Новые темные века

На законе Омори основывается одна из современных реализаций этого расчета, называемая моделью последовательности афтершоков эпидемического типа, или моделью ETAS, которую сейсмологи сегодня используют для изучения каскада сейсмической активности после сильного землетрясения. В 2009 году математики из Калифорнийского университета в Лос-Анджелесе выяснили, что распределение преступности в городе следовало той же модели. Они сообщили, что «распространение преступности на местном уровне заразно и приводит к формированию очагов преступности в пространстве и времени. Например, грабители неоднократно совершают нападения в одном и том же районе, потому что хорошо знают слабые места этой местности. Перестрелка между бандами может спровоцировать ответные всплески насилия на заданной территории конкурирующей группировки»(20). Для описания этих закономерностей они использовали геофизический термин «самовозбуждение», процесс, при котором то, что случается поблизости, запускает и усиливает события. Математики даже отметили, что городской пейзаж отражает слоистую топологию земной коры, а риск совершения преступлений концентрируется вдоль улиц.

Именно модель последовательности афтершоков эпидемического типа составляет основу сегодняшних программ прогнозирования полицейской деятельности. В 2016 году стоимость отрасли полицейского прогнозирования оценивалась в 25 миллионов долларов, и цифры стремительно растут.

Всякий раз, когда городские управления полиции берут на вооружение «Predpol», как это произошло в Лос-Анджелесе, Атланте, Сиэтле и сотнях других городов США, программа анализирует собранные в регионе за последние несколько лет данные о времени, типе и месте совершения каждого преступления, используя модель последовательности афтершоков эпидемического типа. Полученные результаты пополняются данными по мере совершения новых преступлений и используются для создания поэтапных «тепловых карт» потенциальных проблемных участков. К месту возможных подземных толчков отправляются крейсеры, а полицейских приставляют следить за подозрительными районами. Таким образом, преступление становится физической силой, волной, проходящей через слои городской жизни. Прогноз становится оправданием для проверки документов, обысков, штрафов и арестов. Афтершоки землетрясения, случившегося более столетия назад, прокатываются по современным улицам.

Предсказуемость (или непредсказуемость) землетрясений и убийств, расовые предубеждения непрозрачных систем – все они, если уделить им достаточно времени и внимания, поддаются нашему пониманию, поскольку основаны на моделях прошлого и на повседневном жизненном опыте. Но как быть с новыми технологическими моделями мышления? Мы не понимаем вытекающие из них решения и последствия, потому что когнитивные процессы машин совершенно не похожи на наши собственные.

Одним из аспектов нашего непонимания машинного мышления является его масштабность.

В 2016 году, спустя десять лет после запуска сервиса автоматизированных переводов, в Google приняли решение о существенном пересмотре и усовершенствовании программного обеспечения Google Translate, которое уже набрало популярность, хотя само его название стало синонимом некачественного перевода. В основе машинного перевода лежал метод языкового статистического вывода. Вместо того чтобы пытаться понять, как на самом деле работают языки, система «проглотила» огромные объемы существующих переводов, параллельных текстов с одинаковым содержанием на разных языках. Языковой статистический вывод – лингвистический эквивалент «конца теории» Криса Андерсона; этот метод впервые применили в IBM в 1990-х годах, отказавшись от знаний в предметной области в пользу больших объемов необработанных данных. Исследователь Фредерик Элинек, возглавлявший лингвистическое направление IBM, заявил: «Каждый раз, когда я увольняю лингвиста, эффективность распознавания речи повышается»(21). Роль статистического вывода заключалась в том, чтобы убрать из уравнения необходимость понимания и заменить ее корреляцией на основании имеющихся данных.