути существом социальным (т.е. общающимся и взаимодействующим с другими людьми), человек, став мобильным активным узлом глобальной сети, устанавливает всевозможные связи не только с компьютерами, хранящими и перерабатывающими информацию, но и с другими людьми (френды, коллеги, «родственные души» и т.д.). Так возникают социальные сети, участниками которых в 2013 году будут более 2 млрд человек. Это и есть проявление социализации – превращение человека в участника социальных сетей: персональных, профессиональных, корпоративных.
 
Облачные технологии
С ними не все так просто, и нужно будет сказать подробнее.
Облачные технологии – это способ получения необходимых ресурсов из облаков глобальной инфокоммуникационной сети.
Дело в том, что эта сеть из миллиардов людей и компьютеров неоднородна и состоит из миллионов так называемых облаков.
Каждое облако – это специальным образом организованная область инфокоммуникационной сети, способная по запросам (поступающим как от людей, так и от компьютеров) предоставлять информацию или услуги, а также выполнять запрошенную у облака работу. Есть облака, в которых можно получить вычислительные ресурсы (облачные дата-центры). Есть облака, которые могут предоставлять в использование всевозможные приложения – например, для управления взаимоотношениями с клиентами или учета затрат. Другие облака (класса Solution as a Service) способны взять на аутсорсинг выполнение конкретных задач на оговоренных условиях и с оговоренным качеством. Например, вам нужен кол-центр. Можете получить его в облаке. Вместе с оборудованием, программным обеспечением и операторами-людьми. Ведь люди также входят в состав облачных сетей.
Последнее принципиально важно, поскольку многие виды работ человек все еще делает гораздо лучше компьютера.
Современные компьютеры во многом уже превзошли человека. Они управляют взлетом и посадкой современных авиалайнеров лучше большинства пилотов. Они способны обыграть в шахматы чемпиона мира. Компьютеры, а не люди, ведут бой при обмене ракетными ударами. И даже в куда более обыденном деле – при срыве автомобиля в занос, – управление берут на себя компьютеры, превосходящие умением справиться с заносом 95% автолюбителей.
Но во многих видах деятельности человек по-прежнему куда сильнее компьютера, не способного подчас отличить собаку от кошки или проявить креативность, а уж тем более интуицию. Человек пока что не смог научить компьютер таким вещам. И поэтому в подобных задачах человек незаменим.
Облачные технологии открыли новый путь решения таких задач, позволяя найти в мировой сети работников, способных их решить, и задействовать их для решения, собрав в специализированные облака (онлайн-сообщества).
Так возникли краудсорсинг (Crowdsourcing),
коллективный интеллект (Collective Intelligence),
социальный компьютинг (Social Computing) и
«человеческие вычисления» (Human Computation).
Все четыре области в чем-то пересекаются. Но они принципиально разные.
Краудсорсинг, например, позволяет в сетевых облаках найти людей, способных заменить как штатных специалистов (которым в силу их должностных обязанностей вменяется решение конкретного класса задач), так и компьютеры (которые с какой-то из задач справляются нелучшим образом. Вся фишка здесь в том, что найденные в сети люди могут решить задачу лучше (быстрее, дешевле и т.д.) штатных специалистов или компьютеров.
Human Computation позволяют найти в сетевых облаках людей, способных заменить компьютеры при решении конкретной задачи. И здесь фишка в том, что люди могут решить задачу лучше (быстрее, дешевле и т.д.), чем компьютеры. Например, распознать, кто на фото – собака или кошка. А возможно, что компьютер и вообще не может пока решать подобные задачи. Например, классифицировать сайты по категориям: общедоступный, под контролем родителей, ограниченного использования, порно.
Социальный компьютинг позволяет за счет различных IT-технологий (Community Platform, Idea Management и т.д.) инициировать и специальным образом поддерживать коммуникации и коллективные взаимодействия находящихся в облаках людей.
 А коллективный интеллект, в свою очередь, позволяет с помощью специальных алгоритмов (Predictive Markets, Diversity Management и т.д.) повышать коллективный IQ собранных в облака людей и тем самым усиливать потенциал краудсорсинга и социального компьютинга.
 
7.Информатизация
Название этой силы может легко запутать. Мы привыкли, что информатизация идет уже десятки лет и представляет собой все более широкое распространение компьютеров. Так вот четвертая сила, информатизация здесь-совсем про другое.
Здесь речь идет о двух новых феноменах. Первый – это так называемые «большие данные» (Big Data) – новая парадигма обработки данных (Data Management), возникшая в ее теперешнем виде только во втором десятилетии ХХI века. Второй феномен (столь же новый, как и Big Data) – базирующаяся на шаблонах/моделях архитектура (Pattern-Based Architecture) – выявление сигналов, моделей и паттернов среди данных и их адаптация под нужды конкретных бизнес-процессов.
Возникновение обоих названных феноменов основано на двух мегатрендах. Первый из них – взрывной рост объемов накапливаемых в инфосетях данных (каждый год собирается больше, чем за всю предыдущую историю); при этом получается, что доля извлекаемой полезной информации столь же быстро падает, и если не изменить ситуацию качественно, все большая часть информации так и будет оставаться в информационных отвалах.
Второй мегатренд – увеличение в накапливаемой информации доли так называемых скрытых, или неформализованных, знаний. Этот мегатренд является следствием присутствия в глобальной инфосети не только компьютеров, но и людей. В отличие от компьютеров, в которых вся хранящаяся информация формализована и четко описана, информация в головах людей (примерно 80% от общего объема) совсем иная. Что знает успешный продавец по сравнению с неуспешным? Какие знания позволяют опытному врачу увидеть надвигающееся заболевание при полном отсутствии симптомов? И т.д. и т.п.
Чего ждать?
Big Data направлена на увеличение доли извлекаемой полезной информации. А Pattern-Based Architecture ориентирована на отлавливание в море данных слабых и незаметных сигналов, указывающих на скрытую в глубинах данных суперважную информацию. Одним из наиболее успешных способов обнаружения таких сигналов являются упоминавшиеся выше Human Computation и Predictive Markets. А в качестве примера отлавливания суперважной информации по неуловимым, казалось бы, сигналам достаточно вспомнить про «Машину».
Все четыре мегасилы: мобилизация, социализация, облачные технологии и информатизация – усиливают друг друга, обладая выраженным синергетическим эффектом. Эта синергия делает предсказания динамики дальнейшего развития мегасил весьма затруднительным. Здесь развитие будет происходить по нелинейным законам, и возможно всякое.
Пока же ясно одно. Порождаемый синергией взаимодействия четырех мегасил тектонический сдвиг открывает уникальное окно возможностей развития коллективного разума.



 
Сергей
Карелов

Сергей Карелов
https://slon.ru/authors/21731
http://noocivil.esrae.ru/243-1472