Машина, платформа, толпа. Наше цифровое будущее

Мы также видели недавние изменения в искусственном интеллекте и машинном обучении (речь о которых шла в главе 3), в производстве энергии (благодаря гидравлическим разрывам пласта при добыче нефти и газа и очень резкому снижению стоимости солнечной энергии[627]) и во многих других отраслях. При таком быстром прогрессе знания ядра легко устаревают. Между тем среди участников толпы, по всей вероятности, хоть некоторые люди (или их ученики) способствовали появлению последних достижений, поэтому вполне знакомы с ними. Короче говоря, ядро может устаревать, тогда как толпа – фактически нет.

ПОЛЬЗА «ЛЮДЕЙ С ПЕРИФЕРИИ»

Вероятно, более важна другая причина того, что толпа часто превосходит ядро. Многим проблемам, возможностям и проектам (если не большинству из них) идет на пользу, когда люди и группы рассматривают их с разных ракурсов[628] – с позиций разного опыта, образования, подходов к решению задач, интеллектуального и технического инструментария, гендера и тому подобных. Это в точности соответствует определению толпы, и воспроизвести подобное в рамках ядра очень трудно, практически невозможно. Например, маловероятно, что в научно-исследовательских лабораториях в какой-нибудь фармацевтической компании найдется пара астрофизиков или криптографов на тот случай, если они вдруг понадобятся для решения какой-нибудь сложной задачи. Это противоречит практике бизнеса, но, если вдруг возникнет работа, требующая квалификации астрофизика или криптографа, делать ее будет некому.

Отсечение потенциальной пользы, которая может исходить от источников, выглядящих в целом бесполезными, – это безобразие, потому что очень часто бывают нужны знания и опыт далеких, на первый взгляд, дисциплин. Эрик Рэймонд, сторонник программного обеспечения с открытым кодом, заметил: «При достаточном количестве глаз все ошибки лежат на поверхности»[629]. Иными словами, любые проблемы решаются проще, если увеличить число и разнообразие занимающихся ими людей. Это продемонстрировал конкурс по секвенированию генома: ни одно из тех решений, что оказались одновременно точнее и быстрее эталона, не было предложено специалистами по вычислительной биологии. Такое превосходное качество работы неквалифицированных людей не кажется чем-то необычным. Когда Лахани и Ларс Бо Йеппесен изучили 166 научных проблем[630], опубликованных в InnoCentive – еще одном сетевом координационном центре, – они обнаружили, что успешному решению с большей вероятностью поддавались задачи, привлекавшие «людей с периферии», то есть технически или социально далеких от организаций, которые публиковали эти задачи[631].

Толпа имеет такую ценность в основном потому, что она в значительной части «периферийна» по составу: она представляет собой определенную комбинацию мыслительных способностей, хорошего образования, опыта, дотошности и мотивации, при этом люди, обладающие этими качествами, довольно далеки[632] географически, интеллектуально или социально от любого организационного ядра. По мере того как взаимосвязанные вычислительные мощности распространяются по миру и повсюду возникают полезные платформы, толпа, несомненно, становится жизнеспособным и ценным ресурсом.

Ядро замечает толпу

Разумные руководители организаций начинают интересоваться, как можно использовать преимущества толпы для решения своих проблем и для многих других целей. Эта деятельность пребывает пока на ранних стадиях, но мы уже видим множество заманчивых путей взаимодействия ядра и толпы.

Выполнение работы. Как в случае «Википедии» и Linux, толпа может собираться и создавать вещи огромной важности, особенно если выполняется ряд принципов, например открытости и отсутствия креденциализма. Некоторые организации претворяют эти принципы в жизнь и предлагают бизнесу услугу, которую можно назвать конструированием толпы. Одним из первых таких примеров была платформа Amazon Mechanical Turk[633], начало которой положила попытка компании найти и удалить дублирующиеся страницы продуктов; эта задача была передана сторонним участникам в ноябре 2005 года[634]. Сегодня толпа Mechanical Turk используется для решения самого широкого спектра задач, таких как преобразование текста с визитных карточек в электронные документы[635], участие в опросах для психологических исследований и маркировка изображений для программ искусственного интеллекта. Дополнения к базовой платформе Mechanical Turk работают по шаблону «найди – исправь – проверь»; эта схема программирования разработана Майклом Бернштейном и его коллегами из Массачусетского технологического института[636], а шаблон позволяет участникам делать выбор – выполнять какую-либо задачу или отыскивать и исправлять ошибки.